Un innovador modelo de inteligencia artificial denominado Brain-IT, creado por el Instituto Weizmann de Ciencias, ha logrado alcanzar reconstruir las imágenes vistas por una persona gracias solo a la interpretación de su actividad cerebral.
Brain-IT es capaz de reconocer patrones de actividad cerebral comunes que se presentan en diferentes regiones del cerebro de varias personas al procesar imágenes, lo cual le permite “leer” la mente con una velocidad y precisión significativas.
Recientemente, científicos han conseguido recuperar la capacidad de hablar en personas con parálisis severa usando modelos de IA específicos, entrenados durante horas con datos de su actividad cerebral. La singularidad de Brain-IT reside en que detecta patrones cerebrales universales y los convierte en imágenes.
Según Michal Irani, del Departamento de Ciencias de la Computación y Matemáticas Aplicadas de Weizmann, “los modelos contemporáneos están logrando traducir la actividad cerebral en imágenes, incluso recreando de manera asombrosa el significado semántico de las mismas”. Sin embargo, aclara Irani, “fallan con frecuencia en aspectos fundamentales, como el color y la composición”.
Este nuevo modelo, según el experto, “mejora no solo en la reconstrucción del contenido de las imágenes, sino también en su detalle. Mientras que otros modelos necesitan decenas de horas de escaneo cerebral para aprender de una persona, el nuestro se adapta en solo una hora”.
Este año, Brain-IT fue seleccionado para ser presentado en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR), una de las principales del ámbito de la inteligencia artificial. En lugar de limitarse a crear un simple “decodificador” que reconstruya imágenes a partir de escaneos cerebrales, el equipo de Irani también diseñó un “codificador” para predecir escaneos a partir de imágenes.
Irani explica: “Descubrimos que, al alternar entre una imagen desconocida por la máquina y un escaneo cerebral estimado, y luego volver a la imagen original, los modelos podrían crear por sí mismos un amplio conjunto de datos”.
“La idea era entregar al codificador imágenes que no habían sido vistas anteriormente en un escáner de resonancia magnética, generar los escaneos cerebrales correspondientes y proporcionarlos al decodificador para que intentara reconstruir la imagen original. Así, durante el entrenamiento, los modelos aprenderían a crear escaneos eficaces para codificar las imágenes, aunque esos escaneos nunca se hubieran realizado físicamente”, detalla Irani.
Según informaron a Clarín desde Weizmann, el principal desafío en el desarrollo del codificador fue la variabilidad entre los cerebros humanos, ya que una misma imagen podría provocar diferentes patrones de actividad cerebral en distintas personas. “La solución fue descomponer el problema en partes. En lugar de intentar codificar la imagen completa en un solo escaneo, realizaron divisiones en alrededor de 40.000 ‘vóxeles cerebrales’, pequeñas unidades de volumen tridimensional, y analizaron la respuesta de cada uno a diversas imágenes”, explicaron.
De forma paralela, utilizaron un modelo de IA para extraer características visuales básicas, como color y localización, junto con atributos semánticos relacionados con el significado de la imagen, como rostros o alimentos. Este nivel de detalle permitió identificar patrones de actividad cerebral que aparecen en diversos cerebros y que están vinculados a características específicas de las imágenes. Este avance condujo al desarrollo de un codificador cerebral universal.
Avances en la interpretación mental
Irani señala: “Durante su entrenamiento, el codificador reconoció de manera automática 128 áreas funcionales del cerebro que todas las personas comparten, las cuales están relacionadas con el procesamiento de imágenes”. Mientras algunas eran ya conocidas por los neurocientíficos, otras son novedosas. Por ejemplo, descubrieron una subdivisión de tareas dentro del área cerebral encargada de procesar imágenes de entornos, donde una parte está dedicada a escenas internas y otra a externas.
La capacidad del codificador radica en su habilidad para identificar regiones especializadas en distintas funciones, incluso si su ubicación anatómica varía de un cerebro a otro, menciona Irani. A futuro, su laboratorio busca aplicar estos métodos de “lectura de la mente” a la decodificación de información auditiva.
Perspectivas futuras: sueños y más allá
El procesamiento de video podría marcar el próximo desafío. “Actualmente, descifrar video, por ejemplo, durante los sueños, resulta especialmente complicado”, comenta Irani. “Cada segundo se suceden múltiples imágenes, mientras que realizar una resonancia magnética funcional puede tardar cerca de dos segundos en completarse. Si conseguimos superar estos retos, podríamos algún día incluso interpretar los sueños”.
PS