Un modelo de inteligencia artificial de “lectura de la mente” llamado Brain-IT, desarrollado por el Instituto Weizmann de Ciencias, acaba de lograr reconstruir las imágenes que percibe una persona basándose únicamente en la decodificación de la actividad cerebral.

Brain-IT identifica patrones de actividad cerebral que se repiten entre distintas regiones del cerebro de diferentes personas mientras procesan imágenes, lo que le permite aprender a “leer” la mente con una rapidez sin precedentes y una precisión extraordinaria.

En los últimos años, científicos lograron recuperar la capacidad de hablar en personas con parálisis severa mediante modelos de IA personalizados, entrenados con decenas de horas de registros de su actividad cerebral. La novedad de Brain-IT, en cambio, es que reconoce patrones de actividad cerebral que todos comparten y los traduce en imágenes.

“Actualmente existen modelos que traducen la actividad cerebral en imágenes, e incluso pueden producir reconstrucciones impresionantes que preservan razonablemente bien el significado semántico de la imagen”, afirma Michal Irani, del Departamento de Ciencias de la Computación y Matemáticas Aplicadas del Weizmann, a cargo del trabajo. “Sin embargo, tienden a cometer errores en características básicas como la composición y el color”, agrega.

El nuevo modelo, según el experto, “los supera en la reconstrucción tanto del contenido de la imagen como de sus detalles. Además, mientras que todos los demás modelos requieren decenas de horas de escaneos cerebrales para aprender a ‘leer’ a una persona nueva, nuestro modelo solo necesita una hora”.

Los investigadores: Navve Wasserman, Jonathan Kogman, Michal Irani, Roman Beliy y Amit Zalcher.

Brain-IT este año fue seleccionado para ser presentado en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR), una de las principales sobre inteligencia artificial del mundo. Irani y su equipo, en lugar de desarrollar únicamente un “decodificador” que aprenda a reconstruir una imagen a partir de un escaneo, también desarrollaron un “codificador” que aprende a predecir un escaneo a partir de una imagen.

“Nos dimos cuenta de que, al traducir de un lado a otro, desde una imagen aleatoria que nunca había sido observada dentro de una máquina, hasta un escaneo cerebral predicho y luego nuevamente hasta la imagen con la que comenzamos, los modelos podían construir, en la práctica, un conjunto de datos masivo por sí mismos”, explica Irani.

“El plan consistía en proporcionar al codificador imágenes que nunca se hubieran mostrado a una persona dentro de un escáner de resonancia magnética, generar escaneos cerebrales estimados para ellas y pasar esos escaneos al decodificador, que intentaría reconstruir la imagen original a partir de ellos. De esta manera, durante el entrenamiento, los modelos aprenderían a generar escaneos que codificaran las imágenes de manera eficaz, aunque esos escaneos nunca se hubieran realizado realmente”.

Fuentes del Weizmann explicaron a Clarín que el principal desafío para desarrollar el codificador fue la variación existente entre los cerebros individuales, porque una misma imagen puede provocar un patrón de actividad diferente en distintas personas. “La solución consistió en dividir el problema en sus componentes. En lugar de intentar codificar una imagen en un escaneo cerebral completo, los investigadores dividieron el cerebro en aproximadamente 40.000 “vóxeles cerebrales” -pequeñas unidades tridimensionales de volumen- y midieron cómo respondía cada uno a diferentes imágenes”, señalaron.

Al mismo tiempo, utilizaron un modelo de IA para extraer de las imágenes características visuales básicas, como el color y la ubicación, junto con características semánticas que reflejan el significado de la imagen -por ejemplo, un alimento o un rostro-. De esta manera, con ese nivel de detalle, comenzaron a surgir patrones de actividad cerebral que se repetían entre distintos cerebros y que estaban asociados con características específicas de las imágenes. Dicho descubrimiento hizo posible construir un codificador cerebral universal.

Otro ejemplo de lo que ve la persona (izquierda) y lo que reconstruye la IA (derecha).

Hacia la lectura de la mente

“Durante el entrenamiento, el codificador identificó de manera natural 128 regiones funcionales que son compartidas por todas las personas y que desempeñan funciones específicas en el procesamiento de imágenes”, explica Irani. “Algunas de ellas son conocidas por los neurocientíficos, pero otras son completamente nuevas. Por ejemplo, descubrimos una división de funciones dentro de la región cerebral que procesa imágenes de lugares, donde una parte responde a escenas interiores y otra a escenas exteriores”.

“La fortaleza del codificador reside en su capacidad para identificar regiones que desempeñan funciones similares en diferentes cerebros, incluso cuando sus ubicaciones anatómicas son distintas”, añade. El laboratorio de Irani trabaja ahora para extender estos métodos de “lectura de la mente” también a la decodificación de información auditiva.

El vídeo podría representar otra frontera. “Lo que sigue siendo especialmente difícil es la decodificación de video; por ejemplo, durante los sueños”, explica el experto y finaliza: “Cada segundo cambian decenas de imágenes, mientras que una resonancia magnética funcional tarda unos dos segundos en completarse. Si logramos superar todos estos obstáculos, es posible que en el futuro incluso lleguemos a leer los sueños”.

PS