30, May, 2024

Leyendo la mente: una aplicación más de la inteligencia artificial

Autores: MSc. Diego López Bernal, Dr. David Balderas Silva, Dr. Pedro Ponce Cruz

Correo electrónico: lopezbernal.d@tec.mx, dc.balderassilva@tec.mx, pedro.ponce@tec.mx

Departamento: Ingeniería Mecatrónica

Grupo de enfoque (investigación): Innovación de productos

Escuela: Tecnológico de Monterrey, Escuela de Ingeniería y Ciencias, Ciudad de México, México.

Palabras Clave: #BCI #EEG #mente #IA

¿A quién no le gustaría tener el super poder de leer la mente? Tan solo imaginemos esa posibilidad. Ver a otra persona y tener la capacidad de averiguar que es lo que siente, que es lo que dirá a continuación o cual será su siguiente movimiento. Suena increíble, ¿no? Lamentablemente, para el ser humano per se, esto es imposible, y es que el cerebro es el órgano más complejo y fascinante que poseemos.

Esta estructura de tan solo 1300-1400 gramos es la responsable de producir e interpretar todo lo que nos rodea. Toda la información que recabamos a través de nuestros sentidos es decodificada e interpretada a través del cerebro y, a su vez, toda la información que emerge de nosotros ya sea en movimientos o en palabras, es primeramente originada en este mismo órgano. Sin embargo, a pesar de que el ser humano no es capaz de leer los complejos procesos que suceden en el interior del cerebro, sí ha sido capaz de desarrollar herramientas, como la inteligencia artificial (IA), que pueden acercarlo a lograr su objetivo.

Actualmente, la inteligencia artificial y, particularmente, el llamado “machine learning” (aprendizaje por máquina) es parte de nuestra vida cotidiana. Podemos observar diversas aplicaciones de esta tecnología en herramientas como Alexa de Amazon, Siri, automóviles autónomos y algoritmos de recomendación como los de Netflix e Instagram. Sorprendentemente y de manera muy simplificada, la base del proceso que le permite a Siri saber que es lo que estás diciendo es la misma base que nos está acercando cada vez más a ser capaces de leer la mente humana.

Figura 1. Comunicación entre la mente humana y computadoras.

Para que el ser humano sea capaz de producir algún pensamiento o acción debe darse una comunicación entre neuronas. Dicha comunicación produce una pequeña señal eléctrica, que, de ser medida y clasificada, nos podría indicar cuál es la acción que la persona en cuestión busca realizar [1]. La tecnología que nos permite realizar esta tarea se denomina Interfaz Cerebro Computador (BCI por sus siglas en inglés), la cual busca crear una conexión entre el cerebro humano y un equipo de cómputo, como se puede observar en la figura 1. Hay diversas modalidades de las BCI para medir estos pulsos eléctricos, las cuáles están principalmente clasificadas en dos tipos: invasivas y no invasivas [2].

Figura 2. a) Proceso invasivo al poner electrodos en el cerebro. b) Proceso no invasivo al poner electrodos sobre el cráneo.

Las técnicas no invasivas (figura 2b) son aquellas que se llevarán a cabo sin procedimiento quirúrgico. Los dos procedimientos no invasivos más utilizados actualmente para la decodificación de señales cerebrales son la resonancia magnética funcional (fMRI por sus siglas en inglés) y el electroencefalograma (EEG por sus siglas en inglés). A través de la fMRI [3] se puede observar un mapa funcional del cerebro, localizando así las zonas donde la mayor actividad cerebral esté ocurriendo al momento de llevar a cabo una acción determinada. Por otro lado, el EEG [2] consiste en situar electrodos en puntos estratégicos por encima del cráneo para así detectar los pulsos eléctricos sincronizados de las neuronas que se activan en conjunto cuando se realiza una acción. No obstante, ambos métodos tienen ciertas desventajas. Por ejemplo, la fMRI requiere de equipo altamente especializado y costoso, mientras que el EEG, al ser un sistema que se coloca por encima del cráneo, puede llegar a captar mucho ruido dentro de la señal principal, ocasionando así grandes complejidades al momento de interpretarla.

Más allá de estas técnicas, si se busca medir la actividad cerebral con mayor precisión, se puede optar por las técnicas invasivas (figura 2a). Estos procedimientos consisten en medir los pulsos eléctricos desde dentro del cráneo, lo cuál conlleva un proceso quirúrgico que, además de ser costoso, implica mucho mayor riesgo que los procesos no invasivos. Actualmente, uno de los proyectos más conocidos dentro de esta rama es Neuralink, de Elon Musk [4], que busca formar una conexión directa entre el cerebro y dispositivos electrónicos externos a través de un implante cerebral.

Ya sea que se opte por técnicas BCI invasivas o no invasivas, dependiendo del riesgo y costo que se esté dispuesto a asumir, la adquisición de las señales cerebrales es solo el primer paso para decodificar nuestra mente. Una vez que se tiene la señal, se debe preprocesar para limpiarla y quedarnos únicamente con el componente principal de la misma, así como realizar un procedimiento de extracción de características que nos permitirá extraer las partes más representativas de la señal y descartar la información menos relevante.

Una vez que las características más relevantes de la señal se extraen, se pueden utilizar diversos algoritmos de aprendizaje de máquina para clasificarla y así conocer cuál es la acción en la que el sujeto pensaba. Algunos de los algoritmos más utilizados son las máquinas de soporte vectorial, vecino más cercano, agrupamiento por similitud, redes neuronales, entre otros.

Figura 3. Componentes básicos de las Interfaces Cerebro Computadora

Utilizando el proceso mencionado anteriormente (figura 3), el cual, en general, cuenta de 4 pasos principales (1. Lectura cerebral; 2. Preprocesamiento de señal; 3. Extracción de características; 4. Clasificación) se ha logrado leer la mente y decodificar el pensamiento en diversos experimentos [5]. Por ejemplo, miembros de la Universidad Médica de la Fuerza área en China han logrado clasificar señales de EEG para detectar patrones epilépticos [6]. También, investigadores en la Universidad de Toronto, a través del análisis de EEG, han logrado reproducir imágenes de lo que algunos sujetos vieron en determinados momentos [7]. Por otro lado, tenemos al automóvil concepto Nissan IMx Kuro, el cual cuenta con un sistema de clasificación de EEG que ayuda a aumentar el tiempo de reacción del vehículo; así cuando el conductor piensa en frenar, el auto se adelanta a dicha acción aunque el conductor aún no haya pisado el pedal del freno [8]. Otro ejemplo es la decodificación del habla imaginada, cuyo objetivo es poder convertir los pensamientos en texto, así como ya se hace con los traductores de voz a texto [2]. Sin embargo, esta aplicación se ha encontrado con diversas complicaciones y aún está muy lejos de verse plasmada en la vida cotidiana.

Figura 4. Reconstrucción de imágenes a través de BCI realizada por la Universidad de Toronto y obtenido de [7].

La lectura de la mente a través de las Interfaces Cerebro Computadora tiene potencial para ser aplicada a diversas áreas. Ya sean aplicaciones médicas para la detección de enfermedades o aplicaciones ingenieriles para el control de dispositivos externos, entre muchas otras. No obstante, a pesar de ser una de las áreas de investigación de mayor interés actual, aún queda mucho camino por recorrer para lograr que el ser humano, con ayuda de esta tecnología, pueda ser capaz de leer e interpretar los pensamientos de manera cotidiana.

Referencias

[1] Graham, D. (2021). An Internet in Your Head: A New Paradigm for how the Brain Works. Columbia University Press.

[2] Lopez-Bernal, D., Balderas, D., Ponce, P., & Molina, A. A State-of-the-art review of EEG-based imagined speech decoding. Frontiers in Human Neuroscience, 218.

[3] Sorger, B., & Goebel, R. (2020). Real-time fMRI for brain-computer interfacing. Handbook of clinical neurology, 168, 289-302.

[4] Fiani, B., Reardon, T., Ayres, B., Cline, D., & Sitto, S. R. (2021). An Examination of Prospective Uses and Future Directions of Neuralink: The Brain-Machine Interface. Cureus, 13(3).

[5] Balderas, D., Ponce, P., Lopez-Bernal, D., & Molina, A. (2021). Education 4.0: Teaching the Basis of Motor Imagery Classification Algorithms for Brain-Computer Interfaces. Future Internet, 13(8), 202.

[6] Zhou, D., & Li, X. (2020). Epilepsy EEG signal classification algorithm based on improved RBF. Frontiers in Neuroscience, 14, 606.

[7] Nemrodov, D., Niemeier, M., Patel, A., & Nestor, A. (2018). The neural dynamics of facial identity processing: insights from EEG-based pattern analysis and image reconstruction. Eneuro, 5(1).

[8] Karanasiou, A. (2020). On Being Transhuman: Commercial BCIs and the Quest for Autonomy. The Cambridge Handbook of the Law of Algorithms (CUP 2020).

  

Anexo

Resumen:

La inteligencia artificial es el siguiente gran paso para una revolución industrial. Dicha tecnología es actualmente utilizada por muchos dispositivos de la vida cotidiana, desde celulares y automóviles, hasta redes sociales. Dentro de esta área, las Interfaces Cerebro Computadora son consideradas de gran interés debido a que a través de ellas podemos leer y decodificar el pensamiento del ser humano. Esto abre la puerta a diversas aplicaciones, que pueden ir desde la rehabilitación de pacientes y detección de enfermedades hasta el control de dispositivos externos para simplificar y optimizar diversas actividades humanas.

Importancia de investigación:

La lectura y decodificación del pensamiento a través de las Interfaces Cerebro Computadora puede ser utilizada en la industria médica e ingenieril para optimizar y simplificar diversas tareas y aplicaciones.

Disciplina

Ingeniería y Ciencias

Área

Ingeniería, Medicina, Ciencias, Matemáticas, Computación

Industria Médica e Ingeniería de Control

content_admin@gaiabit.com

Review overview