Un nuevo marco llamado Codificación Neural Mecánicamente Interpretable (MINE) abre la caja negra de la predicción de la actividad cerebral, revelando exactamente qué características de una imagen impulsan cada pequeña zona de la corteza visual.
La investigación
Investigadores de la Universidad de Tel Aviv — Idan Daniel Grosbard, Mor Geva y Galit Yovel — desarrollaron MINE para ir más allá de los modelos de codificación correlacionales que predicen la actividad cerebral pero no pueden explicar por qué. Su enfoque utiliza representaciones de imágenes alineadas con el lenguaje para predecir respuestas de fMRI a nivel de vóxel (escala milimétrica). Publicado en arXiv en mayo de 2026, el estudio probó MINE en regiones cerebrales selectivas por categorías, como el área fusiforme de la cara y el área parahipocampal del lugar.
MINE produce una descripción semánticamente interpretable para cada vóxel: por ejemplo, "un objeto redondo con un mango" en lugar de solo "cara". Para validar estas descripciones, el equipo las utilizó para generar nuevas imágenes que provocaron las mismas respuestas de vóxel que las originales. También realizaron ediciones contrafactuales (añadir o eliminar características previstas de las imágenes), lo que desplazó la activación cerebral en la dirección esperada, proporcionando evidencia causal. Los perfiles por vóxel recuperaron las preferencias categóricas conocidas (por ejemplo, caras vs. lugares) al tiempo que revelaron una estructura detallada: los vóxeles dentro de una misma región preferían subcaracterísticas diferentes, como ojos vs. boca o escenas interiores vs. exteriores. La edición contrafactual guiada por estos perfiles produjo cambios de activación aún más fuertes, confirmando que los perfiles capturan fielmente la selectividad de cada vóxel.
Por qué es importante
Para cualquier persona curiosa sobre su propia cognición, este trabajo muestra que el cerebro visual no es un "área facial" o "área de lugar" monolítica, sino un mosaico de pequeñas zonas, cada una sintonizada con detalles específicos. Comprender esto podría llevar a un entrenamiento cerebral personalizado dirigido a habilidades específicas de procesamiento visual, como reconocer mejor las caras con poca luz o explorar escenas en busca de detalles. También allana el camino para una IA que vea más como nosotros, con un razonamiento interpretable.
Qué puedes hacer
Aunque no puedes aplicar MINE en casa, puedes practicar la identificación de detalles sutiles en imágenes: estudia rostros en multitudes, nota texturas en paisajes o prueba acertijos visuales que requieran discriminación fina. Este tipo de atención puede fortalecer la misma selectividad neuronal que mide MINE.
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.
