Un nuevo estudio de la Universidad de Osaka en Japón ha desarrollado un enfoque más simple y eficiente para utilizar inteligencia artificial (IA) y convertir señales cerebrales directamente en imágenes. El método utiliza el generador de texto a imagen Stable Diffusion. Dicho generador fue lanzado por Stability AI en agosto de 2022, y solo requiere la utilización de miles de parámetros en lugar de millones.
La IA está diseñada para trabajar con señales cerebrales y para establecer vínculos entre la corteza visual temprana. Esta es una región del cerebro que procesa señales visuales, y las imágenes que la gente está viendo. A su vez, se entrena otro modelo para formar enlaces entre las descripciones de texto de las imágenes y los datos de fMRI de la corteza visual ventral. Esta es una región del cerebro que procesa el significado de las imágenes.
IA convierte señales cerebrales en imágenes con una precisión del 80%
La pareja de investigadores, Shinji Nishimoto y Yu Takagi, construyó dos modelos complementarios para que la IA funcione con señales cerebrales. Utilizaron datos de cuatro personas que participaron en un estudio anterior que utilizó imágenes de resonancia magnética funcional (fMRI) para escanear sus cerebros mientras veían 10,000 imágenes distintas de paisajes, objetos y personas. Usando alrededor del 90 por ciento de los datos de imágenes cerebrales, la pareja entrenó un modelo. Este servía para establecer vínculos entre los datos de fMRI de una región del cerebro que procesa señales visuales y las imágenes que las personas estaban viendo. Utilizaron el mismo conjunto de datos para entrenar un segundo modelo. Este se encargaría de formar enlaces entre las descripciones de texto de las imágenes y los datos de fMRI de una región del cerebro que procesa el significado de las imágenes.
Después del entrenamiento, estos dos modelos, que debían personalizarse para cada individuo, podían traducir los datos de imágenes cerebrales en formularios que se alimentaban directamente al modelo de difusión estable. Luego, el modelo podría reconstruir alrededor de 1000 de las imágenes que la gente vio con un 80 por ciento de precisión, sin haber sido entrenado en las imágenes originales. Sin embargo, el estudio solo probó el enfoque en cuatro personas. Además, las IA que leen la mente funcionan mejor en algunas personas que en otras, lo que limita su utilidad en la actualidad.
El futuro de la neurociencia
El nuevo enfoque podría permitir que las personas hagan arte o alteren imágenes con su imaginación en el futuro. Pero, por ahora, las versiones más prácticas de este método requieren largas sesiones de escaneo cerebral y enormes máquinas de resonancia magnética funcional. Esto significa que el enfoque aún no es práctico para el uso diario.
A medida que los neurocientíficos trabajan para desmitificar cómo el cerebro humano convierte lo que nuestros ojos ven en imágenes mentales, la inteligencia artificial ha mejorado en imitar esa hazaña. Aunque esta tecnología se desarrolla, podría tener numerosas aplicaciones. Desde explorar cómo varias especies animales perciben el mundo hasta quizás algún día registrar los sueños humanos. Asimismo, podría ayudar a la comunicación en personas con parálisis.
Conclusión
En resumen, aún hay desafíos técnicos y prácticos que deben superarse antes de que la IA se pueda utilizar de manera generalizada. El nuevo enfoque que utiliza Stable Diffusion muestra una mejora significativa en términos de eficiencia de la IA en comparación con los métodos anteriores. Sin embargo, aún se requiere una gran cantidad de datos y recursos para personalizar la IA para cada individuo.
En el futuro, se podrían explorar nuevas técnicas y enfoques para mejorar la eficiencia y la capacidad de la IA en la interpretación de escáneres cerebrales. Además, se necesitarán más estudios y pruebas para comprender mejor la precisión y la confiabilidad de esta tecnología. A medida que la IA continúa avanzando, podríamos ver más aplicaciones prácticas en el campo de la neurociencia. Esto podría tener un impacto significativo en el diagnóstico y tratamiento de enfermedades neurológicas. Pero, también es importante tener en cuenta las implicaciones éticas y de privacidad asociadas con el uso de esta tecnología en la investigación y la atención médica.
Referencias:
High-resolution image reconstruction with latent diffusion models from human brain activity: https://doi.org/10.1101/2022.11.18.517004
