Una IA que lee pensamientos reconstruye la imagen exacta que una persona está viendo a partir de su escáner cerebral. Y también funciona al revés: el mismo modelo predice qué actividad neuronal aparecerá en el cerebro ante una fotografía concreta. El trabajo lo firma un equipo del Instituto Weizmann de Ciencias, en Rehovot (Israel), liderado por la informática Michal Irani, y se presentó en septiembre en la conferencia Cognitive Computational Neuroscience de Nueva York. Los resultados, según quienes los han revisado sin participar en ellos, están por delante de todo lo publicado hasta ahora.
Dos ramas y un modelo de difusión para adivinar lo que miras
Durante años, los neurocientíficos han intentado traducir las señales de una resonancia magnética funcional (fMRI) en imágenes reconocibles. Los primeros intentos producían manchas borrosas, apenas un borrón de colores. La mejora llegó por dos vías paralelas: escáneres con mayor resolución, y algoritmos mucho más potentes.
Irani y su grupo partieron de datos públicos. Ocho voluntarios habían visto cada uno alrededor de 9.000 imágenes tumbados dentro de un escáner de alta resolución. En los aparatos habituales, cada vóxel activo abarca unos tres milímetros cúbicos y reúne unas 16.000 neuronas; aquí la resolución bajaba a un milímetro cúbico.
Con ese material entrenaron un decodificador de dos ramas. La primera predice la estructura de la imagen, dónde está cada color. La segunda predice su contenido, por ejemplo un racimo de plátanos sobre un plato. Ambas alimentan después un modelo de difusión, la misma familia de IA que genera vídeo e imagen limpiando un caos de píxeles, hasta producir una versión muy fiel de lo que la persona había visto.
El problema era la falta de datos. Nadie tiene millones de pares imagen-cerebro. Así que el equipo entrenó un segundo modelo, un codificador capaz de hacer lo contrario: predecir la actividad neuronal a partir de una imagen. Con el codificador y el decodificador emparejados, los investigadores empezaron a fabricar datos sintéticos a voluntad. El sistema genera el escáner que produciría un leopardo, reconstruye la imagen y compara. El bucle se repite hasta que el resultado se parece al animal original. Alrededor del 70% del entrenamiento acabó usando imágenes que jamás se mostraron a una persona real dentro de un escáner.
El mismo sistema que aprende a leer la imagen que alguien mira puede predecir, a la inversa, la actividad que esa imagen despertará en su cerebro.
Una hora de escáner en lugar de cuarenta
El salto práctico está en la calibración. Hasta ahora, adaptar un decodificador a un cerebro nuevo exigía unas 40 horas de resonancia. El codificador universal de Irani lo consigue con una sola hora. La diferencia no es trivial: cada hora de fMRI cuesta entre 600 y 1.000 dólares, según recuerda el neurocientífico Tommy Sprague, de la Universidad de California en Santa Bárbara. Ningún laboratorio puede permitirse gastar ese presupuesto en cada sujeto nuevo.
No todo son aciertos. Irani admite los fallos sin rodeos. Una tarta se reconstruyó como una pila de tres sándwiches. Un perro dentro de una bañera apareció convertido en una cabra de tonos parecidos, también dentro de una bañera. Son errores que revelan cómo trabaja el modelo: captura bien la escena y el color dominante, pero a veces confunde el objeto.
Al comparar datos de varios estudios, el equipo identificó además regiones cerebrales que parecen compartir función entre todas las personas. Una respondía sobre todo a imágenes de comida. Otra, a imágenes de deporte. Ese mapa común ayuda a explicar por qué un mismo modelo puede funcionar en cerebros distintos con tan poco ajuste previo.
El cerebro compartido y la frontera de la privacidad mental
La neuroética lleva años preguntándose qué ocurre cuando una máquina puede asomarse a la mente. Judy Illes, especialista en neuroética de la Universidad de Columbia Británica, califica el trabajo de magnífico y subraya su potencial terapéutico. Ninguno de los investigadores que lo elogian ignora el reverso.
Tommy Sprague, neurocientífico de la Universidad de California en Santa Bárbara, resume la inquietud: si existe una forma de extraer en secreto lo que alguien imagina, 150 años de ciencia ficción podrían cumplirse en cualquier momento. Marcello Ienca, neurocientífico y filósofo de la Universidad Técnica de Múnich, va un paso más allá. Trasladar este enfoque a la electroencefalografía sería un cambio de juego, advierte: un dispositivo EEG calibrado para una persona concreta podría extraer información adicional de su cerebro, incluso sin su consentimiento.
El hallazgo, eso sí, aún no ha pasado por el filtro de la revisión por pares: la presentación fue en una conferencia, no en una revista, y buena parte del entrenamiento se apoya en datos sintéticos generados por el propio modelo. Eso no invalida el resultado —otros grupos lo sitúan por delante del estado del arte—, pero sí obliga a leerlo como un avance prometedor, no cerrado.
El siguiente paso apunta más lejos. La investigadora quiere pasar de las imágenes al vídeo y al audio, y después a algo mucho más esquivo: reconstruir lo que una persona piensa o imagina, y el contenido de sus sueños. La aplicación más citada es la comunicación de pacientes con síndrome de enclaustramiento, personas totalmente paralizadas que conservan la conciencia. Otra, más clínica, consiste en visualizar cómo se manifiesta un recuerdo traumático en el cerebro. Esa parte aún no existe, aunque el equipo trabaja para alcanzarla.
🔬 Ficha del Descubrimiento
- Qué se ha descubierto: Un modelo de IA reconstruye con alta fidelidad la imagen que una persona está viendo a partir de su escáner cerebral y predice su actividad neuronal con una sola hora de calibración.
- Dónde: Instituto Weizmann de Ciencias, en Rehovot (Israel); presentado en la conferencia Cognitive Computational Neuroscience, en Nueva York.
- Institución responsable: Instituto Weizmann de Ciencias, equipo liderado por la informática Michal Irani. Resultado presentado en congreso, pendiente de revisión por pares.
- Cuándo: Presentado en septiembre de 2026.
- Impacto a futuro: Acerca interfaces cerebro-máquina capaces de devolver la comunicación a pacientes paralizados y abre el debate sobre la privacidad mental.
