{"id":16491,"date":"2023-06-01T16:51:52","date_gmt":"2023-06-01T19:51:52","guid":{"rendered":"https:\/\/cortemedia.ar\/?p=16491"},"modified":"2023-06-01T16:51:52","modified_gmt":"2023-06-01T19:51:52","slug":"inteligencia-artificial-el-gpt-logro-leer-el-pensamiento-de-las-personas-y-traducirlo-en-palabras","status":"publish","type":"post","link":"https:\/\/cortemedia.ar\/?p=16491","title":{"rendered":"Inteligencia Artificial: el GPT logr\u00f3 leer el pensamiento de las personas y traducirlo en palabras"},"content":{"rendered":"
\n
\n

Investigadores de la Universidad de Texas utilizaron un resonador magn\u00e9tico para convertir las gr\u00e1ficas de un esc\u00e1ner cerebral en textos y frases similares a los que el paciente estaba escuchando, a trav\u00e9s del sistema de AI.<\/h2>\n

Antes de utilizarlo en tres pacientes,\u00a0el neur\u00f3logo Alexander Huth\u00a0se acost\u00f3 en una m\u00e1quina de resonancia magn\u00e9tica en el edificio de investigaci\u00f3n de neurociencia de la Universidad de Austin, en Texas, donde trabajaba. Se cubri\u00f3 con una manta para evitar el fr\u00edo del im\u00e1n de la m\u00e1quina y auriculares insonorizados para ahogar su zumbido. Sin embargo, el sonido en los auriculares se escuchaba alto y claro: era un podcast del\u00a0New York Times<\/i>\u00a0y mon\u00f3logos de un popular programa anglosaj\u00f3n mientras le escaneaban el cerebro.<\/p>\n

Utilizando un programa basado en\u00a0Inteligencia Artificial (IA)\u00a0y particularmente el programa\u00a0GPT-1,\u00a0una computadora logr\u00f3 decodificar y describir la esencia de las historias que escuch\u00f3 \u00e9l y los tres participantes iniciales en el experimento de prueba de concepto, simplemente mirando sus resonancias magn\u00e9ticas funcionales. Seg\u00fan sus resultados, publicados en la revista cient\u00edfica\u00a0Nature Neuroscience<\/i>, este descodificador que han llamado \u201csem\u00e1ntico\u201d fue capaz tambi\u00e9n de\u00a0verbalizar lo que pensaban\u00a0y observaban mientras ve\u00edan cine mudo.<\/p>\n

Escuchar esas l\u00edneas estimul\u00f3 la\u00a0actividad cerebral,\u00a0las neuronas se dispararon y consumieron el ox\u00edgeno en su sangre. A medida que la sangre desoxigenada flu\u00eda de regreso a sus pulmones y coraz\u00f3n, el im\u00e1n capt\u00f3 su se\u00f1al, decodificando qu\u00e9 partes de su cerebro estaban procesando lo que hab\u00eda escuchado. Los investigadores han desarrollado el primer m\u00e9todo no invasivo para determinar la\u00a0esencia del habla imaginada,\u00a0presentando una posible\u00a0salida de comunicaci\u00f3n para las personas que no pueden hablar.<\/p>\n

\"El<\/div>\n
El decodificador puede reconstruir el habla utilizando datos de escaneo fMRI.<\/div>\n
<\/div>\n

Los expertos utilizaron el programa GPT-1. Este modelo de lenguaje, desarrollado por el laboratorio de inteligencia artificial OpenAI, usa aprendizaje profundo para generar texto. En esta investigaci\u00f3n, lo\u00a0entrenaron\u00a0con las im\u00e1genes\u00a0fMRI\u00a0del cerebro de\u00a0tres personas\u00a0a las que hicieron o\u00edr 16 horas de audios de un podcast del\u00a0New York Times<\/i>\u00a0y del programa\u00a0The Moth Radio Hour<\/i>, logrando hacer corresponder lo que ve\u00edan con su representaci\u00f3n en la cabeza. La idea es que, cuando\u00a0volvieran a o\u00edr otro texto,\u00a0el sistema pudiera ir\u00a0anticip\u00e1ndolo\u00a0bas\u00e1ndose en los patrones de lo ya aprendido.<\/p>\n

\u201cNos sorprendi\u00f3 un poco que funcione tan bien como lo hace. He estado trabajando en esto durante 15 a\u00f1os as\u00ed que fue impactante y emocionante cuando finalmente funcion\u00f3\u201d, explic\u00f3 Huth, el neurocient\u00edfico que dirigi\u00f3 el trabajo en la Universidad de Texas, en Austin. \u201cSe trata del GPT original, no como el nuevo [ChatGPT se apoya en la \u00faltima versi\u00f3n de GPT, la 4]. Recopilamos una tonelada de datos y luego construimos este modelo, que\u00a0predice las respuestas cerebrales\u00a0a las historias\u201d, agreg\u00f3.<\/p>\n

El decodificador\u00a0podr\u00eda reconstruir el habla\u00a0con una precisi\u00f3n asombrosa\u00a0mientras las personas escuchaban una historia, o incluso\u00a0imaginaban\u00a0una en silencio, utilizando solo datos de escaneo fMRI. Los sistemas de decodificaci\u00f3n de idiomas anteriores requer\u00edan implantes quir\u00fargicos colocar una serie de electrodos directamente en el cerebro. Pero este \u00faltimo avance plantea la\u00a0posibilidad de nuevas formas de restaurar el habla\u00a0en pacientes que luchan por comunicarse debido a un accidente cerebrovascular o una enfermedad de la neurona motora.<\/p>\n

\"Alex<\/div>\n
Alex Huth (izquierda), Shailee Jain (centro) y Jerry Tang (derecha) se preparan para recopilar datos de actividad cerebral en el Centro de Im\u00e1genes Biom\u00e9dicas de la Universidad de Texas en Austin (Nolan Zunk\/Universidad de Texas en Austin)<\/div>\n

Una nueva era<\/h2>\n

La llegada de grandes modelos de lenguaje, del tipo de\u00a0IA que sustenta ChatGPT de OpenAI,\u00a0proporcion\u00f3 una nueva forma de \u201chacer hablar a las personas que no pueden hacerlo\u201d. Estos modelos pueden representar, en n\u00fameros, el significado sem\u00e1ntico del habla, lo que permite a los cient\u00edficos observar qu\u00e9 patrones de actividad neuronal correspond\u00eda a cadenas de palabras con un significado particular en lugar de intentar leer la actividad palabra por palabra.<\/p>\n

Este descodificador recibi\u00f3 el nombre de\u00a0sem\u00e1ntico.\u00a0Anteriores interfaces registraban la actividad cerebral en las \u00e1reas motoras que controlan la base mec\u00e1nica del habla, es decir, los movimientos de boca, laringe o lengua. \u201cLo que pueden descodificar es c\u00f3mo la persona est\u00e1 tratando de mover la boca para decir algo. Nuestro sistema funciona en un nivel muy diferente. En lugar de fijarnos en el \u00e1mbito motor de bajo nivel, trabaja en el nivel de las ideas, de la sem\u00e1ntica, del significado.\u00a0Por eso\u00a0no registra las palabras exactas\u00a0que alguien escuch\u00f3 o pronunci\u00f3,\u00a0sino su sentido\u201d, explic\u00f3 Huth. Para esto, aunque las resonancias registraban la actividad de varias zonas cerebrales, se centraron m\u00e1s en las relacionadas con la audici\u00f3n y el lenguaje. La continuaci\u00f3n de las pruebas prosigui\u00f3 en una docena de pacientes, siempre con buenos resultados.<\/p>\n

El proceso de\u00a0aprendizaje fue intensivo: se requiri\u00f3 al principio que\u00a0tres voluntarios permanecieran acostados en un esc\u00e1ner durante 16 horas cada uno, escuchando podcasts. El decodificador fue entrenado para hacer coincidir la actividad cerebral con el significado utilizando un modelo de lenguaje grande, GPT-1, un precursor de ChatGPT. M\u00e1s tarde, los mismos participantes fueron escaneados escuchando una nueva historia o imaginando contar una historia y el decodificador se us\u00f3 para\u00a0generar texto solo a partir de la actividad cerebral. Aproximadamente la mitad de las veces, el texto coincid\u00eda estrechamente, y a veces con precisi\u00f3n, con los significados previstos de las palabras originales.<\/p>\n

El decodificador que cre\u00f3 Huth nunca pregunta directamente en qu\u00e9 estaba pensando una persona. En su lugar, utiliza un modelo de \u201ccodificaci\u00f3n\u201d en un bucle para crear el efecto de \u201cdescodificaci\u00f3n\u201d.\u00a0Los investigadores utilizaron GPT-1 para generar posibles conjeturas sobre qu\u00e9 frases escuch\u00f3 la persona. Luego, utilizando el modelo de \u201creenv\u00edo\u201d o \u201ccodificaci\u00f3n\u201d que predice la actividad cerebral en funci\u00f3n de una frase, modelaron la actividad cerebral que esa frase podr\u00eda evocar. Al comparar el escaneo predicho con el escaneo real, clasificaron las frases adivinadas de mejor a peor, agregando m\u00e1s palabras a la frase.<\/p>\n

\u201cNuestro sistema funciona a nivel de ideas, sem\u00e1ntica, significado\u201d, dijo Huth. \u201cEsta es la raz\u00f3n por la que lo que sacamos no son las palabras exactas, es la esencia\u201d. Por ejemplo, cuando a un participante se le reprodujeron las palabras: \u201c\u2018No sab\u00eda si gritar, llorar o salir corriendo. En lugar de eso, dijo: \u00a1D\u00e9jame en paz!\u2019\u201d se decodificaron como \u201c\u2018Empec\u00e9 a gritar y llorar, y luego ella (la m\u00e1quina) simplemente dijo: \u2018Te dije que me dejaras en paz\u2019\u201d. Tambi\u00e9n se les pidi\u00f3 a los participantes que miraran cuatro videos cortos y silenciosos mientras estaban en el esc\u00e1ner, y el decodificador pudo usar su actividad cerebral para describir con precisi\u00f3n parte del contenido.<\/p>\n

\u201cPara un m\u00e9todo no invasivo, este es un verdadero avance en comparaci\u00f3n con lo que se ha hecho antes, que generalmente son palabras sueltas o oraciones cortas\u201d, dijo Huth. A veces, el decodificador se equivocaba y ten\u00eda problemas con ciertos aspectos del lenguaje, incluidos los pronombres. \u201cNo sabe si es en primera o tercera persona, hombre o mujer\u201d, dijo Huth.<\/p>\n

\"LaLa inteligencia permite ayudar a decodificar el lenguaje<\/div>\n
<\/div>\n

El profesor Tim Behrens, un neurocient\u00edfico computacional de la Universidad de Oxford que no particip\u00f3 en el trabajo, lo describi\u00f3 como \u201ct\u00e9cnicamente\u00a0extremadamente impresionante\u201d y dijo que abri\u00f3 una gran cantidad de posibilidades experimentales, incluida la lectura de pensamientos de alguien que sue\u00f1a o investiga c\u00f3mo nuevas ideas. surgen de la actividad cerebral de fondo. \u201cEstos modelos generativos te permiten\u00a0ver lo que hay en el cerebro\u00a0a un nuevo nivel. Significa que realmente puedes leer algo profundo de la fMRI\u201d, agreg\u00f3.<\/p>\n

\u201cEsto es realmente genial, ya que las aportaciones de GPT contienen la sem\u00e1ntica del habla, no las propiedades articulatorias o ac\u00fasticas, como se hac\u00eda en anteriores programas como ICB. Muestran que el modelo entrenado en lo que se oye puede descodificar la sem\u00e1ntica de pel\u00edculas mudas y tambi\u00e9n del habla imaginada\u201d. Este cient\u00edfico est\u00e1 \u201cabsolutamente convencido de que la informaci\u00f3n sem\u00e1ntica se utilizar\u00e1 en las interfaces cerebro m\u00e1quina para hablar en el futuro\u201d, indic\u00f3 el neurocient\u00edfico\u00a0Christian Herff\u00a0lidera la investigaci\u00f3n en interfaces cerebro m\u00e1quina en la Universidad de Maastricht (Pa\u00edses Bajos) que no particip\u00f3 del experimento.<\/p>\n

Anticip\u00e1ndose a estos temores, los autores de los experimentos quisieron comprobar si pod\u00edan usar su sistema para leer la mente de otros sujetos. Por fortuna, comprobaron que\u00a0el modelo entrenado con una persona no acertaba a descifrar lo que o\u00eda o ve\u00eda otra. Para asegurarse, realizaron una \u00faltima serie de ensayos. Esta vez pidieron a los participantes que contaran de siete en siete, pensaran y nombraran animales o se inventaran una historia en su cabeza mientras o\u00edan los relatos. Aqu\u00ed, la interfaz apoyada en GPT, con toda la tecnolog\u00eda que lleva una m\u00e1quina de resonancia magn\u00e9tica y todos los datos manejados por la IA,\u00a0fall\u00f3 progresivamente.<\/p>\n

Hay dos componentes clave que hicieron posible el nuevo decodificador cerebral: el tesoro de datos recopilados sobre unos pocos participantes, en lugar de las pocas horas habituales de datos sobre muchos participantes, y el advenimiento de los modelos de lenguaje.<\/p>\n<\/div>\n<\/header>\n","protected":false},"excerpt":{"rendered":"Investigadores de la Universidad de Texas utilizaron un resonador magn\u00e9tico para convertir las gr\u00e1ficas de un esc\u00e1ner cerebral…\n","protected":false},"author":1,"featured_media":16492,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"csco_singular_sidebar":"","csco_page_header_type":"","csco_appearance_grid":"","csco_page_load_nextpost":"","csco_post_video_location":[],"csco_post_video_location_hash":"","csco_post_video_url":"","csco_post_video_bg_start_time":0,"csco_post_video_bg_end_time":0,"footnotes":""},"categories":[142],"tags":[],"class_list":["post-16491","post","type-post","status-publish","format-standard","has-post-thumbnail","category-ciencia","cs-entry","cs-video-wrap"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/posts\/16491","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=16491"}],"version-history":[{"count":1,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/posts\/16491\/revisions"}],"predecessor-version":[{"id":16493,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/posts\/16491\/revisions\/16493"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=\/wp\/v2\/media\/16492"}],"wp:attachment":[{"href":"https:\/\/cortemedia.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=16491"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=16491"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cortemedia.ar\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=16491"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}