Redacción NM
Los científicos han leído las señales en el cerebro de las aves, en un avance que podría ayudar a desarrollar prótesis para humanos que han perdido la capacidad de hablar.
En el estudio, los implantes de silicio registraron la activación de las células cerebrales a medida que los pinzones cebra adultos machos pasaban por su repertorio completo de canciones.
Alimentar las señales cerebrales a través de la inteligencia artificial permitió al equipo de la Universidad de California en San Diego predecir qué cantarían los pájaros a continuación.
El avance abre la puerta a nuevos dispositivos que podrían usarse para convertir los pensamientos de las personas que no pueden hablar en palabras reales habladas por primera vez.
Los implantes de última generación actuales permiten al usuario generar texto a una velocidad de aproximadamente 20 palabras por minuto, pero esta técnica podría permitir una «nueva voz» completamente natural.
El coautor del estudio, Timothy Gentner, dijo que imaginó una prótesis vocal para quienes no tenían voz, que les permitía comunicarse de forma natural con el habla.
Ilustración del flujo de trabajo experimental. Mientras un pinzón cebra macho canta su canción, que consta de la secuencia «1, 2, 3», piensa en la siguiente sílaba que cantará («4»).
En el estudio, los implantes de silicio registraron la activación de las células cerebrales a medida que los pinzones cebra adultos machos pasaban por su repertorio completo de canciones. Imagen de archivo
El primer autor, Daril Brown, estudiante de doctorado en ingeniería informática, dijo que el trabajo con cerebros de aves «prepara el escenario para el objetivo más amplio» de dar voz a los que no tienen voz.
«Estamos estudiando el canto de los pájaros de una manera que nos ayudará a dar un paso más hacia la ingeniería de una interfaz cerebro-máquina para la vocalización y la comunicación».
El canto de los pájaros y el habla humana comparten muchas características, incluido el hecho de que ambos son comportamientos aprendidos y son más complejos que otros ruidos de animales.
Con las señales provenientes de los cerebros de las aves, el equipo se centró en un conjunto de señales eléctricas llamadas «potenciales de campo local».
Estos son necesarios para aprender y producir canciones.
Ya se han estudiado mucho en humanos y se utilizaron para predecir el comportamiento vocal de los pinzones cebra.
El co-líder del proyecto, el profesor Vikash Gilja, dijo: “Nuestra motivación para explorar los potenciales del campo local fue que la mayor parte del trabajo humano complementario para el desarrollo de prótesis del habla se ha centrado en este tipo de señales.
En este artículo mostramos que hay muchas similitudes en este tipo de señalización entre el pinzón cebra y los humanos, así como otros primates.
«Con estas señales podemos empezar a decodificar la intención del cerebro de generar el habla».
Diferentes características traducidas en ‘sílabas’ específicas del canto del pájaro, que muestran cuándo ocurrirán, y permiten algoritmos predictivos.
«Con este sistema, podemos predecir con alta fidelidad el inicio del comportamiento vocal de un pájaro cantor: qué secuencia va a cantar el pájaro y cuándo lo va a cantar», explicó Brown.
Incluso anticiparon variaciones en la secuencia de la canción, hasta la sílaba.
El co-líder del proyecto, el profesor Timothy Gentner, dijo: « A largo plazo, queremos utilizar el conocimiento detallado que estamos obteniendo del cerebro del pájaro cantor para desarrollar una prótesis de comunicación que pueda mejorar la calidad de vida de los seres humanos que sufren una variedad de enfermedades y trastornos. ‘
Se puede construir en un conjunto repetido de cuatro, por ejemplo, y de vez en cuando cambiar a cinco o tres. Los cambios en las señales los revelaron.
Supongamos que el canto del pájaro se basa en un conjunto repetido de sílabas, «1, 2, 3, 4», y de vez en cuando la secuencia puede cambiar a algo como «1, 2, 3, 4, 5» o «1 , 2, 3. «
Las características de los potenciales de campo locales revelan estos cambios, encontraron los investigadores.
«Estas formas de variación son importantes para que podamos probar prótesis hipotéticas del habla, porque un humano no se limita a repetir una oración una y otra vez», dijo el profesor Gilja.
«Es emocionante que encontremos paralelos en las señales cerebrales que se registran y documentan en estudios de fisiología humana con nuestro estudio en pájaros cantores».
Las condiciones asociadas con la pérdida de las funciones del habla o del lenguaje van desde lesiones en la cabeza hasta demencia y tumores cerebrales.
El co-líder del proyecto, el profesor Timothy Gentner, dijo: « A largo plazo, queremos utilizar el conocimiento detallado que estamos obteniendo del cerebro del pájaro cantor para desarrollar una prótesis de comunicación que pueda mejorar la calidad de vida de los seres humanos que sufren una variedad de enfermedades y trastornos. .
El fundador de SpaceX, Elon Musk, y el director ejecutivo de Facebook, Mark Zuckerberg, están trabajando actualmente en dispositivos de lectura del cerebro que permitirán que los textos se envíen mediante el pensamiento.
El estudio está en Biología Computacional PLoS.
CÓMO APRENDEN LAS INTELIGENCIAS ARTIFICIALES UTILIZANDO LAS REDES NEURALES
Los sistemas de inteligencia artificial se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender.
Se puede entrenar a las ANN para que reconozcan patrones en la información, incluidos el habla, los datos de texto o las imágenes visuales, y son la base de una gran cantidad de desarrollos en IA en los últimos años.
La IA convencional utiliza información para «enseñar» un algoritmo sobre un tema en particular al alimentarlo con grandes cantidades de información.
Los sistemas de inteligencia artificial se basan en redes neuronales artificiales (ANN), que intentan simular la forma en que funciona el cerebro para aprender. Se puede entrenar a las RNA para que reconozcan patrones en la información, incluyendo voz, datos de texto o imágenes visuales.
Las aplicaciones prácticas incluyen los servicios de traducción de idiomas de Google, el software de reconocimiento facial de Facebook y los filtros en vivo que alteran la imagen de Snapchat.
El proceso de ingresar estos datos puede llevar mucho tiempo y está limitado a un tipo de conocimiento.
Una nueva generación de RNA llamada Redes neuronales adversas enfrenta el ingenio de dos robots de IA entre sí, lo que les permite aprender unos de otros.
Este enfoque está diseñado para acelerar el proceso de aprendizaje, así como para refinar el resultado creado por los sistemas de IA.
