Cuidado, esta máquina lee lo que pensamos

En este caso, tal y como recoge la revista «Nature Neuroscience », el equipo grabó las respuestas cerebrales —registradas con fMRI— de tres participantes mientras escuchaban 16 horas de historias. Los autores usaron estos datos para entrenar el modelo, que luego pudo descodificar otros datos de resonancia magnética de la misma persona escuchando historias nuevas.

Noticia Relacionada

Reproducir los sueños con inteligencia artificial, la última frontera de las startups visionarias

Alexia Columba Jerez

Los trabajos de la Universidad de Osaka para convertir las señales del cerebro en imágenes alimentan las esperanzas de empresas que exploran técnicas similares

Los decodificadores de voz previos se han aplicado a la actividad neuronal registrada después de la neurocirugía invasiva, lo que limita su uso.

El equipo de la Universidad de Texas dirigido por Alexander Huth ha diseñado un decodificador que reconstruye el lenguaje continuo a partir de patrones cerebrales obtenidos a partir de datos de fMRI.

Los autores registraron datos de fMRI de 3 participantes mientras escuchaban 16 horas de historias narrativas para entrenar al modelo para mapear entre la actividad cerebral y las características semánticas que capturaban los significados de ciertas frases y las respuestas cerebrales asociadas.

A continuación, este modelo decodificador se probó en las respuestas cerebrales de los participantes mientras escuchaban nuevas historias que no se usaron en el conjunto de datos de capacitación original. Usando esta actividad cerebral, el decodificador podía generar secuencias de palabras que capturaban los significados de las nuevas historias y también generaba algunas palabras y frases exactas de las historias. Los autores descubrieron que el decodificador podía inferir un lenguaje continuo a partir de la actividad en la mayoría de las regiones y redes del cerebro que procesan el lenguaje.

Los autores también encontraron que el decodificador, que fue entrenado en el habla percibida, pudo predecir el significado de la historia imaginada de un participante o el contenido de una película muda vista a partir de datos de fMRI.

Cuando un participante escuchaba activamente una historia, mientras ignoraba otra historia reproducida simultáneamente, el decodificador podía identificar el significado de la historia que se escuchaba activamente.

Esta investigación, explica a Science Media Centre David Rodríguez-Arias Vailhen, subdirector de FiloLab y profesor de Bioética en la Universidad de Granada, «demuestra la capacidad de descodificar la mente de personas que, sin articular palabra, pueden comunicarse hasta el punto de se puede determinar si están contando el cuento de Caperucita Roja o el de los Tres Cerditos».

Huth y sus colaboradores realizaron un análisis de privacidad para el decodificador y descubrieron que cuando se entrenaba con los datos de fMRI de un participante, no funcionaba bien para predecir los contenidos semánticos de los datos de otro participante.

En este sentido, señala, Rodríguez-Arias Vailhe «como suele suceder con todo avance tecnológico, este también arroja una advertencia a la responsabilidad. Que una máquina pueda acabar leyendo tu mente, una vez entrenada, es posible que, de manera involuntaria y sin tu consentimiento (por ejemplo, mientras duermes) pueda ir traduciendo retazos de tu pensamiento. Nuestra mente ha sido hasta ahora la guardiana de nuestra intimidad. Podemos guardarnos celosamente ciertos pensamientos, los más inconfesables, si así lo queremos. Este hallazgo podría ser el primer paso para que en el futuro esa libertad se viera comprometida».

Los autores concluyen que la cooperación de los participantes es crucial para el entrenamiento y la aplicación de estos decodificadores no invasivos. Señalan que, dependiendo del desarrollo futuro de estas tecnologías, es posible que se necesiten políticas para proteger la privacidad mental.