Una computadora podría leer tu pensamiento si estás dispuesto a quedarte completamente quieto durante 16 horas dentro de un tubo de metal grande y permitir que los imanes bombardeen tu cerebro mientras escuchas podcasts populares.
Como mínimo, sus contornos toscos. En un estudio reciente, los investigadores de la Universidad de Texas en Austin entrenaron un modelo de IA para comprender la idea principal de una pequeña cantidad de frases como lo hicieron los oyentes, lo que apunta a un futuro cercano en el que la inteligencia artificial puede ayudarnos a comprender mejor cómo piensan los humanos.
Los episodios fueron Modern Love, The Moth Radio Hour y The Anthropocene Reviewed, y el programa examinó imágenes de resonancia magnética funcional de personas que escuchaban, o simplemente recordaban, oraciones de esos tres programas. Luego, el contenido de esas oraciones se reconstruyó utilizando los datos de imágenes cerebrales. Por ejemplo, cuando un sujeto escuchó “Todavía no tengo mi licencia de conducir”, el algoritmo analizó los escáneres cerebrales de la persona y devolvió “Ni siquiera ha comenzado a aprender a conducir todavía”, no es una réplica exacta del texto original. sino una aproximación cercana a la idea transmitida. Además, el programa pudo analizar datos de fMRI de usuarios que vieron cortometrajes y proporcionar aproximaciones de resúmenes para escenas particulares, proporcionando evidencia de que la IA no estaba simplemente extrayendo palabras de los escáneres cerebrales sino también significados subyacentes.
Los resultados, que se publicaron en Nature Neuroscience a principios de este mes, contribuyen a una nueva área de estudio que cambia la noción aceptada de IA. Los investigadores han utilizado ideas del cerebro humano para construir dispositivos inteligentes durante muchos años. Las capas de “neuronas” artificiales, una colección de ecuaciones que actúan como células nerviosas al enviarse resultados entre sí, son la base de programas como ChatGPT, Midjourney y más contemporáneos. clonación de voz software. A pesar de que el diseño de los programas informáticos “inteligentes” se ha visto influido durante mucho tiempo por la cognición humana, muchas cosas sobre cómo funciona realmente nuestro cerebro siguen siendo un misterio. En un cambio de esa estrategia, los investigadores ahora buscan comprender mejor la mente mediante el estudio de las redes neuronales sintéticas en lugar de las biológicas. La científica cognitiva del MIT Evelina Fedorenko dice que “sin duda está conduciendo a avances que no podíamos imaginar hace unos años”.
La supuesta capacidad de leer la mente del programa de inteligencia artificial ha generado controversia en las redes sociales y en la prensa. Sin embargo, ese elemento de la investigación es “más un truco de salón”, según Alexander Huth, neurólogo de UT Austin y autor principal del artículo de Nature. La mayoría de las técnicas de escaneo cerebral producen datos de resolución extremadamente baja, y los modelos utilizados en este estudio fueron relativamente imprecisos y personalizados para cada participante individualmente. Como resultado, todavía estamos muy lejos de desarrollar un programa que pueda conectarse al cerebro de cualquier persona y comprender lo que está pensando. La importancia esencial de este trabajo radica en anticipar qué regiones del cerebro se activan al escuchar o visualizar palabras, lo que puede proporcionar una comprensión más profunda de las formas precisas en que nuestras neuronas cooperan para producir el lenguaje, una de las características definitorias de la humanidad.
Según Huth, el logro de crear un programa que pueda recrear con precisión el significado de las palabras sirve en gran medida como “prueba de principio de que estos modelos realmente capturan mucho sobre cómo el cerebro procesa el lenguaje”. Los neurocientíficos y los lingüistas dependían de descripciones verbales de la red de lenguaje del cerebro que eran vagas y difíciles de conectar directamente con la actividad cerebral observable antes de esta incipiente revolución de la IA. Era difícil o incluso imposible verificar las teorías sobre las funciones lingüísticas precisas de las que podrían estar a cargo varias regiones del cerebro, y mucho menos la cuestión fundamental de cómo el cerebro aprende un idioma. (Quizás un área es responsable del reconocimiento de sonido, otra de la sintaxis, etc.). Pero ahora que se han desarrollado modelos de IA, los científicos pueden definir con mayor precisión lo que implican esos procesos. Según Jerry Tang, el segundo autor principal del estudio y científico informático en UT Austin, las ventajas podrían ir más allá de las preocupaciones académicas, por ejemplo, ayudar a las personas con discapacidades particulares. Me explicó: “Nuestro objetivo final es ayudar a restaurar la comunicación a las personas que han perdido la capacidad de hablar”.
Ha habido una oposición significativa a la noción de que la IA puede ayudar a la investigación del cerebro, particularmente entre los neurocientíficos con orientación lingüística. Eso se debe a que las redes neuronales, que son excelentes para identificar patrones estadísticos, no parecen poseer componentes fundamentales de cómo las personas interpretan el lenguaje, como la comprensión del significado de las palabras. También tiene sentido intuitivo cómo la cognición humana difiere de la de las máquinas: un software como GPT-4 aprende analizando terabytes de datos de libros y sitios web, mientras que los niños solo aprenden un idioma con una pequeña fracción de esa cantidad de palabras. GPT-4 puede redactar ensayos decentes y desempeñarse excepcionalmente bien en las pruebas estandarizadas. El neurocientífico Jean-Rémi King me informó sobre su investigación de finales de la década de 2000: “Los maestros nos advirtieron que las redes neuronales artificiales realmente no son lo mismo que las redes neuronales biológicas. En pocas palabras, esto era una metáfora. King es uno de los muchos expertos que ahora dirige la investigación de Meta sobre el cerebro y la IA y desafía esa noción anticuada. “No pensamos en esto como una metáfora”, me dijo. Vemos la inteligencia artificial como un modelo muy útil de cómo el cerebro procesa la información.
Se ha demostrado que el funcionamiento interno de los sofisticados programas de IA proporciona un modelo matemático prometedor de cómo nuestras mentes interpretan el lenguaje en los últimos años, según los científicos. La red neuronal subyacente de ChatGPT o un programa similar convierte las oraciones que escribe en una serie de números enteros. Los escaneos fMRI pueden registrar las respuestas de las neuronas de un sujeto a las mismas palabras, y una computadora puede interpretar esos escaneos como esencialmente otro conjunto de estadísticas. Para construir dos conjuntos de datos masivos, uno de cómo una máquina representa el lenguaje y otro para un ser humano, estas operaciones se repiten en innumerables frases. Luego, los investigadores pueden mapear la relación entre estos conjuntos de datos utilizando un enfoque llamado modelo de codificación. Una vez que se completa, el modelo de codificación puede comenzar a extrapolar: al usar la respuesta de la IA a una oración como guía, puede pronosticar cómo responderán las neuronas en el cerebro.
Parece que cada pocas semanas se publican nuevos estudios que emplean IA para examinar la red de lenguaje en el cerebro. Según Nancy Kanwisher, neuróloga del MIT, cada uno de estos modelos podría constituir “una hipótesis computacionalmente precisa sobre lo que podría estar pasando en el cerebro”. La IA, por ejemplo, podría proporcionar información sobre cuestiones pendientes como qué intenta hacer exactamente el cerebro humano mientras aprende un idioma, no solo que una persona está aprendiendo a hablar, sino los procesos neuronales precisos a través de los cuales se produce la comunicación. Se plantea la hipótesis de que si un modelo de computadora que se entrenó con un objetivo específico, como aprender a predecir la siguiente palabra en una secuencia o evaluar la coherencia gramatical de una oración, resulta ser el mejor para anticipar las respuestas cerebrales, es posible que la mente humana comparte ese objetivo. Quizás, como GPT-4, nuestras mentes funcionan averiguando qué palabras tienen más probabilidades de seguirse unas a otras. Así, se desarrolla una teoría computacional del cerebro a partir del funcionamiento interno de un modelo de lenguaje.
Hay varios debates y teorías opuestas porque estos métodos computacionales son muy nuevos. Francisco Pereira, director de aprendizaje automático del Instituto Nacional de Salud Mental, me dijo que no hay ninguna razón por la que la representación que aprendes de los modelos de lenguaje deba tener algo que ver con la forma en que el cerebro interpreta una oración. Sin embargo, no se sigue que una relación no pueda existir; hay otras formas de determinar si uno lo hace. Aunque los algoritmos de IA no son réplicas exactas del cerebro, son herramientas de investigación efectivas porque, a diferencia del cerebro, pueden diseccionarse, examinarse y modificarse prácticamente infinitamente. Por ejemplo, para determinar qué hacen esos grupos particulares de neuronas, los científicos cognitivos pueden probar cómo diferentes tipos de oraciones provocan diferentes tipos de respuestas cerebrales e intentar predecir las respuestas de regiones específicas del cerebro. “Y luego entrar en territorio desconocido”, dijo Greta Tuckute, experta en la relación entre el cerebro y el lenguaje en el MIT.
Por el momento, la IA podría no ser útil para replicar con precisión ese terreno neuronal desconocido, sino para crear heurísticas para hacerlo. Según Anna Ivanova, científica cognitiva del MIT, “si tienes un mapa que reproduce cada pequeño detalle del mundo, el mapa es inútil porque tiene el mismo tamaño que el mundo”. Estaba citando un cuento clásico de Borges. “Por lo tanto, se requiere abstracción”. Los científicos están comenzando a mapear la geografía lingüística del cerebro definiendo y evaluando qué guardar y descartar, eligiendo entre calles, puntos de referencia y edificios, y luego evaluando qué tan útil es el mapa resultante.
