Un equipo de investigación del Instituto Weizmann de Ciencias ha presentado un modelo de inteligencia artificial capaz de reconstruir imágenes a partir de la actividad cerebral de una persona. El sistema, llamado Brain-IT, utiliza datos de resonancia magnética funcional (fMRI) para traducir las señales neuronales en representaciones visuales, superando a otras técnicas tanto en fidelidad como en velocidad de adaptación.
Lo más llamativo es que Brain-IT solo necesita una hora de entrenamiento para interpretar el cerebro de un nuevo individuo, mientras que los métodos actuales requieren decenas de horas. Este avance acerca la posibilidad de crear interfaces cerebro-computadora más prácticas y accesibles, aunque los responsables insisten en que todavía queda lejos de leer los pensamientos de forma general.
Cómo funciona Brain-IT
El modelo analiza la actividad de miles de vóxeles cerebrales mientras la persona observa una imagen. Cada una de esas unidades tridimensionales responde de manera distinta a las características visuales, como el color, la forma o la posición de los objetos. Además, el sistema extrae información semántica para saber si la escena contiene, por ejemplo, una cara, un alimento o un paisaje.
Para hacer frente a la variabilidad entre cerebros, Brain-IT agrupa los vóxeles según su función, no solo según su ubicación anatómica. Así, identifica patrones que se repiten entre distintas personas, lo que permite transferir el conocimiento adquirido a un nuevo individuo sin necesidad de partir de cero. Ese enfoque reduce drásticamente el tiempo de adaptación.
Reducción drástica del tiempo de entrenamiento
Los métodos anteriores necesitaban alrededor de 40 horas de escáner para aprender a “leer” a una persona concreta. Brain-IT, en cambio, alcanza resultados comparables con solo una hora de datos de un nuevo participante. Incluso con 15 minutos se obtienen reconstrucciones reconocibles, según los investigadores, lo que facilita enormemente la realización de experimentos.
Para compensar la escasez de datos, los investigadores idearon un sistema de traducción bidireccional entre imágenes y actividad cerebral. Un codificador genera exploraciones predichas a partir de imágenes sin registrar, y un decodificador intenta reconstructirlas. De esta manera, los modelos se entrenan con un volumen mucho mayor de ejemplos sintéticos, algo clave para su rendimiento.
Aplicaciones y limitaciones
Uno de los hallazgos más interesantes es que Brain-IT identifica 128 regiones funcionales compartidas entre individuos. Algunas ya eran conocidas, pero otras son nuevas, como una subdivisión en el área que procesa lugares, con una parte dedicada a escenas interiores y otra a exteriores. Estos resultados ayudan a comprender mejor la organización visual del cerebro.
Los autores subrayan que no se trata de una lectura mental completa; el sistema se limita a reconstruir lo que la persona está viendo en condiciones controladas. Además, la resonancia magnética funcional tiene una resolución temporal limitada: tarda unos dos segundos por medición, por lo que procesar vídeo o sueños sigue siendo un obstáculo. Aun así, el avance es notable y sienta base para futuras investigaciones.
Aunque todavía queda lejos de una máquina capaz de leer la mente por completo, Brain-IT ya es un hito en el campo de las interfaces cerebro-computadora. Su velocidad de adaptación y la calidad de las reconstrucciones lo convierten en una base sólida para futuros desarrollos. La investigación continúa y podría abrir puertas a aplicaciones que hoy parecen ciencia ficción.
