Un nuevo estudio sobre interfaces cerebro-computadora (BCI, por sus siglas en inglés) reporta un avance importante en la detección de las señales cerebrales de error cuando la retroalimentación llega a través de múltiples sentidos a la vez.
La investigación
Los investigadores Yixin Liu, Kang Yin, Hye-Bin Shin y Seong-Whan Lee, en arXiv (q-bio.NC), estudiaron los potenciales relacionados con errores (ErrPs, por sus siglas en inglés): ondas cerebrales medibles que ocurren cuando una persona nota un error. En entornos del mundo real, los errores a menudo se señalan mediante la vista, el sonido y el tacto simultáneamente, y la retroalimentación puede ser contradictoria (por ejemplo, una señal visual dice "incorrecto" mientras que un sonido dice "correcto"). Estas señales mixtas dificultan que las computadoras descifren la respuesta del cerebro.
Para abordar esto, el equipo diseñó una arquitectura EEGNet multirrama (un tipo de modelo de aprendizaje profundo para datos de EEG) con supervisión auxiliar, una señal de entrenamiento adicional que ayuda al modelo a aprender características robustas. La probaron con 14 participantes que realizaron una tarea de observación de laberintos mientras recibían retroalimentación en tres modalidades: visual, auditiva y táctil. La retroalimentación era congruente (todos los sentidos coincidían) o incongruente (los sentidos entraban en conflicto).
Los resultados mostraron que el nuevo modelo logró una precisión de clasificación consistente en todas las condiciones sensoriales —unimodal (un sentido), bimodal (dos sentidos) y trimodal (tres sentidos)— y superó a las líneas base estándar de EEGNet, especialmente cuando intervenían tres sentidos. El enfoque no dependía de suposiciones sobre qué modalidad sensorial estaba activa, lo que lo hace más flexible para las BCI del mundo real.
Por qué es importante
Esta investigación es importante porque acerca a las BCI a funcionar de manera fiable fuera del laboratorio. Si una interfaz cerebro-computadora puede detectar con precisión cuándo cometes un error, incluso cuando la retroalimentación es confusa o multisensorial, podría mejorar los sistemas para personas con parálisis, perfeccionar herramientas de aprendizaje o potenciar videojuegos adaptativos. También profundiza nuestra comprensión de cómo el cerebro integra información contradictoria de diferentes sentidos para monitorear errores. Para cualquiera interesado en la cognición, esto resalta que nuestro sistema cerebral de detección de errores es a la vez robusto y adaptable, un ingrediente clave para aprender de los errores.
Qué puedes hacer
- Practica la monitorización consciente de errores: Cuando cometas un error, detente y observa cómo te sientes a través de los sentidos (lo que ves, oyes y sientes). Esto fortalece tu propia conciencia del error.
- Entrena con retroalimentación multisensorial: Prueba tareas de aprendizaje que usen la vista, el sonido y el tacto juntos (por ejemplo, tutores de mecanografía con retroalimentación de audio y háptica) para impulsar las habilidades de integración de tu cerebro.
- Mantente curioso sobre la neurotecnología: Sigue la investigación sobre BCI; avanza rápido y pronto podría ofrecer nuevas formas de apoyar la atención y el aprendizaje.
Fuente: arXiv q-bio.NC
¿Tienes curiosidad por tu propio cerebro? Realiza nuestra prueba de CI adaptativa gratuita o prueba 306 niveles de entrenamiento cerebral.