{"id":38411,"date":"2023-05-08T09:09:07","date_gmt":"2023-05-08T15:09:07","guid":{"rendered":"https:\/\/saluddigital.com\/?p=38411"},"modified":"2025-10-19T23:14:07","modified_gmt":"2025-10-20T05:14:07","slug":"inteligencia-artificial-es-capaz-de-decodificar-actividad-cerebral-y-convertirla-en-texto","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/inteligencia-artificial-es-capaz-de-decodificar-actividad-cerebral-y-convertirla-en-texto\/","title":{"rendered":"Inteligencia Artificial es capaz de decodificar actividad cerebral y convertirla en texto"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Este avance permitir\u00eda que personas mentalmente conscientes con dificultades f\u00edsicas para hablar puedan comunicarse eficazmente. <\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Investigadores de la Universidad de Texas en Austin, (UT Austin) desarrollaron un sistema de inteligencia artificial (IA) capaz de traducir la actividad cerebral de una persona en flujo continuo de texto. La actividad cerebral mientras un paciente escucha una historia o piensa que cuenta una historia podr\u00eda ser convertido en texto, gracias a este sistema denominado decodificador sem\u00e1ntico. Este avance podr\u00eda facilitar la comunicaci\u00f3n con personas con dificultades f\u00edsicas para hablar, por ejemplo, derivado de derrames cerebrales.<\/p>

El estudio Reconstrucci\u00f3n sem\u00e1ntica de lenguaje continuo a partir de grabaciones cerebrales no invasivas<\/em> fue publicado en la revista Nature Neuroscience<\/em>, en el cual se detallan aspectos t\u00e9cnicos sobre este sistema. El estudio detalla que se trata de un decodificador no invasivo que reconstruye el lenguaje continuo a partir de representaciones sem\u00e1nticas corticales, las cuales fueron registradas utilizando im\u00e1genes de resonancia magn\u00e9tica funcional.<\/p>

Gracias a los avances en las grabaciones cerebrales, este decodificador sem\u00e1ntico genera secuencias de palabras inteligibles que recuperan el significado del habla percibida, el habla imaginada e incluso videos silenciosos, es decir este sistema puede aplicarse a m\u00faltiples tareas. Por otra parte, el decodificador fue probado por los investigadores y los investigadores descubrieron que el lenguaje continuo se puede decodificar por separado de m\u00faltiples regiones cerebrales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Mientras eran escaneados los participantes escuchaban o pensaban historias o incluso eran grabados observando cuatro videos cortos y silenciosos. De esta forma el decodificador sem\u00e1nticas pudo usar su actividad cerebral para describir con precisi\u00f3n el contenido de los videos.<\/p>

\u201cEstamos logrando que el modelo decodifique un lenguaje continuo durante largos per\u00edodos de tiempo con ideas complicadas\u201d, explic\u00f3 Alex Huth profesor asistente de neurociencia y ciencias de la computaci\u00f3n de UT Austin y uno de los autores del estudio.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El trabajo realizado por los investigadores se basa en parte en un modelo transformador, similar a los modelos generativos que impulsan ChatGPT o Bard de Google. Adem\u00e1s, como se mencion\u00f3 anteriormente, a diferencia de otros sistemas de decodificaci\u00f3n de idiomas, el sistema realizado por los investigadores de UT Austin, no requiere que los pacientes utilicen implantes quir\u00fargicos, volvi\u00e9ndolo un m\u00e9todo no invasivo. Asimismo, el extenso entrenamiento del decodificador permite el uso de los esc\u00e1neres de resonancia magn\u00e9tica.<\/p>

No obstante, el resultado no se trata de una transcripci\u00f3n perfecta de palabra por palabra, sino que es un texto que se asemeja con bastante precisi\u00f3n a los significados previstos de las palabras originales. Algunos de los experimentos realizados mostraron c\u00f3mo los pensamientos de algunos participantes fueron traducidos por el decodificador. Por ejemplo, una oradora dijo: \u201cTodav\u00eda no tengo mi licencia de conducir\u201d frase que fue traducida como \u201cElla ni siquiera ha comenzado a aprender a conducir todav\u00eda\u201d.<\/p>

Aunque este sistema no es pr\u00e1ctico para su uso fuera del laboratorio donde se realizaron los experimentos, los investigadores consideran que es posible transferir este trabajo a otros sistemas de im\u00e1genes cerebrales port\u00e1tiles.<\/p>

Finalmente, los investigadores detallan que la decodificaci\u00f3n solamente funciona con participantes cooperativos y que participaron voluntariamente en el entrenamiento del decodificador. De hecho, los resultados para las personas en las que no se hab\u00eda entrenado el decodificador fueron ininteligibles.<\/p>

\u201cNos tomamos muy en serio las preocupaciones de que podr\u00eda usarse para malos prop\u00f3sitos y hemos trabajado para evitarlo. Queremos asegurarnos de que las personas solo usen este tipo de tecnolog\u00edas cuando quieran y que les ayuden\u201d, explic\u00f3 Jerry Tang estudiante de doctorado en ciencia de la computaci\u00f3n en UT Austin y director del estudio.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41593-023-01304-9<\/a><\/p>

UT AUSTIN<\/strong><\/p>

https:\/\/cns.utexas.edu\/news\/podcast\/brain-activity-decoder-can-reveal-stories-peoples-minds<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Este avance permitir\u00eda que personas mentalmente conscientes con dificultades f\u00edsicas para hablar puedan comunicarse eficazmente. Investigadores de la Universidad de Texas en Austin, (UT Austin) desarrollaron un sistema de inteligencia artificial (IA) capaz de traducir la actividad cerebral de una persona en flujo continuo de texto. La actividad cerebral mientras un paciente escucha una historia o piensa que cuenta una historia podr\u00eda ser convertido en texto, gracias a este sistema denominado decodificador sem\u00e1ntico. Este avance podr\u00eda facilitar la comunicaci\u00f3n con personas con dificultades f\u00edsicas para hablar, por ejemplo, derivado de derrames cerebrales. El estudio Reconstrucci\u00f3n sem\u00e1ntica de lenguaje continuo a partir de grabaciones cerebrales no invasivas fue publicado en la revista Nature Neuroscience, en el cual se detallan aspectos t\u00e9cnicos sobre este sistema. El estudio detalla que se trata de un decodificador no invasivo que reconstruye el lenguaje continuo a partir de representaciones sem\u00e1nticas corticales, las cuales fueron registradas utilizando im\u00e1genes de resonancia magn\u00e9tica funcional. Gracias a los avances en las grabaciones cerebrales, este decodificador sem\u00e1ntico genera secuencias de palabras inteligibles que recuperan el significado del habla percibida, el habla imaginada e incluso videos silenciosos, es decir este sistema puede aplicarse a m\u00faltiples tareas. Por otra parte, el decodificador fue probado por los investigadores y los investigadores descubrieron que el lenguaje continuo se puede decodificar por separado de m\u00faltiples regiones cerebrales. Mientras eran escaneados los participantes escuchaban o pensaban historias o incluso eran grabados observando cuatro videos cortos y silenciosos. De esta forma el decodificador sem\u00e1nticas pudo usar su actividad cerebral para describir con precisi\u00f3n el contenido de los videos. \u201cEstamos logrando que el modelo decodifique un lenguaje continuo durante largos per\u00edodos de tiempo con ideas complicadas\u201d, explic\u00f3 Alex Huth profesor asistente de neurociencia y ciencias de la computaci\u00f3n de UT Austin y uno de los autores del estudio. El trabajo realizado por los investigadores se basa en parte en un modelo transformador, similar a los modelos generativos que impulsan ChatGPT o Bard de Google. Adem\u00e1s, como se mencion\u00f3 anteriormente, a diferencia de otros sistemas de decodificaci\u00f3n de idiomas, el sistema realizado por los investigadores de UT Austin, no requiere que los pacientes utilicen implantes quir\u00fargicos, volvi\u00e9ndolo un m\u00e9todo no invasivo. Asimismo, el extenso entrenamiento del decodificador permite el uso de los esc\u00e1neres de resonancia magn\u00e9tica. No obstante, el resultado no se trata de una transcripci\u00f3n perfecta de palabra por palabra, sino que es un texto que se asemeja con bastante precisi\u00f3n a los significados previstos de las palabras originales. Algunos de los experimentos realizados mostraron c\u00f3mo los pensamientos de algunos participantes fueron traducidos por el decodificador. Por ejemplo, una oradora dijo: \u201cTodav\u00eda no tengo mi licencia de conducir\u201d frase que fue traducida como \u201cElla ni siquiera ha comenzado a aprender a conducir todav\u00eda\u201d. Aunque este sistema no es pr\u00e1ctico para su uso fuera del laboratorio donde se realizaron los experimentos, los investigadores consideran que es posible transferir este trabajo a otros sistemas de im\u00e1genes cerebrales port\u00e1tiles. Finalmente, los investigadores detallan que la decodificaci\u00f3n solamente funciona con participantes cooperativos y que participaron voluntariamente en el entrenamiento del decodificador. De hecho, los resultados para las personas en las que no se hab\u00eda entrenado el decodificador fueron ininteligibles. \u201cNos tomamos muy en serio las preocupaciones de que podr\u00eda usarse para malos prop\u00f3sitos y hemos trabajado para evitarlo. Queremos asegurarnos de que las personas solo usen este tipo de tecnolog\u00edas cuando quieran y que les ayuden\u201d, explic\u00f3 Jerry Tang estudiante de doctorado en ciencia de la computaci\u00f3n en UT Austin y director del estudio. BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41593-023-01304-9 UT AUSTIN https:\/\/cns.utexas.edu\/news\/podcast\/brain-activity-decoder-can-reveal-stories-peoples-minds<\/p>","protected":false},"author":1,"featured_media":38412,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-38411","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/38411","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=38411"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/38411\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/38412"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=38411"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=38411"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=38411"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}