Imagina que estás escribiendo un mensaje, pero en lugar de usar un teclado, un dispositivo que rodea tu cabeza lee tus intenciones y las convierte en palabras en la pantalla. Eso es exactamente lo que han logrado los creadores de Brain2Qwerty v2, la versión mejorada de un sistema que promete revolucionar la forma en que nos comunicamos .
¿Cómo funciona esta tecnología?
El sistema utiliza un casco especial con sensores de magnetoencefalografía (MEG), una técnica que mide los diminutos campos magnéticos generados por la actividad cerebral . Estos datos se procesan con un modelo de IA que aprende a reconocer patrones neuronales asociados a cada letra y palabra.
El proceso se divide en tres etapas principales :
Codificación: Una red neuronal convolucional convierte las señales cerebrales en representaciones de caracteres.
Alineación: Un modelo agrupa esos caracteres en palabras y las compara con un lenguaje pre-entrenado.
Corrección: Un modelo de lenguaje (Qwen3-4B) ajusta el texto final para que tenga sentido gramatical y contextual.
Para entrenar el sistema, nueve voluntarios escribieron frases durante 10 horas cada uno, mientras el MEG registraba su actividad cerebral. En total, se procesaron unas 22.000 frases .
Resultados impresionantes
La precisión del sistema ha mejorado significativamente respecto a versiones anteriores. Brain2Qwerty v2 alcanza una precisión media del 61% en palabras, frente al 8% de métodos no invasivos anteriores . En algunos participantes, la precisión llegó al 78% .
En cuanto a los errores por carácter, el sistema logra un 29% de error con MEG, mientras que con electroencefalografía (EEG) -un método más barato pero menos preciso- la tasa de error sube al 65% . Para los mejores participantes, la tasa de error por carácter se reduce al 18%, y el sistema puede incluso reconocer frases que no había visto durante el entrenamiento.
¿Estamos ante un cambio de paradigma?
Hasta ahora, los sistemas más precisos para leer la mente requerían implantar electrodos directamente en el cerebro, una cirugía invasiva con riesgos para el paciente . Empresas como Neuralink (de Elon Musk) o Synchron trabajan en esta línea .
El enfoque de Meta es diferente: busca lograr resultados similares sin necesidad de abrir el cráneo. Aunque los sistemas invasivos aún son más precisos (con tasas de error por debajo del 10%), la brecha se está cerrando rápidamente .
Limitaciones y desafíos
A pesar del avance, la tecnología aún tiene importantes barreras:
Equipo voluminoso: Los escáneres MEG ocupan una habitación entera y pesan cientos de kilos. No son portátiles .
Sin tiempo real: Por ahora, el sistema procesa las señales después de la sesión, no al instante .
Entrenamiento con personas sanas: El modelo se ha entrenado con personas que pueden escribir. El verdadero desafío será adaptarlo a pacientes con parálisis o problemas de comunicación .
Un futuro prometedor
Meta ha publicado el código de entrenamiento de Brain2Qwerty v1 y v2, así como los conjuntos de datos, para que otros investigadores puedan seguir avanzando en esta línea . La compañía también ha creado un fondo de 5 millones de dólares para impulsar la investigación abierta en neurociencia .
Aunque aún queda camino para ver esta tecnología en hospitales o en casa, el avance demuestra que la IA está acercando la comunicación mente-máquina a la realidad. Como señalan los investigadores, cada punto porcentual de mejora en precisión representa un paso hacia un futuro donde los pacientes con graves discapacidades motoras puedan comunicarse sin necesidad de someterse a una cirugía cerebral .
¿Y tú, estarías dispuesto a usar un casco que lea tus pensamientos para escribir mensajes?
No hay comentarios.:
Publicar un comentario