\n<\/p>\n
Un nuevo sistema de inteligencia artificial (IA) puede usar esc\u00e1neres cerebrales para medir que alguien est\u00e1 pensando en un concepto espec\u00edfico, como comer o dormir. El sistema puede ser \u00fatil alg\u00fan d\u00eda para ayudar a las personas que han perdido la capacidad de hablar o para investigar trastornos mentales.<\/p>\n
<\/p>\n
Cuando percibimos una se\u00f1al del mundo exterior, como una palabra hablada o una imagen, se codifica en el cerebro como un patr\u00f3n particular de actividad neuronal. Hasta ahora, los intentos de averiguar qu\u00e9 palabras desencadenan una se\u00f1al neuronal espec\u00edfica han tenido resultados mixtos. Los intentos m\u00e1s exitosos requieren electrodos implantados quir\u00fargicamente.<\/p>\n
Ahora cerebro e inform\u00e1tico Alejandro Huthu<\/a> de la Universidad de Texas con su equipo desarroll\u00f3 un modelo de IA que funciona mejor<\/a>. El modelo puede derivar secuencias de palabras que coincidan o se parezcan mucho a las se\u00f1ales que desencadenan una actividad cerebral particular.<\/p>\n \t\t\tLEA TAMBI\u00c9N Primero, Huth y su equipo crearon resonancias magn\u00e9ticas funcionales (fMRI) de redes en el cerebro relacionadas con el procesamiento del lenguaje. Hicieron esto con un peque\u00f1o grupo de personas que escucharon historias habladas durante 16 horas. Por ejemplo, entrenaron al modelo para comprender y predecir c\u00f3mo responde el cerebro de una persona a un conjunto particular de palabras.<\/p>\n Luego, los investigadores pidieron a los participantes que escucharan una nueva historia. Luego, el modelo trat\u00f3 de decodificar la grabaci\u00f3n cerebral correspondiente. Luego, los investigadores compararon las palabras de la historia con la versi\u00f3n decodificada.<\/p>\n Huth y sus colegas tambi\u00e9n probaron su decodificador en personas que contaban historias de su propia creaci\u00f3n y ve\u00edan pel\u00edculas mudas cortas. En ambos experimentos, el modelo logr\u00f3 derivar palabras y secuencias similares.<\/p>\n Por ejemplo, la siguiente frase es del texto original de un cuento que se escuch\u00f3: \u201cEsa noche sub\u00ed a lo que hab\u00eda sido nuestro dormitorio, y sin saber qu\u00e9 m\u00e1s hacer, apagu\u00e9 la luz y me fui al piso. . “acostado”.<\/p>\n La IA tradujo los patrones cerebrales resultantes de la siguiente manera: “Regresamos a mi habitaci\u00f3n, no ten\u00eda idea de d\u00f3nde estaba mi cama, supuse que dormir\u00eda en ella, pero en lugar de eso me acost\u00e9 en el piso”.<\/p>\n “El hecho de que el decodificador pueda entender la esencia de las oraciones es muy impresionante”, dice el cient\u00edfico del cerebro. ana ivanova<\/a> del Instituto de Tecnolog\u00eda de Massachusetts. \u201cSin embargo, vemos que todav\u00eda tiene un largo camino por recorrer. El modelo adivina fragmentos del significado y luego trata de unirlos, pero el mensaje general generalmente se pierde. Esto probablemente sucede porque las se\u00f1ales cerebrales recibidas muestran en qu\u00e9 conceptos est\u00e1 pensando alguien, como ‘hablar’ o ‘comer’, pero no c\u00f3mo se relacionan esos conceptos entre s\u00ed.<\/p>\n El modelo tambi\u00e9n parece ser mejor para predecir palabras concretas como “comida” que para predecir conceptos abstractos, agrega Ivanova.<\/p>\n
Los h\u00e9roes an\u00f3nimos de la historia de la ciencia\n\t\t\t<\/p>\nHistorias hechas a s\u00ed mismas<\/h2>\n
Impresionante<\/h2>\n
Red neuronal del lenguaje<\/h2>\n