Este artículo lo firman Xavier Pardell, Experto en Tecnología Médica y Profesional Independiente; Héctor Sanabria, Técnico de Electromedicina

¿En un futuro será posible leer la mente de las personas?

Mediante la reconstrucción semántica de lenguaje continuo a partir de grabaciones cerebrales no invasivas. Investigadores de la Universidad de Texas en Austin, han creado un sistema de Inteligencia Artificial denominado decodificador semántico. Este decodificador puede leer los pensamientos de las personas y transformarlos en textos extensos.

La interfaz cerebro-ordenador necesita entrenamiento con un escáner de imágenes de Resonancia Magnética funcional (fMRI). Hace relativamente poco tiempo se ha estado investigando cómo aplicar estas dos tecnologías de forma conjunta. Con estas investigaciones se ha descubierto que es posible decodificar el lenguaje de nuestros pensamientos de forma continua y no invasiva al unir dichas tecnologías.

Este resultado se consigue gracias a representaciones corticales de significado semántico registrados a través de fMRI. La finalidad de esta técnica consiste en realizar grabaciones cerebrales de un individuo y poder transcribir las interacciones de las redes corticales en lenguaje. A través de esta técnica se puede transcribir el habla imaginada, el habla percibida y videos silenciosos, eso sí, para que la transcripción sea correcta se requiere la cooperación del sujeto.

Liderados por Alexander Huth, profesor de Ciencias de la Computación en la Universidad de Texas, los investigadores son capaces de ver, gracias a la IA, lo que está pensando una persona en un momento determinado. Para ello utilizan escáneres cerebrales tomados mediante resonancia magnética.
 

Alex Huth, Jerry Tang y Shailee Jain

Los investigadores registraron los datos de la resonancia magnética funcional de tres redes cerebrales asociadas al procesamiento del lenguaje:

1. La red prefrontal.
2. La red del lenguaje clásico.
3. La red de asociación parietal-temporal-occipital.

Lo hicieron mientras los sujetos de estudio escuchaban un podcast con 16 horas de historias narradas.

El modelo predictivo de la Inteligencia Artificial, entrenado con las historias narradas, debía conocer y predecir cómo respondía el cerebro ante determinadas secuencias de palabras. 

La Inteligencia Artificial no consiguió transcribir lo exactamente pensado, pero sí coincidió con varias palabras claves.

Un ejemplo, es que una de las personas estudiadas, generó en su mente una imagen con las siguientes palabras: “Aquella noche subí al que había sido nuestro dormitorio y sin saber qué más hacer, apagué las
luces y me tumbé en el suelo”.

La Inteligencia Artificial identificó esta frase: “Cuando volvimos a mi dormitorio, no tenía ni idea de dónde estaba mi cama y supuse que dormiría en ella, pero en lugar de eso me acosté en el suelo”.

La redacción exacta generada por el decodificador no coincide con la transcripción, pero el sistema conservó el significado con bastante precisión. Aproximadamente, la mitad de las veces, el decodificador coincidió estrechamente con el significado previsto.

La inteligencia artificial y la utilización en la resonancia magnética

Los sistemas de resonancia magnética basados en inteligencia artificial pueden ayudar a detectar y diagnosticar enfermedades de forma más precisa y eficiente. 

La IA ayuda a los profesionales de la salud a interpretar mejor las imágenes proporcionadas por las exploraciones de resonancia magnética. Reducir el tiempo necesario para realizar una exploración, lo que puede ser especialmente beneficioso para pacientes que sufren de claustrofobia o ansiedad asociada con el procedimiento.

La combinación de resonancia magnética e inteligencia artificial está demostrando ser muy prometedora y tiene un gran potencial para mejorar la atención médica y la calidad de vida de las personas.

La inteligencia artificial

La inteligencia artificial se refiere a programas informáticos y a la utilización de algoritmos, que usan datos para tomar decisiones o hacer pronósticos. Para crear un algoritmo, se programan una serie de reglas o instrucciones, para que la computadora analice los datos y tome una decisión.

El aprendizaje automático, el algoritmo se enseña solo a analizar e interpretar los datos, de este modo, los algoritmos de aprendizaje automático detectan patrones que el ojo o el cerebro humano no percibe con facilidad. Y a medida que estos algoritmos se exponen a más datos nuevos, mejora su capacidad para aprender e interpretar los datos.

El aprendizaje profundo, un tipo de aprendizaje automático, se refiere a algoritmos que clasifican la información de formas muy parecidas a como lo hace el cerebro humano. Las herramientas de aprendizaje profundo usan “redes neuronales artificiales” que imitan la manera en que las células del cerebro captan y procesan las señales del resto del cuerpo, y cómo reaccionan a estas señales.
 

La evolución de la inteligencia artificial

Desde los primeros sistemas de IA que surgieron en la década de 1950, hasta la tecnología avanzada de hoy en día, la IA ha experimentado un progreso impresionante.

En los años 50 y 60, Desarrollo de métodos y algoritmos de IA, se desarrollaron, métodos y algoritmos que permitieran a las computadoras procesar información de manera similar a como lo hace el cerebro humano.

En la década de 1970, desarrollo de algoritmos simbólicos y sistemas expertos también conocidos como sistemas de conocimiento. Hubo un enfoque más orientado a la lógica y la representación del conocimiento.
 

En las décadas siguientes hasta la actualidad: Aprendizaje automático (machine learning) y aprendizaje profundo (deep learning). De estos métodos también podemos dividir entre desarrollo dirigido por modelos (Model-Driven) MD.

Dónde los MD necesitan una serie de instrucciones para llegar a la solución (por ejemplo, usando árboles de decisión). Y de desarrollo dirigido por datos (Data-Driven) DD.

Los DD utilizan datos con sus soluciones para “entrenar” el sistema y éste le proporcione las reglas necesarias para que al introducir nuevos datos el sistema le responda con las soluciones correspondientes.
La Inteligencia artificial ha experimentado una rápida evolución, los avances tecnológicos en el hardware y el software.

Las redes neuronales y el aprendizaje automático se han convertido en herramientas fundamentales para la IA y su uso se ha extendido a una amplia variedad de aplicaciones, desde la medicina y la robótica hasta los chatbots y los asistentes virtuales de voz.