Imagina que tumbarte media hora en un escáner cerebral bastara para que un ordenador adivinara qué estabas mirando. Un equipo del Instituto Weizmann de Ciencias, en Rejovot (Israel), ha desarrollado una herramienta de inteligencia artificial que reconstruye imágenes a partir de resonancias cerebrales con una fidelidad superior a la de sus predecesoras.
La investigadora Michal Irani, científica de la computación que lidera el proyecto, presentó el trabajo el mes pasado en la conferencia Cognitive Computational Neuroscience, celebrada en Nueva York. El sistema también funciona a la inversa: predice la actividad cerebral de una persona a partir de lo que ve.
Un decodificador con dos ramas para imágenes más fieles
Los intentos anteriores de reconstruir lo que ve una persona mediante resonancia magnética funcional (fMRI) producían imágenes borrosas y difíciles de interpretar. Las mejoras llegaron con escáneres más precisos y con mejores herramientas de análisis, pero Irani considera que los modelos existentes siguen sin alcanzar el nivel necesario.
Antes de seguir: llévate las herramientas y prompts listos para usar, GRATIS. Probados uno a uno y ordenadas por la tarea que quieres resolver: vídeo, imagen, voz, escribir, automatizar tu negocio, clientes, web. Es gratis y la lista crece cada semana.
Entras también en el boletín semanal de La Prensa IA. Te das de baja cuando quieras, con una palabra.
Su ejemplo es el de un plátano. Los modelos actuales pueden generar un plátano, pero no el mismo: «No tendría la misma estructura, la misma posición», explica la investigadora.
Para corregirlo, el equipo entrenó un «decodificador cerebral» con datos públicos de ocho personas, a cada una de las cuales se mostraron alrededor de 9.000 imágenes dentro de un escáner de alta resolución. La clave es que el decodificador tiene dos ramas. Una predice la estructura de la imagen, por ejemplo dónde están los colores. La otra predice su contenido, como un racimo de plátanos sobre un plato.
Con esas dos predicciones, un modelo de difusión genera la imagen final. Este tipo de IA es conocido por crear imágenes y vídeo al limpiar gradualmente una maraña de píxeles con ruido.
El truco del codificador: entrenar con imágenes que nadie vio en el escáner
Había un obstáculo: los datos disponibles no bastaban para afinar los modelos. Escanear a una persona con fMRI es caro, y el tiempo de máquina limita cuántas imágenes se le pueden mostrar.
El equipo lo resolvió entrenando un segundo modelo, un codificador que hace lo contrario que el decodificador: predice cómo sería el escáner cerebral de alguien que ve una imagen determinada. El proceso funciona así: se parte de una foto nueva, por ejemplo un leopardo. El codificador predice la actividad cerebral que provocaría. El decodificador intenta reconstruir la foto a partir de esa actividad simulada.
Al principio, el resultado apenas se parece a un leopardo, admite Irani. Pero repetir el ciclo mejora ambas herramientas de forma notable. Además, permite entrenar con tantas imágenes como se quiera, incluso con las que nunca se mostraron a nadie en un escáner. Según Irani, alrededor del 70 % de los datos de entrenamiento procede de imágenes que no estaban emparejadas originalmente con resonancias.
De 40 horas a una: el coste de calibrar a un voluntario nuevo
Al combinar datos de varios estudios, los investigadores identificaron regiones cerebrales que parecen compartir funciones en todas las personas. Una responde a imágenes de comida y otra a imágenes de deportes. El resultado es un «codificador cerebral universal» que puede trabajar con el escáner de una persona nueva con una calibración mínima.
Aquí está la diferencia práctica. Según Irani, otras herramientas suelen necesitar unas 40 horas de datos de fMRI de cada persona nueva antes de predecir lo que ve. El decodificador de su equipo solo requiere una hora.
Tommy Sprague, neurocientífico de la Universidad de California en Santa Bárbara que no participó en el estudio, subraya lo que eso significa para los laboratorios: «Ninguno de nosotros puede permitirse 40 horas de imágenes para un sujeto nuevo». Una hora de escáner cuesta entre 600 y 1.000 dólares, según Sprague.
Dónde falla y cuánto mejora a la competencia
La herramienta no es perfecta. «Por supuesto que tenemos fallos», reconoce Irani. Durante una videollamada mostró una tarta que el sistema reconstruyó como una pila de tres sándwiches, y un perro en una bañera convertido en una cabra del mismo color en la misma bañera.
Aun así, en una prueba comparativa el sistema resultó claramente superior a los descritos hasta ahora. «En conjunto, superamos a los demás por un margen significativo», afirma la investigadora. Irani considera que «lectura de mente» es un nombre «simpático y llamativo» para lo que hacen.
Pacientes bloqueados y flashbacks: lo que persigue el laboratorio israelí
El siguiente paso es pasar de las imágenes al vídeo y al audio. Irani quiere llegar a reconstruir lo que alguien piensa o imagina, e incluso el contenido de sus sueños. «Eso es algo que todavía no tenemos», dice. «Pero nos esforzamos por conseguirlo».
Una herramienta así podría permitir que personas con síndrome de enclaustramiento, completamente paralizadas, se comuniquen solo con su actividad cerebral. También ayudaría a descifrar misterios del funcionamiento de la mente, como el aspecto de los flashbacks del trastorno de estrés postraumático.
Judy Illes, neuroeticista y profesora de neurología en la Universidad de la Columbia Británica (Canadá), que no participó en la investigación, la califica de «magnífica». Y añade: «La idea de usar este enfoque para ayudar terapéuticamente a personas con afecciones neurológicas es tremendamente emocionante».
Privacidad mental: el debate que abre el trabajo de Michal Irani
Los avances de este tipo plantean la pregunta de la privacidad mental. ¿Qué pasaría si alguien con malas intenciones pudiera reconstruir pensamientos o recuerdos ajenos? Sprague admite que hace diez años se habría reído de la cuestión. Conseguir que una persona se quede quieta en un escáner y colabore activamente con una pregunta de investigación ya es difícil; imponerlo sería mucho más.
Pero el equipo de Irani y otros científicos trabajan en enfoques similares con electroencefalografía (EEG), que mide la actividad eléctrica del cerebro con un gorro de electrodos o incluso a través de auriculares. Y a medida que los modelos mejoren, analizar los datos recogidos así será más sencillo.
Sprague lo resume así: «Si hay una forma de extraer de manera subrepticia información sobre lo que estás pensando, entonces 150 años de ciencia ficción pueden hacerse realidad en cualquier momento, y eso es preocupante en muchos sentidos». Y pide tomarse «un poco más en serio» las consideraciones éticas.
Qué implica para ti la reconstrucción de imágenes con fMRI
A corto plazo, el efecto se nota en los laboratorios. Si un equipo necesita una hora de escáner en lugar de 40 por voluntario, el coste por sujeto baja de forma considerable, lo que abre este tipo de estudios a grupos con menos presupuesto.
Para ti, como posible paciente, la promesa es la comunicación asistida en casos de parálisis total, aunque Irani aún no la tiene resuelta. Y como ciudadano, conviene seguir el debate sobre la regulación de los datos cerebrales: hoy exige un escáner y tu cooperación, pero el avance hacia el EEG podría cambiar esa ecuación.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
- IA descifra papiro de Herculano carbonizado por el Vesubio
- Amazon abandona el filme sobre Sam Altman y OpenAI
Fuente original: technologyreview.com
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
