Un descodificador lee los pensamientos grabados por un escáner cerebral.

“Se trata del GPT original, no como el nuevo [ChatGPT se apoya en la última versión de GPT, la 4]. Recopilamos una tonelada de datos y luego construimos este modelo, que predice las respuestas cerebrales a las historias”, dijo en una conferencia vía web la pasada semana Alexander Huth, neurocientífico de la universidad tejana. Con este procedimiento, el descodificador propone secuencias de palabras “y para cada una de esas palabras que pensamos que podrían venir a continuación, podemos medir como de bien suena esa nueva secuencia y, al final, vemos si coincide con la actividad cerebral que observamos”, detalla.

A este descodificador lo han llamado semántico y con acierto. Anteriores interfaces registraban la actividad cerebral en las áreas motoras que controlan la base mecánica del habla, es decir, los movimientos de boca, laringe o lengua. “Lo que pueden descodificar es cómo la persona está tratando de mover la boca para decir algo. Nuestro sistema funciona a un nivel muy diferente. En lugar de fijarnos en el ámbito motor de bajo nivel, trabaja en el nivel de las ideas, de la semántica, del significado. Por eso no registra las palabras exactas que alguien escuchó o pronunció, sino su sentido”, explica Huth. Para esto, aunque las resonancias registraban la actividad de varias zonas cerebrales, se centraron más en las relacionadas con la audición y el lenguaje.

Una vez entrenado el modelo, los científicos lo probaron con media docena de personas que tuvieron que oír textos diferentes a los usados en el entrenamiento del sistema. La máquina descodificó las imágenes fMRI con una gran aproximación a lo que contaban las historias. Para confirmar que el ingenio operaba en el nivel semántico más que en el motor, repitieron los experimentos, pero esta vez pidiendo a los participantes que imaginaran ellos una historia y después la escribieran. Encontraron una gran correspondencia entre lo descodificado por la máquina y lo escrito por los humanos. Aún más difícil todavía, en una tercera tanda, los sujetos tuvieron que ver escenas de cine mudo. Aunque aquí el descodificador semántico falló más en las palabras concretas, seguía captando el sentido de las escenas.

El neurocientífico Christian Herff lidera la investigación en interfaces cerebro máquina en la Universidad de Maastricht (Países Bajos) y hace casi una década creo una ICB que permitió convertir en texto, letra a letra, las ondas cerebrales. Herff, que no ha participado en este nuevo ingenio, destaca la incorporación del predictor de lenguaje GPT. “Esto es realmente genial, ya que las aportaciones de GPT contienen la semántica del habla, no las propiedades articulatorias o acústicas, como se hacía en anteriores ICB”, dice. Además, añade: “Muestran que el modelo entrenado en lo que se oye puede descodificar la semántica de películas mudas y también en el habla imaginada”. Este científico está “absolutamente convencido de que la información semántica se utilizará en las interfaces cerebro máquina para hablar en el futuro”.

“Sus resultados no son aplicables hoy en día, necesitas un equipo de resonancia magnética que ocupa una sala de un hospital. Pero lo que han conseguido no lo había logrado nadie antes”

Arnau Espinosa, neurotecnólogo de la fundación Wyss Center de Suiza

Arnau Espinosa, neurotecnólogo de la fundación Wyss Center (Suiza), publicó el año pasado un trabajo sobre una ICB con un enfoque totalmente diferente que permitió comunicarse a un enfermo de ELA. Sobre la actual, recuerda que “sus resultados no son aplicables hoy en día a un paciente, necesitas un equipo de resonancia magnética que vale millones y que ocupa una sala de un hospital; pero lo que han conseguido no lo había logrado nadie antes”. La interfaz en la que intervino Espinosa era distinta. “Nosotros íbamos a una señal con menor resolución espacial, pero mucha resolución temporal. Fuimos capaces de saber en cada microsegundo qué neuronas se activan y entonces pudimos ir a fonemas y a como crear una palabra”, añade. Para Espinosa, al final habrá que combinar varios sistemas, cogiendo distintas señales. “Teóricamente, sería posible; mucho más complicado, pero posible”.

El neurobiólogo español de la Universidad de Columbia de Nueva York (Estados Unidos) Rafael Yuste lleva tiempo alertando de los peligros que comportan los avances de su propia disciplina. “Esta investigación, y el estudio de Facebook,demuestran la posibilidad de descodificar el habla usando neurotecnología no invasiva. Ya no es ciencia ficción”, opina en un correo. “Estos métodos tendrán enormes aplicaciones científicas, clínicas y comerciales, pero, al mismo tiempo, presagian la posibilidad de descifrar los procesos mentales, ya que el habla interna se usa a menudo para pensar. Este es un argumento más para la protección urgente de la privacidad mental como un derecho humano fundamental”, añade.

Anticipándose a estos temores, los autores de los experimentos quisieron comprobar si podían usar su sistema para leer la mente de otros sujetos. Por fortuna, comprobaron que el modelo entrenado con una persona no acertaba a descifrar lo que oía o veía otra. Para asegurarse, realizaron una última serie de ensayos. Esta vez pidieron a los participantes que contaran de siete en siete, pensaran y nombraran animales o se inventaran una historia en su cabeza mientras oían los relatos. Aquí, la interfaz apoyada en GPT, con toda la tecnología que lleva una máquina de resonancia magnética y todos los datos manejados por la IA, falló más que una escopeta de feria. Para los autores, esto mostraría que para leer la mente se necesita la cooperación de su dueño. Pero también advierten de que su investigación se apoyó en los patrones de media docena de personas. Quizá con los datos de decenas o centenares, el peligro, reconocen, sea real.

Por: MIGUEL ÁNGEL CRIADO