Primer paso para la telepatía tecnológica

Investigadores de la Universidad del Sur de California, de la Universidad de Monash (Australia) y de la Universidad de Nueva York, han desarrollado un algoritmo de aprendizaje automático que es capaz de detectar patrones cerebrales relacionados con acciones específicas, como caminar y escribir.

También puede aislar esos patrones neuronales e, hipotéticamente, utilizarlos en el futuro para permitir la comunicación entre seres humanos solo mediante el intercambio de pensamientos, lo que representaría el primer paso para la telepatía tecnológica.

Los resultados de esta investigación, que se publican en Nature Neuroscience, podrían usarse también para desarrollar mejores interfaces cerebro-ordenador que ayuden a restaurar funciones perdidas para personas con trastornos neurológicos y mentales, según los autores de este trabajo.

El equipo probó el algoritmo en conjuntos de datos cerebrales estándar durante la realización de movimientos de brazos y ojos. El algoritmo puede predecir la trayectoria del movimiento corporal simplemente observando los patrones neuronales que genera el movimiento, según los investigadores.

El algoritmo también puede identificar múltiples acciones al evaluar las señales cerebrales. Por ejemplo, puede reconocer cuando el cerebro está escribiendo un mensaje en un teclado y reconocer si una persona tiene sed al mismo tiempo.

Aplicaciones militares

Financiado por el Pentágono, el algoritmo desarrollado en esta investigación podría usarse para prever y notificar a los soldados que están estresados o fatigados, antes de que se den cuenta.

El objetivo final del Pentágono, según se explica en un comunicado del Laboratorio de Investigación del ejército norteamericano, es sin embargo todavía más ambicioso.

La idea detrás de esta investigación es utilizar ese algoritmo para conseguir que los soldados que estén en un operativo bélico puedan comunicarse entre sí solo a través del pensamiento, un objetivo que el propio Pentágono reconoce que está todavía muy lejos de conseguirse.

Esa comunicación silenciosa entre soldados se realizaría mediante una conexión entre los cerebros implicados y un ordenador situado sobre el terreno (puede ser el móvil de cada soldado), una forma segura de intercambiar mensajes que no pueden ser interceptados.

Interpretando al cerebro…

De momento, lo que realmente ha conseguido esta investigación no es solo medir señales cerebrales estratégicas para determinados comportamientos, sino también interpretarlas.

El siguiente paso será decodificar esos patrones cerebrales para que un ordenador pueda interpretar los pensamientos de un soldado y, en consecuencia, ayudarle en momentos de estrés a tomar determinadas decisiones.

«El algoritmo puede descubrir patrones dinámicos compartidos entre cualquier señal más allá de las señales cerebrales, lo que tiene aplicaciones tanto para el ejército como para muchas otras aplicaciones médicas y comerciales», explica el director del programa, Hamid Krim.

Una de las autoras de esta investigación, Maryam Shanechi, destaca que la razón del éxito del nuevo algoritmo es su capacidad para considerar tanto las señales cerebrales como las señales de comportamiento, como la cinemática del movimiento, y luego determinar los patrones dinámicos comunes a estas señales.

… y aislando patrones

El nuevo algoritmo también consigue que la decodificación de los movimientos de las señales cerebrales – predecir lo que la cinemática del movimiento es con sólo mirar las señales cerebrales que generan el movimiento – sea mucho mejor que la conseguida con anteriores sistemas.

Shanechi aclara al respecto que esa decodificación depende de la capacidad para aislar patrones neuronales relacionados con un comportamiento específico. Frecuentemente, esos patrones neuronales quedan enmascarados por patrones relacionados con otras actividades y terminan siendo ignorados por algoritmos estándar, algo que evita el nuevo algoritmo.

En el futuro, el nuevo algoritmo también podría mejorar las futuras interfaces cerebro-máquina mediante una precisa decodificación de comportamientos: ayudará a los pacientes paralizados a controlar directamente sus prótesis solo pensando en el movimiento que deben hacer. Y lo conseguirán de una forma más rápida, concisa y dinámica que la ofrecida por los sistemas actuales.