Un grupo de investigadores japoneses ha desarrollado un modelo de aprendizaje automático que infiere la actividad cerebral de una determinada persona. Todo ello, a partir del perfil de un usuario creado mediante un método de selección de características.

Básicamente, lo que hace el sistema propuesto es usar las señales cerebrales de una persona (que sería el usuario en cuestión), generadas cuando este se expone a un determinado contenido, para crear un sistema de recomendación de contenido enfocado en nuestro subconsciente, es decir en los procesos mentales que influyen indirectamente en nuestro carácter y comportamiento.

Con base en esa información, Ryoichi Shinkuma, profesor del Instituto de Tecnología de Shibaura de Japón y miembro del grupo de investigación, comenta:

Una vez que obtengamos el modelo cerebral ‘definitivo’, deberíamos ser capaces de estimar perfectamente la actividad cerebral de una persona expuesta a un contenido específico. Esto podría proporcionar soluciones poderosas en el sector comercial, como reducir los costos de la publicidad dirigida”.

Pero, ¿cómo este modelo logra evaluar la actividad cerebral de una persona?

Dedo tocando la imagen de un cerebro humano
Vía: Pixabay

La opción más sencilla sería a través de una resonancia magnética, sin embargo el costo de estos estudios tiende a ser muy elevado. Por tanto, Shinkuma propone una solución más ingeniosa: “utilizar la información del perfil de las personas para inferir su modelo cerebral”.

En ese sentido, el equipo de investigación propone un modelo tan eficiente como accesible a los usuarios. De hecho, para minimizar el costo que conlleva la recopilación de información, los investigadores utilizaron la capacidad de selección del algoritmo de aprendizaje automático para reducir el número de elementos del cuestionario. Todo ello, considerando el efecto que cada elemento tiene en el proceso de inferencia.

Gran precisión

Para obtener un sistema con un alto rendimiento de inferencia, durante el proceso de selección de características se cuantificó el valor de cada ítem del cuestionario. Por ejemplo, se le atribuyó un puntaje de importancia a cada elemento para garantizar el máximo rendimiento y limitar el costo de la información.

Para evaluar la efectividad del modelo, los investigadores utilizaron un modelo cerebral obtenido experimentalmente y un modelo de perfil basado en información de un perfil real. Sorprendentemente, “el esquema logró casi el mismo nivel de precisión de inferencia del modelo cerebral como el caso que emplea 209 cuestionarios utilizando solo 15-20 elementos superiores”.

Estos hallazgos sugieren que es posible inferir un modelo cerebral a partir del perfil de una información de una persona. Con base en ello, los analistas esperan hallar un método que optimice el rendimiento del esquema planteado y, por tanto que los ayude a mejorar la relación entre dos elementos: aprendizaje automático y método de selección de funciones.

Referencia

Reduction of Information Collection Cost for Inferring Brain Model Relations From Profile Information Using Machine Learning. https://ieeexplore.ieee.org/document/9487498

Escribir un comentario