An AI “mind-reading” tool can reconstruct what you’re looking at from a brain scan
Un innovador avance en inteligencia artificial ha permitido desarrollar una herramienta que puede adivinar lo que estás mirando simplemente analizando tus escaneos cerebrales, y recrear esa imagen con notable precisión. Este desarrollo, liderado por Michal Irani y su equipo en el Instituto Weizmann de Ciencias en Rehovot, Israel, no solo puede reconstruir imágenes, sino también predecir la actividad cerebral de una persona en función de lo que está viendo.
El potencial de esta tecnología es vasto. Irani espera que su herramienta de ‘lectura de mentes’ revele más sobre el funcionamiento del cerebro y pueda usarse para ayudar a personas con síndrome de enclaustramiento a comunicarse, o incluso permitir a los científicos recrear el contenido de los sueños. Judy Illes, neuroeticista y profesora de neurología en la Universidad de Columbia Británica en Canadá, describe el trabajo como «magnífico» y destaca su emocionante potencial terapéutico para personas con condiciones neurológicas.
Sin embargo, no todos los expertos están convencidos de las implicaciones éticas de esta tecnología. Algunos científicos advierten que un enfoque similar podría usarse para revelar los pensamientos internos y las imágenes mentales de las personas, potencialmente sin su consentimiento. Tommy Sprague, neurocientífico de la Universidad de California, Santa Bárbara, señala que «si hay una manera de extraer información subrepticiamente sobre lo que estás pensando, entonces 150 años de ciencia ficción pueden hacerse realidad en cualquier momento, lo cual es preocupante de muchas maneras».
El equipo de Irani comenzó analizando datos de escaneos cerebrales disponibles públicamente, recopilados de voluntarios que fueron expuestos a cientos de imágenes mientras estaban en escáneres fMRI de alta resolución. Estos escáneres permiten rastrear el flujo de sangre oxigenada a través del cerebro, identificando áreas particularmente activas en un momento dado. Aunque los resultados no son especialmente específicos, los avances en la resolución de los escáneres han mejorado significativamente la precisión de las imágenes reconstruidas.
Para superar la limitación de datos disponibles, Irani y sus colegas entrenaron un modelo adicional: un codificador que puede predecir la actividad cerebral a partir de una imagen. Combinando el codificador y el decodificador, el equipo logró mejorar ambos modelos. Este enfoque también les permitió entrenar sus modelos con tantas imágenes como desearan, incluso aquellas que nunca se habían mostrado a una persona en un escáner fMRI.
El «codificador cerebral universal» resultante puede trabajar con un escaneo de una nueva persona con una calibración mínima, requiriendo solo una hora de datos fMRI, en comparación con las 40 horas necesarias en intentos anteriores. Este hallazgo fue presentado en la conferencia de Neurociencia Computacional Cognitiva en Nueva York el mes pasado, y podría ser valioso para los neurocientíficos que estudian el cerebro.