{"id":1945,"date":"2025-09-21T18:11:52","date_gmt":"2025-09-21T15:11:52","guid":{"rendered":"https:\/\/planeta21vek.ru\/isp\/?p=1945"},"modified":"2025-11-20T13:04:43","modified_gmt":"2025-11-20T10:04:43","slug":"un-nuevo-algoritmo-informatico-convierte-los-pensamientos-humanos-en-texto","status":"publish","type":"post","link":"https:\/\/planeta21vek.ru\/isp\/2025\/09\/21\/un-nuevo-algoritmo-informatico-convierte-los-pensamientos-humanos-en-texto\/","title":{"rendered":"Un nuevo algoritmo inform\u00e1tico convierte los pensamientos humanos en texto"},"content":{"rendered":"

Una mejora en un decodificador cerebral existente, impulsado por IA, puede traducir los pensamientos humanos a texto sin horas de entrenamiento. Cient\u00edficos han implementado nuevas mejoras en un \u00abdecodificador cerebral\u00bb que utiliza inteligencia artificial (IA) para convertir los pensamientos en texto. El modelo de IA puede escanear el cerebro de una persona con un equipo no invasivo y convertir los pensamientos en oraciones escritas, sin necesidad de implantes.<\/span><\/p>\n

<\/p>\n

En un estudio, los cient\u00edficos desarrollaron un modelo de IA que decodific\u00f3 se\u00f1ales cerebrales para reproducir oraciones escritas por voluntarios. En un segundo estudio, los mismos investigadores utilizaron IA para mapear c\u00f3mo el cerebro produce realmente el lenguaje, convirtiendo los pensamientos en oraciones escritas.<\/span><\/p>\n

Un equipo de investigadores inform\u00f3 en un nuevo estudio que su nuevo algoritmo de conversi\u00f3n puede entrenar r\u00e1pidamente un decodificador existente en el cerebro de otra persona. Seg\u00fan los cient\u00edficos, estos resultados podr\u00edan alg\u00fan d\u00eda ayudar a personas con afasia, un trastorno cerebral que afecta la comunicaci\u00f3n. En el nuevo estudio, publicado el 6 de febrero de 2025 en la revista Current Biology, Huth y su coautor, Jerry Tang, estudiante de posgrado de la Universidad de Texas en Austin, exploraron c\u00f3mo se podr\u00eda superar esta limitaci\u00f3n de la comunicaci\u00f3n.<\/span><\/strong><\/span><\/p>\n

\u00abLas personas con afasia suelen tener dificultades tanto para comprender como para producir el habla\u00bb, declar\u00f3 a Live Science Alexander Huth, coautor del estudio y neurocient\u00edfico computacional de la Universidad de Texas en Austin (UT Austin). \u00abDe ser as\u00ed, es posible que no podamos construir modelos de sus cerebros observando sus respuestas a las historias que escuchan\u00bb.<\/span><\/p>\n\n

El decodificador cerebral utiliza aprendizaje autom\u00e1tico para traducir los pensamientos de una persona a texto bas\u00e1ndose en las respuestas de su cerebro a las historias que ha escuchado. Sin embargo, las versiones anteriores del decodificador requer\u00edan que los participantes escucharan historias en una m\u00e1quina de resonancia magn\u00e9tica durante muchas horas, y estos decodificadores solo funcionaban con las personas con las que fueron entrenados.<\/span><\/p>\n

\"\"
\nUn equipo de investigadores ha desarrollado un algoritmo que permite que un \u00abdecodificador cerebral\u00bb impulsado por IA, entrenado en una persona, traduzca los pensamientos de otra con un entrenamiento m\u00ednimo. Jerry Tang\/Universidad de Texas en Austin<\/span><\/em><\/p>\n

Los investigadores primero entrenaron el decodificador cerebral en varios participantes de control utilizando un enfoque a largo plazo: recopilando datos de resonancia magn\u00e9tica funcional mientras los participantes escuchaban 10 horas de transmisiones de radio.<\/span><\/p>\n

Luego entrenaron dos algoritmos de conversi\u00f3n en participantes de control y en otro grupo de participantes \u00abobjetivo\u00bb: uno utilizando datos recopilados cuando los participantes escucharon historias de radio durante 70 minutos, y el otro cuando vieron cortometrajes mudos de Pixar no relacionados con las historias de radio durante 70 minutos.<\/span><\/p>\n

Mediante un m\u00e9todo denominado \u00abalineaci\u00f3n funcional\u00bb, el equipo mape\u00f3 las respuestas cerebrales de los participantes de control y objetivo a las mismas historias de audio o video. Esta informaci\u00f3n se utiliz\u00f3 para entrenar al decodificador a trabajar con los cerebros de los participantes objetivo, sin necesidad de recopilar horas de datos de entrenamiento.<\/span><\/p>\n

El equipo prob\u00f3 los decodificadores con un cuento corto que ninguno de los participantes hab\u00eda escuchado previamente. Aunque las predicciones del decodificador fueron ligeramente m\u00e1s precisas para los participantes que usaron la informaci\u00f3n de control original que para quienes usaron los convertidores, las palabras predichas por el decodificador, bas\u00e1ndose en los esc\u00e1neres cerebrales de cada participante, segu\u00edan estando sem\u00e1nticamente relacionadas con las palabras utilizadas en el cuento de prueba.<\/span><\/p>\n

Por ejemplo, en uno de los fragmentos narrativos de prueba, alguien describi\u00f3 un trabajo que no le gustaba: \u00abSoy camarera en una helader\u00eda. As\u00ed que, eh, no es… No s\u00e9 d\u00f3nde quiero estar, pero s\u00e9 que no lo es\u00bb. Un decodificador, que utiliza un algoritmo de conversi\u00f3n entrenado con datos de v\u00eddeo, predijo: \u00abTrabajaba en un trabajo que me aburr\u00eda. Ten\u00eda que tomar pedidos y no me gustaban, as\u00ed que trabajaba en ellos todos los d\u00edas\u00bb. La coincidencia no es exacta (el decodificador no capta los sonidos exactos que la gente o\u00eda), pero las ideas est\u00e1n relacionadas.<\/span><\/p>\n

Los cient\u00edficos pueden recopilar datos mientras alguien mira un v\u00eddeo sin sonido y luego usarlos para crear un decodificador de lenguaje para su cerebro.<\/span><\/p>\n

Los investigadores afirman que el uso de convertidores de v\u00eddeo para transferir decodificadores existentes a personas con afasia puede ayudarles a expresarse. El estudio tambi\u00e9n hall\u00f3 cierta coincidencia entre la forma en que las personas representan las ideas del lenguaje y las de las im\u00e1genes visuales en el cerebro.<\/span><\/p>\n

Este estudio sugiere que existe una representaci\u00f3n sem\u00e1ntica independiente de la modalidad de la que proviene. En otras palabras, nos ayuda a comprender c\u00f3mo el cerebro representa ciertos conceptos de la misma manera, incluso cuando se presentan en diferentes formatos.<\/span><\/p>\n\n

Los cient\u00edficos de Meta utilizaron inteligencia artificial (IA) y escaneo cerebral no invasivo para comprender c\u00f3mo se traducen los pensamientos en oraciones impresas.<\/span><\/strong><\/span><\/p>\n

Seg\u00fan los cient\u00edficos, los resultados del estudio podr\u00edan servir en el futuro como base para la creaci\u00f3n de una interfaz cerebro-ordenador no invasiva que ayude a las personas con da\u00f1os o lesiones cerebrales a comunicarse.<\/span><\/p>\n

Se han implantado interfaces cerebro-computadora que utilizan m\u00e9todos de decodificaci\u00f3n similares en los cerebros de personas que han perdido la capacidad de comunicarse, pero una nueva investigaci\u00f3n puede confirmar un camino potencial hacia dispositivos port\u00e1tiles.<\/span><\/p>\n

En el estudio, los investigadores utilizaron magnetoencefalograf\u00eda (MEG), que mide el campo magn\u00e9tico generado por impulsos el\u00e9ctricos en el cerebro, para rastrear la actividad neuronal mientras los participantes escrib\u00edan oraciones. Posteriormente, entrenaron un modelo de lenguaje de IA para decodificar se\u00f1ales cerebrales y producir oraciones basadas en datos de MEG.<\/span><\/p>\n

\"\"
\nDos nuevos estudios arrojan luz sobre c\u00f3mo podemos transformar los pensamientos en oraciones escritas mediante una interfaz digital. Meta<\/span><\/em><\/p>\n

El modelo decodific\u00f3 las letras escritas por los participantes con un 68 % de precisi\u00f3n. Las letras m\u00e1s frecuentes se decodificaron correctamente con mayor frecuencia, mientras que las menos comunes, como la Z y la K, presentaron una mayor tasa de error. Cuando el modelo comet\u00eda errores, tend\u00eda a sustituir s\u00edmbolos f\u00edsicamente cercanos a la letra objetivo en el teclado QWERTY, lo que sugiere que el modelo utiliza se\u00f1ales motoras del cerebro para predecir qu\u00e9 letra hab\u00eda escrito el participante.<\/span><\/p>\n

Se descubri\u00f3 que el cerebro primero generaba informaci\u00f3n sobre el contexto y el significado de una oraci\u00f3n y luego creaba representaciones cada vez m\u00e1s detalladas de cada palabra, s\u00edlaba y letra a medida que el participante escrib\u00eda.<\/span><\/p>\n

\u00abEstos resultados respaldan predicciones de larga data de que la producci\u00f3n del lenguaje requiere una descomposici\u00f3n jer\u00e1rquica del significado de las oraciones en unidades cada vez m\u00e1s peque\u00f1as que, en \u00faltima instancia, controlan las acciones motoras\u00bb, escriben los autores del estudio.<\/span><\/p>\n

Para evitar que una palabra o letra interfiera con otra, el equipo descubri\u00f3 que el cerebro utiliza un \u00abc\u00f3digo neuronal din\u00e1mico\u00bb para separarlas. Este c\u00f3digo modifica constantemente la representaci\u00f3n de cada pieza de informaci\u00f3n en las regiones cerebrales responsables de la formaci\u00f3n del lenguaje.<\/span><\/p>\n

Esto permite al cerebro asociar letras, s\u00edlabas y palabras sucesivas, almacenando informaci\u00f3n sobre cada una durante un per\u00edodo m\u00e1s largo. Sin embargo, los experimentos de MEG no han podido identificar con precisi\u00f3n las regiones cerebrales donde se origina cada una de estas representaciones ling\u00fc\u00edsticas.<\/span><\/p>\n

Los investigadores escriben que, si bien la configuraci\u00f3n actual es demasiado voluminosa y sensible para funcionar correctamente fuera de un entorno de laboratorio controlado, los avances en la tecnolog\u00eda MEG podr\u00edan abrir la puerta a futuros dispositivos port\u00e1tiles.<\/span><\/p>\n\n","protected":false},"excerpt":{"rendered":"

Una mejora en un decodificador cerebral existente, impulsado por IA, puede traducir los pensamientos humanos a texto sin horas de entrenamiento. Cient\u00edficos han implementado nuevas mejoras en un \u00abdecodificador cerebral\u00bb que utiliza inteligencia artificial (IA) para convertir los pensamientos en texto. El modelo de IA puede escanear el cerebro de una persona con un equipo no invasivo y convertir los pensamientos en oraciones escritas, sin necesidad de implantes.<\/p>\n","protected":false},"author":1,"featured_media":1946,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[19,519],"tags":[898,520,897],"class_list":{"0":"post-1945","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-news","8":"category-ii","9":"tag-algoritmo","10":"tag-inteligencia-artificial","11":"tag-lectura-de-la-mente"},"_links":{"self":[{"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/posts\/1945","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/comments?post=1945"}],"version-history":[{"count":1,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/posts\/1945\/revisions"}],"predecessor-version":[{"id":1947,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/posts\/1945\/revisions\/1947"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/media\/1946"}],"wp:attachment":[{"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/media?parent=1945"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/categories?post=1945"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/planeta21vek.ru\/isp\/wp-json\/wp\/v2\/tags?post=1945"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}