\n<\/p>\n
AUSTIN (dpa-AFX) – Con esc\u00e1neres cerebrales e inteligencia artificial, los investigadores estadounidenses han podido capturar al menos aproximadamente ciertos tipos de pensamientos en sujetos de prueba dispuestos. Un decodificador que desarrollaron fue capaz de usar las llamadas im\u00e1genes fMRT en ciertas situaciones experimentales para reproducir aproximadamente lo que pasaba por la mente de los participantes, como escribe el equipo en la revista “Nature Neuroscience”. Esta interfaz cerebro-computadora, que no requiere cirug\u00eda, alg\u00fan d\u00eda podr\u00eda ayudar a las personas que han perdido la capacidad de hablar, por ejemplo, como resultado de un derrame cerebral, esperan los investigadores. Sin embargo, los expertos son esc\u00e9pticos.<\/p>\n
Los autores del estudio de la Universidad de Texas enfatizan que su tecnolog\u00eda no puede usarse para leer pensamientos en secreto.<\/p>\n
Las interfaces cerebro-computadora (BCI) se basan en el principio de leer los pensamientos humanos a trav\u00e9s de circuitos t\u00e9cnicos, procesarlos y traducirlos en movimiento o habla. De esta manera, las personas paralizadas podr\u00edan usar el control mental para controlar un exoesqueleto, o las personas con s\u00edndrome de enclaustramiento podr\u00edan comunicarse con su mundo exterior. Sin embargo, muchos de los sistemas correspondientes que se investigan actualmente requieren la implantaci\u00f3n quir\u00fargica de electrodos.<\/p>\n
En el nuevo enfoque, una computadora forma palabras y oraciones basadas en la actividad cerebral. Los investigadores entrenaron este decodificador de voz haciendo que tres sujetos de prueba escucharan historias durante 16 horas mientras estaban acostados en un esc\u00e1ner de resonancia magn\u00e9tica funcional (fMRI). Con una IRMf de este tipo, se pueden hacer visibles los cambios en el flujo sangu\u00edneo en \u00e1reas del cerebro, que a su vez son un indicador de la actividad de las neuronas.<\/p>\n
En el siguiente paso, los sujetos escucharon nuevas historias mientras sus cerebros eran examinados nuevamente en el tubo fMRI. El decodificador de voz previamente entrenado ahora pod\u00eda crear secuencias de palabras a partir de los datos de fMRT, que seg\u00fan los investigadores reproduc\u00edan el contenido de lo que se escuchaba en gran medida correctamente. El sistema no tradujo la informaci\u00f3n registrada en la fMRI en palabras individuales. M\u00e1s bien, utiliz\u00f3 las conexiones reconocidas en el entrenamiento y la inteligencia artificial (IA) para asignar las actividades cerebrales medidas a las frases m\u00e1s probables en nuevas historias.<\/p>\n
Rainer Goebel, Jefe del Departamento de Neurociencias Cognitivas de la Universidad de Maastricht en los Pa\u00edses Bajos, explica este enfoque en una clasificaci\u00f3n independiente: “Una idea central del trabajo fue usar un modelo de lenguaje de IA para contar la cantidad de frases posibles que pueden ser combinado con consistente con un patr\u00f3n de actividad cerebral”.<\/p>\n
En una conferencia de prensa sobre el estudio, el coautor Jerry Tang ilustr\u00f3 los resultados de las pruebas: el decodificador reprodujo la oraci\u00f3n “Todav\u00eda no tengo mi licencia de conducir” como “Ella ni siquiera ha comenzado a aprender a conducir”. Seg\u00fan Tang, el ejemplo ilustra una dificultad: “El modelo es muy malo con los pronombres, pero a\u00fan no sabemos por qu\u00e9”.<\/p>\n
En general, el decodificador tiene \u00e9xito porque muchas frases seleccionadas en historias nuevas, es decir, no entrenadas, contienen palabras del texto original o al menos tienen un significado similar, seg\u00fan Rainer Goebel. “Pero tambi\u00e9n hubo bastantes errores, lo que es muy malo para una interfaz cerebro-computadora completa, ya que para aplicaciones cr\u00edticas, por ejemplo, la comunicaci\u00f3n con pacientes encerrados, es particularmente importante no generar declaraciones falsas”. Incluso se generaron m\u00e1s errores cuando se les pidi\u00f3 a los sujetos que imaginaran una historia de forma independiente o miraran una pel\u00edcula muda animada corta y se le pidi\u00f3 al decodificador que reprodujera los eventos en ella.<\/p>\n
Para Goebel, los resultados del sistema presentado son demasiado malos en general para ser adecuados como una interfaz confiable: “Me atrevo a predecir que las BCI basadas en fMRI (desafortunadamente) probablemente tambi\u00e9n se limitar\u00e1n al trabajo de investigaci\u00f3n con algunos sujetos de prueba en el futuro. – como es el caso en este estudio se quedar\u00e1.”<\/p>\n
Tambi\u00e9n Christoph Reichert de Leibniz-El Instituto de Neurobiolog\u00eda se muestra esc\u00e9ptico: “Si observa los ejemplos del texto presentado y reconstruido, r\u00e1pidamente queda claro que esta tecnolog\u00eda a\u00fan est\u00e1 muy lejos de generar de manera confiable un texto ‘imaginado’ a partir de datos cerebrales”. Sin embargo, el estudio insin\u00faa lo que podr\u00eda ser posible si mejoraran las t\u00e9cnicas de medici\u00f3n.<\/p>\n
Tambi\u00e9n existen preocupaciones \u00e9ticas: seg\u00fan los desarrollos futuros, podr\u00edan ser necesarias medidas para proteger la privacidad intelectual, escriben los propios autores.Sin embargo, las pruebas con el decodificador mostraron que los sujetos de prueba ten\u00edan que cooperar tanto para el entrenamiento como para la aplicaci\u00f3n posterior. “Si contaban mentalmente durante la decodificaci\u00f3n, nombraban animales o pensaban en otra historia, el proceso se saboteaba”, describe Jerry Tang. El decodificador tambi\u00e9n funcion\u00f3 mal cuando el modelo hab\u00eda sido entrenado con otra persona.\/fm\/ DP\/e.g<\/p>\n<\/div>\n