Durante varios años, los implantes propuestos por Elon Musk para conectar el cerebro a un ordenador, Neuralink, se han llevado gran parte de la prensa por sus resultados. Pero ahora ha surgido un contendiente: MarkZuckerberg.

Como se detalla en estudios publicados por Meta, los autores utilizaron un escáner cerebral de última generación y un modelo de inteligencia artificial de aprendizaje profundo para interpretar las señales neuronales de las personas mientras escribían, adivinando qué teclas estaban presionando con una precisión lo suficientemente alta como para permitirles reconstruir oraciones completas.

Pero no esperes que el artilugio potencialmente revolucionario llegue al mercado... nunca. Esto se debe a que la plataforma está construida sobre un escáner de magnetoencefalografía prohibitivamente grande y costoso, que detecta las señales magnéticas en el cerebro. La ventaja es que puede escudriñar tu mente sin tener que colocar un dispositivo, como una interfaz cerebro-computadora, dentro de tu cráneo, un método invasivo que prefieren otras técnicas de tipificación mental.

El problema es que es tan difícil de manejar como una máquina de resonancia magnética, pesa alrededor de media tonelada y cuesta 2 millones de euros. No solo eso, sino que el escáner únicamente puede funcionar en una habitación protegida que amortigua el campo magnético de la Tierra, que de otro modo impediría que nuestras débiles señales cerebrales fueran detectadas. Y mientras se utiliza, el sujeto no puede mover la cabeza en absoluto, o la señal se estropea.

Así, los condicionantes son muchos y demasiado importantes como para permitir que el dispositivo se comercialice. Y, sin embargo, es un logro innegablemente impresionante, y Meta cree que puede utilizar lo aprendido aquí para darle una ventaja en el desarrollo de otros modelos de IA.

“Intentar comprender la arquitectura o los principios precisos del cerebro humano podría ser una forma de informar el desarrollo de la inteligencia artificial. Ese es el camino”, señala Jean-Rémi King, líder del equipo Brain & AI de Meta.

Según el estudio, el sistema es capaz de detectar correctamente qué teclas pulsa un mecanógrafo experto hasta el 80 % de las veces. Eso no es perfecto, pero es lo suficientemente preciso como para construir oraciones completas a partir de señales cerebrales, según el equipo de King. Pero la tasa de éxito aumenta mediante el sistema de aprendizaje profundo de Meta llamado Brain2Qwerty, que puede aprender qué teclas está presionando un usuario después de observarlo durante varios miles de pulsaciones.

Aun así, no es probable que el sistema de Meta proporcione una vía directa a las aplicaciones prácticas de la tecnología. Sin embargo, los autores están entusiasmados, ya que lo que han descubierto parece confirmar la teoría de que nuestra mente forma señales lingüísticas de manera jerárquica, lo que podría ser un “santo grial” para la investigación en IA.

“El lenguaje se ha convertido en la base de la IA – concluye King - . Por lo tanto, los principios computacionales que permiten que el cerebro, o cualquier sistema, adquiera dicha capacidad son la motivación clave detrás de este trabajo”.