Las dificultades de leer la mente a través de las señales cerebrales

¿Es posible leer la mente de una persona analizando las señales eléctricas de su cerebro? La respuesta podría ser mucho más compleja de lo que la mayoría de la gente cree.

Unos investigadores de la Universidad de Purdue, que trabajan en la intersección entre la inteligencia artificial y la neurociencia, dicen que un destacado conjunto de datos utilizado para tratar de responder a esta pregunta es confuso, y por lo tanto muchos resultados sorprendentes que se basaron en este conjunto de datos y recibieron un reconocimiento de alto perfil son falsos después de todo.

El equipo de Purdue realizó extensas pruebas durante más de un año en el citado conjunto de datos, los cuales examinaban la actividad cerebral de ciertos individuos que participaron en un estudio en el que observaban una serie de imágenes. Cada individuo llevaba un gorro con docenas de electrodos mientras veía las imágenes.

El trabajo del equipo de Purdue se ha publicado en la revista IEEE Transactions on Pattern Analysis and Machine Intelligence.

"Esta técnica de medición, conocida como electroencefalografía o EEG, puede proporcionar información sobre la actividad cerebral que, en principio, podría utilizarse para leer las mentes", dijo Jeffrey Mark Siskind, profesor de ingeniería eléctrica y computacional en el Colegio de Ingeniería de Purdue. "El problema es que usaron el EEG de tal manera que el conjunto de datos en sí estaba contaminado. El estudio se llevó a cabo sin aleatorizar el orden de las imágenes, por lo que los investigadores pudieron saber qué imagen se estaba viendo con solo leer la información de tiempo y orden contenida en el EEG, en lugar de resolver el verdadero problema de decodificar la percepción visual de las ondas cerebrales".

En esta foto, un participante de la investigación lleva un gorro de EEG con electrodos. (Foto: Chris Adam/Purdue University)

Los investigadores de Purdue comenzaron originalmente a cuestionar el conjunto de datos cuando no pudieron obtener resultados similares a partir de sus propias pruebas. Fue entonces cuando comenzaron a analizar los resultados anteriores y determinaron que la falta de aleatoriedad contaminaba el conjunto de datos.

"Este es uno de los desafíos de trabajar en áreas de investigación interdisciplinaria", dijo Hari Bharadwaj, profesor asistente en el Colegio de Ingeniería y el Colegio de Salud y Ciencias Humanas de Purdue. "Las cuestiones científicas importantes a menudo exigen un trabajo interdisciplinario. El problema es que, a veces, los investigadores formados en un campo no son conscientes de las dificultades comunes que pueden surgir al aplicar sus ideas a otro. En este caso, el trabajo previo parece haber sufrido una desconexión entre los científicos de la inteligencia artificial y el aprendizaje automático, y los escollos que son bien conocidos por los neurocientíficos".

El equipo de Purdue revisó las publicaciones que utilizaron el conjunto de datos para tareas como la clasificación de objetos, el aprendizaje por transferencia y la generación de imágenes que representan la percepción y el pensamiento humanos utilizando representaciones derivadas del cerebro y medidas a través de electroencefalogramas (EEG),

"La pregunta de si alguien puede leer la mente de otra persona a través de la actividad cerebral eléctrica es muy válida", dijo Ronnie Wilbur, profesor en el Colegio de Salud y Ciencias Humanas y el Colegio de Artes Liberales de Purdue. "Nuestra investigación muestra que se necesita un mejor enfoque". (Fuente: NCYT Amazings)