Una interfaz cerebro-computadora tiene un problema que no aparece en las demostraciones: el cerebro cambia. Las señales eléctricas que producen las neuronas no son exactamente iguales cada día y tampoco lo son las que registran los electrodos. Por eso, un sistema que aprende a interpretar la intención de una persona puede necesitar ajustes periódicos para seguir haciéndolo, como un reloj que se actualiza dependiendo del uso horario en el que estemos.
Ahora Neuralink, la empresa de Elon Musk especializada en implantes cerebrales, asegura haber encontrado una forma de reducir ese problema. Los participantes de sus ensayos clínicos han utilizado sus implantes durante más de 50.000 horas, acumulando uno de los mayores conjuntos de datos de actividad neuronal intracortical reunidos hasta ahora. Y son esos registros precisamente, lo que han utilizado para preentrenar un modelo de inteligencia artificial destinado a interfaces cerebro-computadora.
La idea es sencilla. Hasta ahora, el sistema necesitaba sesiones de calibración en las que aprendía qué patrones de actividad cerebral correspondían a determinadas acciones, como mover un cursor. Para ello Neuralink ha utilizado miles de horas de actividad cerebral sin etiquetar para que un modelo aprenda primero cuáles son los patrones habituales de las señales neuronales. Después, ese conocimiento puede ayudar al decodificador a interpretar las intenciones del usuario aunque las señales cambien con el tiempo. El modelo utiliza aprendizaje autosupervisado para transformar las señales eléctricas asociadas a la actividad de las neuronas, en representaciones más estables. Gracias a ello algunos decodificadores pueden mantenerse operativos durante semanas en lugar de días y que, para algunos participantes, la calibración ha pasado de unos diez minutos diarios a unos diez minutos semanales.
Pero el anuncio incluye otra cifra que resulta más difícil de interpretar: 11,32 bits por segundo. No es una velocidad. El cursor no se desplaza 11,32 píxeles ni 11,32 centímetros cada segundo. En una interfaz cerebro-computadora, los bits por segundo son una medida de la cantidad de información que el usuario consigue transmitir al ordenador durante una tarea determinada. Para calcularla se tiene en cuenta, entre otras cosas, la rapidez y la precisión con la que consigue seleccionar objetivos.
Imaginemos una pantalla llena de botones. Si una persona puede indicar rápidamente cuál quiere seleccionar y apenas comete errores, está transmitiendo más información por segundo que si necesita mucho tiempo para encontrarlo o se equivoca con frecuencia. Los bits/s condensan ese rendimiento en una cifra. Por eso, los 11,32 bits/s de Neuralink dicen algo sobre la capacidad de control de la interfaz, no sobre la velocidad con la que se mueve físicamente el cursor. El participante identificado como P15 alcanzó 11,32 bits/s, según Neuralink, lo que, en términos sencillos, sería equivalente a elegir correctamente un color entre unas 2.500 posibilidades. La empresa de Musk asegura que la nueva cifra supera el rendimiento de la mayoría de las personas sin discapacidad, aunque esa comparación procede de Neuralink y no ha sido verificada de forma independiente.
Hay otro resultado que quizá sea más importante para el uso cotidiano. Neuralink ha mostrado los llamados “cursores teletransportados”: en lugar de desplazar el puntero por toda la pantalla, el sistema intenta identificar directamente el objetivo que la persona quiere seleccionar y lleva allí el cursor. Es una demostración de hacia dónde apunta el desarrollo de estas interfaces: que el ordenador interprete la intención en lugar de exigir al usuario que controle cada pequeño movimiento.
Conviene poner una última cifra en contexto. Las 50.000 horas son datos acumulados durante el uso real de los implantes por participantes de los ensayos; los 11,32 bits/s, en cambio, corresponden al resultado de una prueba concreta de control de cursor. No son dos medidas equivalentes ni representan la misma cosa. Y los resultados han sido comunicados por Neuralink en una actualización técnica, no en un estudio independiente revisado por pares.
Pero juntos cuentan una historia interesante. Durante años, las interfaces cerebro-computadora han intentado enseñar a una máquina a traducir la actividad neuronal en órdenes para un ordenador. Neuralink está intentando ahora utilizar miles de horas de funcionamiento para que la propia máquina aprenda cómo cambia ese lenguaje con el tiempo. El objetivo final quizá no sea conseguir que una persona mueva un cursor con el pensamiento. Eso ya es posible. El objetivo inmediato de Neuralink es hacer que una interfaz cerebro-computadora sea más estable y universal. Pero si su modelo fundacional consigue aprender patrones neuronales a una escala mucho mayor, el proyecto podría convertirse en algo más ambicioso y coherente con las intenciones de Elon Musk respecto a la inteligencia artificial: podría estar enseñándole a una IA cómo habla el cerebro.
La información permite estabilizar las señales de sus implantes y reducir la necesidad de reducir la calibración a lo largo del tiempo. Pero hay más…
Una interfaz cerebro-computadora tiene un problema que no aparece en las demostraciones: el cerebro cambia. Las señales eléctricas que producen las neuronas no son exactamente iguales cada día y tampoco lo son las que registran los electrodos. Por eso, un sistema que aprende a interpretar la intención de una persona puede necesitar ajustes periódicos para seguir haciéndolo, como un reloj que se actualiza dependiendo del uso horario en el que estemos.
Ahora Neuralink, la empresa de Elon Musk especializada en implantes cerebrales, asegura haber encontrado una forma de reducir ese problema. Los participantes de sus ensayos clínicos han utilizado sus implantes durante más de 50.000 horas, acumulando uno de los mayores conjuntos de datos de actividad neuronal intracortical reunidos hasta ahora. Y son esos registros precisamente, lo que han utilizado para preentrenar un modelo de inteligencia artificial destinado a interfaces cerebro-computadora.
La idea es sencilla. Hasta ahora, el sistema necesitaba sesiones de calibración en las que aprendía qué patrones de actividad cerebral correspondían a determinadas acciones, como mover un cursor. Para ello Neuralink ha utilizado miles de horas de actividad cerebral sin etiquetar para que un modelo aprenda primero cuáles son los patrones habituales de las señales neuronales. Después, ese conocimiento puede ayudar al decodificador a interpretar las intenciones del usuario aunque las señales cambien con el tiempo. El modelo utiliza aprendizaje autosupervisado para transformar las señales eléctricas asociadas a la actividad de las neuronas, en representaciones más estables. Gracias a ello algunos decodificadores pueden mantenerse operativos durante semanas en lugar de días y que, para algunos participantes, la calibración ha pasado de unos diez minutos diarios a unos diez minutos semanales.
Pero el anuncio incluye otra cifra que resulta más difícil de interpretar: 11,32 bits por segundo. No es una velocidad. El cursor no se desplaza 11,32 píxeles ni 11,32 centímetros cada segundo. En una interfaz cerebro-computadora, los bits por segundo son una medida de la cantidad de información que el usuario consigue transmitir al ordenador durante una tarea determinada. Para calcularla se tiene en cuenta, entre otras cosas, la rapidez y la precisión con la que consigue seleccionar objetivos.
Imaginemos una pantalla llena de botones. Si una persona puede indicar rápidamente cuál quiere seleccionar y apenas comete errores, está transmitiendo más información por segundo que si necesita mucho tiempo para encontrarlo o se equivoca con frecuencia. Los bits/s condensan ese rendimiento en una cifra. Por eso, los 11,32 bits/s de Neuralink dicen algo sobre la capacidad de control de la interfaz, no sobre la velocidad con la que se mueve físicamente el cursor. El participante identificado como P15 alcanzó 11,32 bits/s, según Neuralink, lo que, en términos sencillos, sería equivalente a elegir correctamente un color entre unas 2.500 posibilidades. La empresa de Musk asegura que la nueva cifra supera el rendimiento de la mayoría de las personas sin discapacidad, aunque esa comparación procede de Neuralink y no ha sido verificada de forma independiente.
Hay otro resultado que quizá sea más importante para el uso cotidiano. Neuralink ha mostrado los llamados “cursores teletransportados”: en lugar de desplazar el puntero por toda la pantalla, el sistema intenta identificar directamente el objetivo que la persona quiere seleccionar y lleva allí el cursor. Es una demostración de hacia dónde apunta el desarrollo de estas interfaces: que el ordenador interprete la intención en lugar de exigir al usuario que controle cada pequeño movimiento.
Conviene poner una última cifra en contexto. Las 50.000 horas son datos acumulados durante el uso real de los implantes por participantes de los ensayos; los 11,32 bits/s, en cambio, corresponden al resultado de una prueba concreta de control de cursor. No son dos medidas equivalentes ni representan la misma cosa. Y los resultados han sido comunicados por Neuralink en una actualización técnica, no en un estudio independiente revisado por pares.
Pero juntos cuentan una historia interesante. Durante años, las interfaces cerebro-computadora han intentado enseñar a una máquina a traducir la actividad neuronal en órdenes para un ordenador. Neuralink está intentando ahora utilizar miles de horas de funcionamiento para que la propia máquina aprenda cómo cambia ese lenguaje con el tiempo. El objetivo final quizá no sea conseguir que una persona mueva un cursor con el pensamiento. Eso ya es posible. El objetivo inmediato de Neuralink es hacer que una interfaz cerebro-computadora sea más estable y universal. Pero si su modelo fundacional consigue aprender patrones neuronales a una escala mucho mayor, el proyecto podría convertirse en algo más ambicioso y coherente con las intenciones de Elon Musk respecto a la inteligencia artificial: podría estar enseñándole a una IA cómo habla el cerebro.
Noticias de Tecnología y Videojuegos en La Razón
