Un estudio publicado ayer por la revista Nature Neuroscience presenta un nuevo decodificador que funciona a partir de la resonancia magnética funcional (IRMf) y que, a diferencia de otros, no requiere de cirugía neuroinvasiva para su uso.
El objetivo de la decodificación del lenguaje es hacer grabaciones de la actividad cerebral del usuario y con ellas predecir las palabras que estaba oyendo o imaginando, según explicó el coordinador del estudio, Alexander Huth, de la Universidad de Texas, en Austin.
Te puede interesar: ¿Por qué será difícil regular la Inteligencia Artificial?
El nuevo dispositivo “no recupera las palabras exactas, eso es muy difícil usando este enfoque, pero se puede recuperar la idea general”, agregó otro de los firmantes, Jerry Tang, de dicho centro educativo.
Aproximadamente la mitad de las veces, cuando el decodificador ha sido entrenado para monitorear la actividad cerebral de un participante, la máquina produce un texto que se acerca mucho, a veces con precisión, al significado previsto de las palabras originales.
El equipo espera que, con el tiempo, esta tecnología ayude a volver a comunicarse a las personas mentalmente conscientes que han perdido la capacidad de hablar por un accidente cerebrovascular o por una enfermedad.
Otros dispositivos que han usado grabaciones no invasivas de la actividad cerebral sólo decodificaban palabras sueltas o frases cortas, pero este puede traducir el sentido del lenguaje continuo y natural.
El cerebro de nadie puede ser decodificado sin su cooperación
El nuevo decodificador, que requiere horas de entrenamiento previo con el usuario, parte de las representaciones semánticas corticales registradas mediante IRMf y genera secuencias de palabras inteligibles que recuperan el sentido del habla percibida, imaginada o incluso de vídeos mudos.
Los autores realizaron análisis de privacidad del descodificador y abordaron cuestiones relacionadas con el posible uso indebido de esta tecnología.
“El cerebro de nadie puede ser decodificado sin su cooperación”, que es necesaria durante las horas de entrenamiento del dispositivo y para hacerlo funcionar. Si los pacientes oponían resistencia los resultados eran inutilizables, explicó Tang.
Tampoco se puede entrenar el decodificador con las IRMf de una persona e intentar usarlo con otra, pues los resultados serían inválidos.
Los autores indicaron que se tomaban "muy en serio" la preocupación de que un dispositivo de este tipo pudiera llegar a usarse con malos fines y han trabajado para evitarlo.
Sin embargo, Tang reconoció que todo puede cambiar, dependiendo de hacia dónde avance la tecnología, y que por ello hay que seguir investigando las implicaciones para la privacidad mental y ser proactivos con políticas que la protejan.
El decodificador, que ha sido usado con tres personas hasta el momento, se basa, en parte, en un modelo de transformador similar a los que impulsan ChatGPT de Open AI y Bard de Google.
Los investigadores registraron datos de IRMf de los participantes mientras escuchaban 16 horas de relatos narrativos, por ejemplo, en podcast, para entrenar el modelo en el mapeo de la actividad cerebral y las características semánticas que captan los significados de ciertas frases y las respuestas cerebrales asociadas.
Posteriormente, el sujeto escuchaba una nueva historia o la contaba en su imaginación para que la máquina generara secuencias de texto a partir de la actividad cerebral, captando los significados de las nuevas historias, así como algunas palabras y frases exactas.
Por ejemplo, un participante que escuchó a un orador decir: "Todavía no tengo el carné de conducir", sus pensamientos se tradujeron como: "Ella todavía no ha empezado a aprender a conducir".
Mientras tanto, la frase: "No sabía si gritar, llorar o salir corriendo. En lugar de eso, dije: '¡Déjame en paz!" fue descodificada como: "Empecé a gritar y a llorar, y entonces ella sólo dijo: 'Te dije que me dejaras en paz'".
Los participantes también vieron cuatro videos cortos sin sonido mientras estaban en el escáner y el decodificador semántico fue capaz de utilizar su actividad cerebral para describir con precisión determinados acontecimientos de las imágenes.
➡️ Suscríbete a nuestro Newsletter y recibe las notas más relevantes en tu correo
De momento, el sistema sólo puede usarse en el laboratorio, pues necesita de un aparato de IRMf, pero creen que podría trasladarse a otros sistemas de imagen cerebral más portátiles, como la espectroscopia funcional del infrarrojo cercano (fNIRS), aunque la resolución sería menor, destacó Huth.
