Se utiliza la IA para recrear las ondas cerebrales humanas en tiempo real

Recientemente, un equipo de investigadores creó una red neuronal que puede recrear las ondas cerebrales humanas en tiempo real. Según informa Futurism, el equipo de investigación, compuesto por investigadores del Instituto de Física y Tecnología de Moscú (MIPT) y la corporación Neurobotics, pudo visualizar las ondas cerebrales de una persona traduciendo las ondas con una red neuronal de visión por computadora, renderizándolas como imágenes.

Los resultados del estudio se publicaron en bioRxiv, y se publicó un video junto con el artículo de investigación, que mostraba cómo la red reconstruía imágenes. El equipo de investigación de MIPT espera que el estudio les ayude a crear sistemas de rehabilitación post-accidente cerebrovascular controlados por ondas cerebrales. Para crear dispositivos de rehabilitación para víctimas de accidentes cerebrovasculares, los neurobiólogos deben estudiar los procesos que el cerebro utiliza para codificar información. Una parte crítica de entender estos procesos es estudiar cómo las personas perciben la información de video. Según ZME Science, los métodos actuales de extracción de imágenes de ondas cerebrales suelen analizar las señales que se originan en las neuronas, mediante el uso de implantes, o extraer imágenes utilizando resonancia magnética funcional.

El equipo de investigación de Neurbiotics y MIPT utilizó electroencefalografía, o EEG, que registra las ondas cerebrales recogidas de electrodos colocados en el cuero cabelludo. En tales situaciones, las personas suelen llevar dispositivos que rastrean sus señales neuronales mientras ven un video o miran imágenes. El análisis de la actividad cerebral produjo características de entrada que se podían utilizar en un sistema de aprendizaje automático. El sistema de aprendizaje automático pudo reconstruir las imágenes que una persona presenció, renderizándolas en una pantalla en tiempo real.

El experimento se dividió en varias partes. En la primera fase del experimento, los investigadores hicieron que los sujetos vieran clips de 10 segundos de videos de YouTube durante unos 20 minutos. Había cinco categorías diferentes en las que se dividieron los videos: deportes de motor, caras humanas, formas abstractas, cascadas y mecanismos en movimiento. Estas diferentes categorías pueden contener una variedad de objetos. Por ejemplo, la categoría de deportes de motor contenía clips de motos de nieve y motocicletas.

El equipo de investigación analizó los datos de EEG que se recogieron mientras los participantes veían los videos. Los EEG mostraron patrones específicos para cada uno de los diferentes clips de video, y esto significaba que el equipo podía potencialmente interpretar qué contenido los participantes estaban viendo en los videos en tiempo real o casi en tiempo real.

La segunda fase del experimento seleccionó tres categorías al azar. Se crearon dos redes neuronales para trabajar con estas dos categorías. La primera red generó imágenes aleatorias que pertenecían a una de las tres categorías, creándolas a partir de ruido aleatorio que se refinó en una imagen. Mientras tanto, la otra red generó ruido basado en los escaneos de EEG. Los datos de ambas redes se compararon y las imágenes generadas aleatoriamente se actualizaron en función de los datos de ruido de EEG, hasta que las imágenes generadas se parecieron a las imágenes que los sujetos de prueba estaban viendo.

Después de que se diseñó el sistema, los investigadores probaron la capacidad del programa para visualizar las ondas cerebrales mostrando a los sujetos de prueba videos que no habían visto antes de las mismas categorías. Los EEG generados durante la segunda ronda de visualizaciones se dieron a las redes, y las redes pudieron generar imágenes que se podían colocar fácilmente en la categoría correcta el 90% de las veces.

Los investigadores señalaron que los resultados de su experimento fueron sorprendentes porque durante mucho tiempo se asumió que no había suficiente información en un EEG para reconstruir las imágenes observadas por las personas. Sin embargo, los resultados del equipo de investigación demostraron que es posible hacerlo.

Vladimir Konyshev, jefe del Laboratorio de Neurorobotics de MIPT, explicó que aunque el equipo de investigación se centra actualmente en crear tecnologías asistidas para personas discapacitadas, la tecnología que están trabajando podría utilizarse para crear dispositivos de control neural para la población en general en algún momento. Konyshev explicó a TechXplore:

“Estamos trabajando en el proyecto de Tecnologías Asistidas de Neuronet de la Iniciativa Nacional de Tecnología, que se centra en la interfaz cerebro-ordenador que permite a los pacientes post-accidente cerebrovascular controlar un brazo exoesqueleto para fines de neurorehabilitación, o a pacientes paralizados conducir una silla de ruedas eléctrica, por ejemplo. El objetivo final es aumentar la precisión del control neural para los individuos sanos también”.