La IA ya puede reconstruir imágenes directamente desde tu cerebro usando únicamente resonancias magnéticas.

Investigadores de Israel crearon un sistema de inteligencia artificial que reconstruye la imagen vista por una persona a partir de datos de escaneo cerebral. Brain-IT transmite la ubicación de los objetos, su forma y color con más precisión que los métodos anteriores, y para ajustarse a un nuevo participante el modelo necesita aproximadamente una hora de grabaciones.

El sistema recibe datos de resonancia magnética funcional. El escáner no fotografía los pensamientos ni registra la actividad de neuronas individuales. Rastrea cambios en el flujo sanguíneo y en la saturación de oxígeno en distintas regiones del cerebro, y el algoritmo busca en esos cambios señales de la imagen que la persona vio durante el escaneo.

El principal problema de los enfoques previos residía en la generación de la propia imagen. La red neuronal podía identificar correctamente que delante de la persona había, por ejemplo, un perro o un automóvil, pero luego completaba la escena según sus propias suposiciones: cambiaba la posición del objeto, el color, la forma o el fondo. Como resultado, la imagen seguía siendo verosímil, pero reflejaba peor la imagen real.

Brain-IT divide la tarea en dos partes. Una rama reconstruye la composición general, las formas y la disposición de los objetos; la otra determina el significado de la imagen. Luego el modelo generativo combina ambas pistas y ensambla la imagen final. Este enfoque ayuda a preservar no solo el contenido de la escena, sino también su estructura.

Para el entrenamiento, los desarrolladores utilizaron un conjunto abierto de grabaciones cerebrales de ocho voluntarios que vieron miles de fotografías dentro de un potente escáner de resonancia magnética. Al evaluarlo en cuatro participantes, Brain-IT superó a los métodos anteriores en casi todas las métricas de calidad empleadas y transmitió especialmente bien la disposición espacial de los objetos.

Otra ventaja tiene que ver con la adaptación a un nuevo participante. El cerebro de cada sujeto difiere ligeramente en la anatomía, por lo que el algoritmo necesita entender qué regiones realizan funciones similares. Brain-IT agrupa áreas cerebrales según su patrón de actividad y transfiere regularidades ya aprendidas entre personas. Gracias a esto, aproximadamente una hora de grabaciones del nuevo participante ofrece una calidad comparable a la de sistemas anteriores, que necesitaban alrededor de 40 horas. Esa hora se requiere precisamente para ajustar un modelo ya entrenado, no para entrenar Brain-IT desde cero.

Hasta la lectura de pensamientos hay todavía mucho camino. Brain-IT reconstruye imágenes que la persona realmente vio durante el escaneo y aún puede equivocarse. Además, la resonancia magnética funcional requiere un tomógrafo grande y un participante inmóvil dentro del aparato, por lo que actualmente es imposible obtener esos datos sin que la persona lo note.

Los desarrolladores quieren enseñar al sistema a trabajar no solo con imágenes fijas, sino también con vídeo, sonido, escenas imaginadas y sueños. De momento Brain-IT no lo hace. Los investigadores también estudian métodos más sencillos para leer la actividad cerebral, incluida la electroencefalografía (EEG), en la que las señales eléctricas se registran con electrodos en la piel del cuero cabelludo. Si la precisión de esos métodos aumentara, la cuestión de la protección de los datos neuronales se volvería mucho más práctica que hoy.