\n<\/p>\n
Investigadores de la Universidad de Texas han desarrollado una interfaz cerebro-computadora basada en inteligencia artificial (IA) que puede convertir los pensamientos de una persona en palabras. Se trata de una …<\/p>\n
Investigadores de la Universidad de Texas han desarrollado una interfaz cerebro-computadora de inteligencia artificial (IA) capaz de convertir los pensamientos de una persona en palabras<\/strong>. Esta es una tecnolog\u00eda prometedora para permitir que los pacientes que han perdido la capacidad de hablar se comuniquen nuevamente.<\/p>\n Si estos sistemas ya existen, son menos avanzados porque solo son capaces de detectar palabras concretas y, sobre todo, son invasivos porque requieren la implantaci\u00f3n de un implante<\/strong>. “ Para un m\u00e9todo no invasivo, este es un verdadero avance en comparaci\u00f3n con lo que se ha hecho hasta ahora, es decir, palabras sueltas u oraciones cortas. Obtenemos un modelo que permite decodificar un lenguaje continuo durante largos periodos con ideas complicadas<\/em> dice Alex Huth, profesor asistente de neurociencia e inform\u00e1tica en la Universidad de Texas.<\/p>\n En un estudio publicado en la revista Neurociencia de la naturaleza<\/em><\/a>los cient\u00edficos explican c\u00f3mo entrenaron un modelo de lenguaje similar a Google GPT-4 y LaMDA<\/strong> para lograr este resultado. As\u00ed, tres participantes escucharon cada uno 16 horas de diferentes episodios de los mismos podcasts mientras estaban en un esc\u00e1ner fMRI (Im\u00e1genes por Resonancia Magn\u00e9tica Funcional).<\/p>\n A diferencia de la resonancia magn\u00e9tica tradicional, que crea im\u00e1genes de la estructura del cuerpo, la resonancia magn\u00e9tica funcional mide los cambios en el flujo sangu\u00edneo y los niveles de ox\u00edgeno en el cerebro, que se cree que est\u00e1n asociados con la actividad neuronal. Al detectar estos cambios, la fMRI se puede utilizar para mapear la funci\u00f3n y la actividad del cerebro en tiempo real. De esta manera, los investigadores pudieron recopilar una gran cantidad de datos y ense\u00f1aron a la IA a predecir la actividad cerebral que desencadenaba la lectura de ciertas palabras. Para probarlo, hicieron que los participantes escucharan nuevos episodios de podcasts y el modelo ten\u00eda que adivinar lo que se dec\u00eda estudiando la actividad cerebral del oyente mientras escuchaba.<\/p>\n ” El resultado no es una transcripci\u00f3n palabra por palabra. Por el contrario, los investigadores lo dise\u00f1aron para capturar la esencia de lo que se dice o piensa<\/strong>aunque sea imperfectamente<\/em> \u201c, especifican los investigadores en Comunicado de prensa<\/a>. En lugar de transcribir perfectamente el pensamiento de una persona, el modelo es capaz de capturar la idea de la misma. Por ejemplo, cuando un participante escuch\u00f3 las palabras “ todav\u00eda no tengo mi licencia de conducir<\/em> durante un experimento, sus pensamientos se tradujeron como ” Ni siquiera ha empezado a aprender a conducir todav\u00eda.<\/em> “.<\/p>\n El modelo logr\u00f3 producir texto que coincide de cerca o remotamente con el significado previsto de las palabras originales. en aproximadamente la mitad de los casos<\/strong>. Los sujetos tambi\u00e9n vieron un cortometraje de animaci\u00f3n mudo, a\u00fan sometido a una resonancia magn\u00e9tica funcional. Al analizar su actividad cerebral, el modelo de lenguaje pudo decodificar un resumen aproximado de lo que estaban viendo.<\/p>\n Si bien estos resultados iniciales son alentadores, la tecnolog\u00eda es todav\u00eda muy limitada<\/strong>. Los esc\u00e1neres fMRI son voluminosos y costosos, mientras que el entrenamiento de IA debe realizarse de forma distinta en cada individuo para que sea efectivo. Cuando los investigadores intentaron usar un decodificador entrenado en una persona para leer la actividad cerebral de otra, fallaron, lo que sugiere que cada cerebro tiene formas \u00fanicas de representar los sentidos.<\/p>\n ” Eventualmente, esperamos que esta tecnolog\u00eda pueda ayudar a las personas que han perdido el uso del habla<\/strong> despu\u00e9s de traumatismos como accidentes cerebrovasculares o enfermedades como la esclerosis lateral amiotr\u00f3fica (Nota del editor: enfermedad de Charcot)<\/em> explic\u00f3 Jerry Tang, estudiante graduado de inform\u00e1tica en la Universidad de Texas y l\u00edder del estudio.<\/p>\n Junto con sus colegas, espera que las iteraciones futuras del dispositivo puedan ser adaptado a plataformas m\u00e1s convenientes<\/strong>como sensores de espectroscopia de infrarrojo cercano que se pueden llevar en la cabeza del paciente.<\/p>\n<\/div>\nUna soluci\u00f3n no invasiva<\/h2>\n
La IA es prometedora pero todav\u00eda muy limitada<\/h2>\n