Redes neuronales traducen pensamientos directamente en palabras

En una primicia científica, neuroingenieros de la Universidad de Columbia han creado un sistema que traduce el pensamiento en un discurso inteligible y reconocible.

Al monitorear la actividad cerebral, la tecnología puede reconstruir las palabras que una persona construye en su mente con una claridad sin precedentes.

Este avance, que aprovecha el poder de los sintetizadores de voz y la inteligencia artificial, podría llevar a nuevas formas para que las computadoras se comuniquen directamente con el cerebro.

También sienta las bases para ayudar a las personas que no pueden hablar, --como las que viven con esclerosis lateral amiotrófica (ELA) o que se están recuperando de un derrame cerebral-- a recobrar su capacidad de comunicarse con el mundo exterior.

Los hallazgos fueron publicados en Scientific Reports este 29 de enero.

"Nuestras voces nos ayudan a conectarnos con nuestros amigos, familiares y con el mundo que nos rodea, por lo que perder el poder de la voz debido a una lesión o enfermedad es devastador", dijo Nima Mesgarani, autor principal del artículo e investigador principal en el Instituto de comportamiento mental cerebral Mortimer B. Zuckerman de la Universidad de Columbia. "Con el nuevo estudio, tenemos una forma potencial de restaurar ese poder. Hemos demostrado que, con la tecnología correcta, los pensamientos de estas personas pueden ser descifrados y entendidos por cualquier oyente".

Décadas de investigación han demostrado que cuando las personas hablan, o incluso se imaginan hablando, aparecen en su cerebro patrones reveladores de actividad. Un patrón de señales distinto (pero reconocible) también emerge cuando escuchamos a alguien hablar, o imaginamos escuchar. Los expertos, que tratan de registrar y decodificar estos patrones, ven un futuro en el que los pensamientos no tienen que permanecer ocultos dentro del cerebro, sino que pueden traducirse a voz verbal a voluntad.

Pero lograr esta hazaña ha resultado ser un desafío. Los primeros esfuerzos para descodificar las señales cerebrales de Mesgarani y otros se centraron en modelos computacionales simples que analizaban espectrogramas, que son representaciones visuales de frecuencias de sonido.

Pero debido a que este enfoque no ha logrado producir nada que se parezca al habla inteligible, el equipo recurrió a un 'vocoder', un algoritmo de computadora que puede sintetizar el habla tras recibir capacitación sobre las grabaciones de personas que hablan.

"Esta es la misma tecnología utilizada por Amazon Echo y Apple Siri para dar respuestas verbales a nuestras preguntas", dijo Mesgarani, quien también es profesor asociado de ingeniería eléctrica en la Escuela de Ingeniería y Ciencias Aplicadas de la Fundación Fu de Columbia.

Para enseñar al vocoder a interpretar la actividad cerebral, el Mesgarani formó un equipo con Ashesh Dinesh Mehta, neurocirujano del Instituto de Neurociencia de Northwell Health Physician Partners, que trata a pacientes con epilepsia, algunos de los cuales deben someterse a cirugías regulares.

"Trabajando con el Dr. Mehta, les pedimos a los pacientes con epilepsia que ya se sometieron a una cirugía cerebral que escucharan las oraciones pronunciadas por diferentes personas, mientras medíamos los patrones de actividad cerebral", dijo Mesgarani. "Estos patrones neurales entrenaron al vocoder".

Luego, los investigadores les pidieron a esos mismos pacientes que escuchasen a los oradores recitando dígitos entre 0 y 9, mientras registran las señales cerebrales que luego podrían ejecutarse a través del vocoder. El sonido producido por el vocoder en respuesta a esas señales fue analizado y limpiado por redes neuronales, un tipo de inteligencia artificial que imita la estructura de las neuronas en el cerebro biológico.

El resultado final fue una voz de sonido robótico que recitaba una secuencia de números. Para probar la precisión de la grabación, Mesgarani y su equipo encargaron a las personas que escucharan la grabación e informaran lo que escucharon.

"Encontramos que las personas podían entender y repetir los sonidos aproximadamente el 75% del tiempo, lo que está muy por encima y más allá de cualquier intento anterior", dijo Mesgarani. La mejora en la inteligibilidad fue especialmente evidente al comparar las nuevas grabaciones con los intentos anteriores basados en espectrogramas. "El sensible vocoder y las poderosas redes neuronales representaban los sonidos que los pacientes habían escuchado originalmente con sorprendente precisión".

Mesgarani y su equipo planean probar palabras y oraciones más complicadas a continuación, y quieren realizar las mismas pruebas en las señales cerebrales emitidas cuando una persona habla o imagina hablar. En última instancia, esperan que su sistema pueda ser parte de un implante, similar a los que usan algunos pacientes con epilepsia, que traduce los pensamientos del portador directamente en palabras.

"En este escenario, si el usuario piensa 'Necesito un vaso de agua', nuestro sistema podría tomar las señales cerebrales generadas por ese pensamiento y convertirlas en un discurso verbal sintetizado", dijo Mesgarani. "Esto sería un cambio de juego. Le daría a cualquier persona que haya perdido la capacidad de hablar, ya sea por una lesión o enfermedad, la oportunidad renovada de conectarse con el mundo que los rodea".