Meta logra convertir pensamientos en texto con un 80% de precisión

Meta AI ha desarrollado una tecnología revolucionaria capaz de convertir pensamientos en texto sin necesidad de implantes cerebrales ni procedimientos invasivos. Colaborando con el Centro Vasco de Cognición, Cerebro y Lenguaje, los investigadores lograron que una inteligencia artificial interpretara señales neuronales en palabras escritas con una precisión del 80%. Utilizando técnicas de magnetoencefalografía (MEG) y electroencefalografía (EEG), esta innovación representa un avance sin precedentes en la interacción cerebro-computadora, con potenciales aplicaciones en asistencia para personas con discapacidades del habla, interfaces de control mental y el desarrollo de IA más intuitivas.

Meta AI da un paso más hacia la decodificación del pensamiento

La posibilidad de traducir pensamientos en texto ha sido durante años un concepto de ciencia ficción, pero Meta AI ha dado un paso clave para hacerla realidad. Su tecnología, basada en inteligencia artificial avanzada y escaneo cerebral de alta precisión, permite interpretar la actividad neuronal de una persona y convertirla en palabras con un 80% de precisión a nivel de carácter.

En los experimentos realizados, los participantes escribían oraciones mientras sus cerebros eran escaneados por magnetoencefalografía (MEG), un método que mide los campos magnéticos generados por la actividad cerebral. Luego, los datos fueron utilizados para entrenar un modelo de inteligencia artificial que logró descifrar el texto basado únicamente en las señales neuronales.

Este sistema ha demostrado una tasa de error de solo 19% en los participantes más exitosos, lo que marca un avance significativo en comparación con métodos anteriores que dependían de electroencefalografía (EEG), una técnica menos precisa. Según los investigadores, esta tecnología podría allanar el camino para el desarrollo de interfaces cerebro-computadora más accesibles y eficientes.

MEG vs. EEG: las claves para leer la mente

Para lograr este avance, Meta AI ha utilizado dos tipos principales de escaneo cerebral: magnetoencefalografía (MEG) y electroencefalografía (EEG). Aunque ambos son métodos no invasivos, la MEG ha demostrado ser notablemente más precisa, ya que mide directamente los campos magnéticos generados por las neuronas, sin las interferencias que introduce el cráneo en la señal de la EEG.

Las diferencias clave entre MEG y EEG son:

• Precisión: La MEG permite una decodificación más exacta de las señales cerebrales, logrando hasta un 80% de precisión en la reconstrucción de palabras, mientras que la EEG tiene tasas de error más altas.
• Equipamiento: La MEG requiere instalaciones especializadas y costosas, mientras que la EEG es más accesible y portátil.
• Calidad de la señal: La MEG proporciona datos más limpios, ya que su medición no se ve afectada por el cráneo y el cuero cabelludo, como ocurre con la EEG.

Aunque la MEG ha sido clave en este estudio, su alto costo y complejidad limitan su aplicación masiva. Sin embargo, a medida que la tecnología avance, es posible que se desarrollen métodos más accesibles que permitan llevar esta capacidad a dispositivos de consumo o a la asistencia médica.

El cerebro organiza el lenguaje de manera jerárquica

Más allá de la traducción de pensamientos en texto, la investigación de Meta AI también ha revelado nuevos hallazgos sobre cómo el cerebro procesa el lenguaje. Los datos sugieren que la producción de lenguaje ocurre de manera jerárquica, manteniendo múltiples niveles de información en paralelo antes de convertirlos en palabras.

Los investigadores han identificado un «código neuronal dinámico», lo que sugiere que el cerebro no procesa cada palabra de forma aislada, sino que mantiene representaciones abstractas de pensamientos antes de transformarlos en oraciones estructuradas.

Esto confirma que el cerebro trabaja en capas, permitiendo una transición fluida entre ideas y palabras mientras se mantiene la coherencia en la comunicación. Esta información podría ayudar a mejorar los modelos de lenguaje de IA, haciéndolos más cercanos a la forma en que los humanos procesamos y producimos el lenguaje.

Aplicaciones y desafíos del pensamiento a texto

Si bien esta tecnología abre la puerta a una nueva era de comunicación directa entre el cerebro y las computadoras, todavía enfrenta varios desafíos antes de su adopción generalizada.

Limitaciones actuales

• La MEG requiere un entorno especializado y costoso, lo que limita su acceso fuera de laboratorios avanzados.
• Los participantes deben permanecer inmóviles para obtener lecturas precisas, lo que dificulta su uso en entornos cotidianos.
• La tecnología aún no ha sido probada en personas con trastornos neurológicos, lo que deja abierta la duda sobre su efectividad en pacientes con dificultades del habla o parálisis.
• El vocabulario utilizado en las pruebas es limitado, por lo que aún se necesita ampliar la capacidad de reconocimiento de la IA.

Potenciales aplicaciones futuras

A pesar de sus limitaciones actuales, las posibilidades de esta tecnología son enormes:

• Comunicación para personas con discapacidades: Podría permitir que personas con parálisis o trastornos del habla se comuniquen con mayor facilidad.
• Interfaces cerebro-computadora avanzadas: En el futuro, podríamos ver dispositivos que permitan escribir o controlar tecnología con el pensamiento, sin necesidad de teclados o pantallas.
• Mejora en la comprensión de trastornos del lenguaje: Estos hallazgos podrían ayudar a diagnosticar y tratar trastornos del procesamiento del lenguaje, como la afasia.
• Evolución de la inteligencia artificial: Los modelos de IA podrían beneficiarse de una mejor comprensión de cómo el cerebro humano procesa el lenguaje, permitiendo que las máquinas imiten más fielmente la comunicación humana.

¿El primer paso hacia la comunicación con el pensamiento?

El desarrollo de Meta AI en la traducción de pensamientos en texto representa un hito en la investigación de interfaces cerebro-computadora. Aunque todavía estamos lejos de una tecnología que permita escribir con el pensamiento de manera fluida y accesible, estos avances demuestran que el concepto ya no es solo ciencia ficción.

En los próximos años, la clave estará en hacer esta tecnología más asequible y portátil, permitiendo su integración en dispositivos de uso cotidiano. ¿Podría Meta, en el futuro, desarrollar un dispositivo que traduzca pensamientos en mensajes de WhatsApp o publicaciones en redes sociales sin necesidad de escribir?

Si bien este avance aún requiere más desarrollo, el futuro de la interacción entre el cerebro y la tecnología parece más cercano que nunca. La gran pregunta ahora es: ¿cómo cambiará nuestra relación con la tecnología cuando podamos comunicarnos con ella solo con nuestra mente?