Una inteligencia artificial desarrollada por investigadores del Instituto Weizmann de Ciencias, en Israel, ha demostrado que es posible reconstruir imágenes que una persona está viendo mediante el análisis de su actividad cerebral. El sistema, llamado Brain-IT, representa un avance en la investigación sobre cómo los modelos de IA pueden interpretar las señales del cerebro y transformarlas en representaciones visuales.
La tecnología destaca por un aspecto concreto: puede obtener resultados comparables a los de otros sistemas que necesitan alrededor de 40 horas de registros cerebrales utilizando aproximadamente una hora de datos de una persona nueva. El avance se describe en el estudio científico de Brain-IT, elaborado por Roman Beliy, Amit Zalcher, Jonathan Kogman, Navve Wasserman y Michal Irani.
Aunque hablar de una IA capaz de leer la mente puede parecer propio de una película de ciencia ficción, es importante establecer una diferencia. Brain-IT no puede descifrar cualquier pensamiento ni acceder libremente a los recuerdos de una persona. Su objetivo es reconstruir imágenes visuales a partir de datos obtenidos mediante resonancia magnética funcional (fMRI), una técnica que permite observar cambios en la actividad cerebral de forma indirecta.
El resultado abre nuevas posibilidades para estudiar la percepción humana y comprender cómo el cerebro procesa la información visual. También plantea interrogantes sobre los límites actuales de estas tecnologías y la privacidad de los datos neurológicos.
Cómo funciona Brain-IT y por qué necesita menos datos que otros modelos
El equipo responsable de Brain-IT trabaja en el laboratorio de Michal Irani, dentro del Instituto Weizmann de Ciencias. Su propuesta busca resolver uno de los obstáculos habituales de los sistemas de reconstrucción cerebral: la cantidad de datos que necesitan para aprender a interpretar las señales de cada individuo.
Los modelos anteriores podían generar imágenes reconocibles a partir de registros cerebrales, pero solían requerir numerosas horas de entrenamiento personalizado. Además, podían cometer errores en características importantes, como los colores, la distribución de los objetos o la composición general de una escena.
Según la información publicada por el Instituto Weizmann, Brain-IT intenta superar estas limitaciones mediante el reconocimiento de patrones de actividad cerebral que aparecen en diferentes personas cuando procesan imágenes.
Para comprender el mecanismo, hay que tener en cuenta que el cerebro no responde de manera idéntica en todos los individuos. Una misma fotografía puede producir patrones de actividad diferentes dependiendo de la persona. Por eso, desarrollar un modelo que funcione con distintos participantes sin tener que entrenarlo desde cero supone un desafío técnico considerable.
Brain-IT aborda este problema combinando dos procesos complementarios. Uno interpreta los registros cerebrales para reconstruir la imagen que estaba viendo el participante. El otro realiza la operación inversa: estima qué actividad cerebral podría asociarse con una imagen determinada.
Esta relación entre ambos procesos permite generar ejemplos sintéticos durante el entrenamiento. En lugar de depender exclusivamente de imágenes que una persona haya observado dentro de un escáner, el sistema puede trabajar con imágenes adicionales y sus correspondientes representaciones cerebrales estimadas.
De esta manera, los investigadores consiguen aprovechar mejor los datos disponibles y reducir la cantidad de registros individuales necesarios para obtener resultados competitivos.
El sistema analiza miles de unidades cerebrales para reconstruir las imágenes
Una de las claves del proyecto está en la forma en que los investigadores estudian la actividad cerebral. En lugar de tratar el cerebro como una única estructura, el modelo divide los registros en aproximadamente 40.000 vóxeles cerebrales, pequeñas unidades tridimensionales que permiten analizar la actividad en distintas zonas.
A partir de esos datos, la IA busca relaciones entre patrones cerebrales y características visuales. Entre ellas se encuentran elementos básicos, como los colores y la posición de los objetos, además de información semántica que permite identificar categorías como rostros, alimentos o paisajes.
Durante este proceso, el equipo identificó 128 regiones funcionales compartidas entre distintas personas que intervienen en el procesamiento de imágenes. Algunas ya eran conocidas por la neurociencia, mientras que otras ofrecieron nuevas pistas sobre la organización de la percepción visual.
Uno de los hallazgos descritos por los investigadores afecta a una región cerebral relacionada con el procesamiento de imágenes de lugares. El análisis sugiere que distintas partes de esta zona responden de manera diferenciada a escenas interiores y exteriores.
Este resultado demuestra que Brain-IT no solo tiene utilidad para reconstruir imágenes. Su arquitectura también podría servir como herramienta para investigar cómo el cerebro organiza e interpreta la información que recibe a través de la vista.
Los detalles de esta investigación pueden consultarse en la publicación científica del Instituto Weizmann.
¿Puede Brain-IT leer pensamientos privados o descifrar los sueños?
Pese a sus resultados, las capacidades de Brain-IT tienen límites importantes. El sistema necesita registros de resonancia magnética funcional (fMRI), por lo que no se trata de una aplicación que pueda instalarse en un teléfono para interpretar pensamientos.
La técnica utilizada mide cambios en el flujo sanguíneo y en la oxigenación de distintas zonas del cerebro. Estos cambios sirven como indicadores indirectos de la actividad neuronal. Por tanto, el modelo no lee pensamientos como si fueran palabras almacenadas en una base de datos: aprende asociaciones entre las señales medidas y las imágenes que observa una persona.
Tampoco significa que pueda reconstruir con exactitud cualquier escena. Las imágenes generadas son aproximaciones y pueden diferir del contenido original. Aunque los investigadores destacan mejoras en la composición y los detalles visuales, el sistema sigue dependiendo de las condiciones del experimento y de la calidad de los datos disponibles.
El trabajo también debe distinguirse de otras investigaciones que utilizan IA para ayudar a recuperar la comunicación en personas con parálisis grave. Esos sistemas pueden interpretar señales cerebrales para producir lenguaje o facilitar determinadas formas de comunicación, pero utilizan métodos y objetivos diferentes.
En cuanto a la posibilidad de interpretar sueños, el equipo considera que podría ser una línea de investigación futura. Sin embargo, Brain-IT todavía no demuestra que sea capaz de reconstruir sueños. El principal obstáculo es que las imágenes de un sueño cambian continuamente, mientras que una resonancia magnética funcional necesita tiempo para registrar los cambios en la actividad cerebral.
La investigación sobre este problema continúa, y el laboratorio de Irani también ha planteado ampliar estos métodos al procesamiento de información auditiva.
Un avance científico que todavía no está listo para el uso cotidiano
El interés de Brain-IT reside en demostrar que una IA puede reconstruir información visual a partir de patrones cerebrales compartidos entre distintas personas y hacerlo con menos datos de entrenamiento individual que otros métodos estudiados.
A corto plazo, su valor está principalmente en la investigación del cerebro y la percepción humana. La posibilidad de identificar patrones comunes podría facilitar nuevos experimentos sobre cómo se representan los colores, los objetos y las escenas en diferentes regiones cerebrales.
También será importante evaluar las implicaciones éticas de esta clase de tecnologías. Los registros cerebrales contienen información sensible y cualquier aplicación futura que permita inferir aspectos de la experiencia mental requerirá garantías de privacidad, consentimiento y control sobre los datos.
Por ahora, no hay pruebas de que Brain-IT pueda leer pensamientos arbitrarios, funcionar en tiempo real como un dispositivo de consumo o interpretar sueños con precisión. Su avance es más concreto: reconstruir imágenes que una persona está viendo mediante actividad cerebral y reducir considerablemente el tiempo de entrenamiento necesario para hacerlo.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
