Leyendo en tu mente lo que estás leyendo

Por Francisco R. Villatoro, el 8 mayo, 2017. Categoría(s): Cerebro • Ciencia • Noticias • Science ✎ 3

Dibujo20170508 reconstructed handwritten characters from fMRI arxiv 1704 07575

Todavía es imposible leer en tu mente de forma no invasiva lo que estás leyendo mientras lees un libro o navegas por la web. Sin embargo, se puede hacer con un equipo de resonancia magnética funcional (fMRI) si solo miras un carácter (letra o número) que sea brillante en una pantalla negra. Una red de neuronas artificiales que usa aprendizaje profundo es capaz de aprender los patrones de actividad registrados al mirar diferentes caracteres y luego es capaz de reconocer la letra que estas viendo en la pantalla con una resolución asombrosa.

No te alarmes, todavía estamos a décadas vista de la lectura de tus pensamientos. El nuevo algoritmo, llamado DGMM (Deep Generative Multiview Model) es solo el primer paso de un camino muy largo. El artículo es Changde Du, Changying Du, Huiguang He, «Sharing deep generative representation for perceived image reconstruction from human brain activity,» arXiv:1704.07575 [cs.AI]; más información divulgativa en «Mind Reading Algorithms Reconstruct What You’re Seeing Using Brain Scan Data,» Emerging Technology from the arXiv, 06 May 2017.

Dibujo20170508 proposed deep generative multiview framework for brain decoding ohbm aievolution com hbm 1701 abs 2074png

La imagen por resonancia magnética funcional tiene mucho ruido. Las técnicas de inferencia bayesiana son ideales para lidiar con dicho problema. En el algoritmo DGMM se combinan dos técnicas diferentes. Por un lado, una red de neuronas artificiales convolucional, la más usada en aprendizaje profundo (en la figura DNNs, por Deep Neuronal Networks), para el procesado de las imágenes visuales (tanto a la entrada como a la salida); a los humanos se les presentan imágenes de los caracteres con 56×56 píxeles, pero las DNNs procesan imágenes de 28 × 28 píxeles. Y por otro lado, un modelo lineal para el el procesado de los patrones de actividad encefálica. Gracias a la inferencia bayesiana se aprende la asociación entre las imágenes visuales de entrada y los patrones de actividad encefálica registrados por fMRI. Así se logra que el proceso inverso, reconstruir la imagen visual a partir del patrón de actividad encefálica, sea de gran precisión.

Dibujo20170508 reconstructed handwritten digits from fMRI arxiv 1704 07575

En las figuras que decoran esta entrada se comparan entre sí seis algoritmos de reconstrucción de la imagen a partir de la señal fMRI. Por supuesto, en los ejemplos seleccionados por los autores del artículo, la técnica DGMM es la que mejor resultado obtiene. Me gustaría destacar que la técnica de Miyawaki (segunda fila en las figuras) se desarrolló en 2008 (las otras son posteriores). El nuevo trabajo presenta un nuevo algoritmo y para que la comparación sea fiable se han usado los mismos datos fMRI del artículo de 2008 (que están públicos). El avance en la última década ha sido espectacular.

En resumen, aún queda muchísimo para que se pueda reconstruir el texto que está leyendo una persona a partir de la lectura no invasiva de su mente. El mayor factor limitante es la resolución espacial de los escáneres fMRI. Aún así, nuestra imaginación no tiene límites, y supongo que muchos lectores estarán imaginando un futuro escáner mental capaz de saber lo que está pensando o soñando una persona.



3 Comentarios

  1. Muchas gracias por traernos la interesante noticia. Más que leernos el pensamiento, creo que esta tecnología servirá más pronto que tarde para que pequeños robots autónomos puedan «realmente ver», con redes de procesamiento muchísimo más eficientes y flexibles. ¡El futuro debe ser un lugar alucinante!

    1. Y peligroso.
      Alguien podría explicarme, si no es mucho pedir, por qué estamos tirando por este camino y qué beneficios se plantean conseguir, beneficios que sobrepasen con creces los riesgos que esto supone.
      Gracias.

      1. Interesado, todavía estamos muy lejos de los posibles riesgos, pero hay muchas aplicaciones de bajo riesgo. Por ejemplo, se está avanzando mucho en ayudar a los discapacitados (personas con diversidad funcional) cuya mente está en buen funcionamiento, pero su cuerpo o partes de él no responde a ella; controlar exoesqueletos leyendo su mente ayudará a capacitarles en igualdad de condiciones a cualquier otra persona.

Deja un comentario