Imagen de ilustración Pixabay
Científicos de la Universidad Radboud en los Países Bajos han desarrollado una IA capaz de recrear imágenes vistas por personas analizando su actividad cerebral. Los resultados de su estudio, pre-publicados en bioRxiv, revelan una precisión notable en la reconstrucción de las imágenes mentales. Este resultado se basa en datos obtenidos de dos estudios distintos.
En el primer estudio, los voluntarios fueron sometidos a una resonancia magnética funcional (fMRI) mientras miraban fotografías. El segundo estudio involucró a un macaco cuya actividad cerebral fue registrada mediante electrodos implantados mientras observaba imágenes generadas por IA. Los datos de estos experimentos se utilizaron para entrenar a la IA en la reconstrucción de las imágenes originales.
La IA utilizada incorpora mecanismos de atención predictiva (PAM) que permiten enfocar las señales cerebrales más relevantes. Al procesar estas señales con una red antagónica generativa, la IA logra crear imágenes visualmente cercanas a las originales. Los mejores resultados se obtuvieron con los estímulos vistos por el macaco, cuya actividad cerebral, registrada directamente por los electrodos, es más precisa que los datos fMRI, a menudo afectados por ruido.
Umut Güçlü, uno de los investigadores principales, subraya que estas reconstrucciones son las más precisas realizadas hasta la fecha. Explica que la IA, al interpretar las señales cerebrales, aprende a centrar su atención en los aspectos esenciales para reconstruir las imágenes vistas. La capacidad de recrear fielmente lo que un individuo percibe podría abrir el camino a implantes cerebrales más avanzados, permitiendo restaurar la visión de manera más natural.
Resultados de la reconstrucción.
El bloque superior muestra diez ejemplos tomados del conjunto de datos B2G (estímulos generados por GAN), y el bloque inferior diez ejemplos del conjunto de datos GOD (estímulos naturales). Las primeras filas presentan los estímulos originales, las filas del medio las reconstrucciones por el modelo PAM (P), y las últimas filas las reconstrucciones por el decodificador lineal (L).
Las aplicaciones potenciales de esta tecnología son vastas. Además de la restauración de la visión, este avance podría transformar la comunicación para las personas con discapacidades visuales y mejorar las interfaces neuronales. Según los investigadores, los rápidos avances en el campo de la modelización generativa podrían aún mejorar la precisión de las reconstrucciones visuales en un futuro cercano.