Una nueva investigación muestra que una computadora puede decodificar qué categoría visual está viendo una persona solo a partir de su actividad cerebral, utilizando aprendizaje profundo y datos de electrodos colocados en la superficie del cerebro. El estudio, dirigido por investigadores de la Universidad de Melbourne y la Universidad de Osaka, publicado en arXiv en julio de 2026, demuestra un paso prometedor hacia interfaces cerebro-computadora que podrían ayudar a personas con parálisis a comunicarse o controlar dispositivos.
La investigación
El equipo, incluyendo a Stella Ho y David B. Grayden, analizó un conjunto de datos previamente recopilado de 17 participantes con epilepsia farmacorresistente que tenían rejillas de electrodos (electrocorticografía, o ECoG) colocadas en sus cerebros para monitorización clínica. Mientras los participantes veían clips de video que representaban diferentes categorías visuales (como rostros, objetos, escenas), los investigadores registraron sus señales cerebrales. El objetivo era construir un sistema de aprendizaje profundo que pudiera predecir qué categoría estaba viendo una persona, basándose únicamente en las señales cerebrales.
Con menos de 50 ejemplos de entrenamiento por categoría, los investigadores probaron múltiples arquitecturas de redes neuronales. El mejor sistema utilizó un codificador basado en Transformer, aumento de datos con mezcla (mixup) y entradas de banda de alta gamma (80-150 Hz) tomadas de una ventana de 900 milisegundos después de que comenzara el video. El modelo funcionó bien a pesar de los datos limitados y, lo que es importante, sus decisiones fueron interpretables: el análisis mostró que la corteza visual temprana (V2-V4), la corteza visual de la vía ventral, el complejo MT+ y la corteza temporal lateral contribuyeron más a la decodificación. Estas áreas cerebrales se sabe que están involucradas en la percepción visual, alineándose con la neurociencia establecida.
Por qué es importante
Este estudio muestra que el aprendizaje profundo de extremo a extremo puede decodificar semántica visual a partir de estímulos de video dinámicos sin necesidad de características hechas a mano. La interpretabilidad del modelo genera confianza y podría conducir a interfaces cerebro-computadora más prácticas. Para la persona promedio, esta investigación destaca cómo nuestros cerebros procesan la información visual de manera distribuida — y cómo la inteligencia artificial puede aprender a leer esos patrones. Aunque aún no está listo para el mercado, técnicas similares podrían algún día ayudar a personas con síndrome de enclaustramiento a comunicarse o permitir el control manos libres de dispositivos.
Qué puedes hacer
Puedes mantener tu propio sistema visual afilado desafiándolo regularmente — prueba con rompecabezas visuales, juegos de memoria, o aprende una nueva habilidad que implique coordinación ojo-mano. Involucrarte con estímulos visuales complejos, como ver y analizar videos o arte, puede ayudar a mantener la plasticidad neuronal.
Fuente: arXiv q-bio.NC
¿Sientes curiosidad por tu propio cerebro? Realiza nuestro test de CI adaptativo gratuito o prueba 306 niveles de entrenamiento cerebral.
