Investigadores de la Universidad Politécnica de Madrid y otros centros europeos han desarrollado una neurointerfaz cerebro-cerebro para mejorar las habilidades de un grupo de personas, en concreto, durante un ejercicio de clasificación de imágenes más o menos ambiguas. Cuando dos participantes estaban conectados los resultados eran mejores. El sistema se podría usar en el futuro para controlar objetos y comunicarse telepáticamente.
Un equipo internacional de científicos, del que ha formado parte el investigador Alexander Pisarchik del Centro de Tecnología Biomédica de la Universidad Politécnica de Madrid (UPM), ha dado un paso más allá en el desarrollo de interfaces neuronales (cerebro-ordenador) para proponer una interfaz que implica la transferencia de información entre personas directamente (de cerebro a cerebro).
Las interfaces cerebro-ordenador pueden mejorar las habilidades individuales de las personas, pero ¿es posible mejorar las capacidades cognitivas de un grupo de personas? Tras llevar a cabo un experimento, el equipo de investigadores ha propuesto una interfaz cerebro-cerebro que calcula los estados cerebrales de cada participante y distribuye una carga cognitiva entre todos los miembros del grupo que realiza una tarea en común. La interfaz permite, a partir del análisis de la actividad cerebral, compartir la carga de trabajo entre todos los participantes en función de su rendimiento cognitivo en cada momento.
Las interfaces neuronales permiten controlar dispositivos externos mediante el pensamiento. Además, debido a sus posibles aplicaciones en diferentes ámbitos, entre los que destacan el médico y el lúdico, se han convertido en amplio objeto de estudio y experimentación. La siguiente etapa en el desarrollo de las neurointerfaces pueden ser los sistemas que aseguran la transferencia de información entre personas directamente, desde el cerebro de una persona al cerebro de otra. Y esto es precisamente lo que ha estudiado un equipo formado por investigadores de distintos países, que ha publicado los resultados de su trabajo en la revista líder de neurociencias Frontiers in Neuroscience.
El equipo, formado por investigadores de España, Rusia y Alemania, llevó a cabo un experimento en el que dos personas resolvieron un problema conjuntamente en condiciones de alta carga cognitiva. La comunicación entre las personas se llevó a cabo mediante la distribución de la carga entre los sujetos, según su grado de fatiga cognitiva, con la ayuda de electroencefalogramas. La tarea era clasificar imágenes con diferentes grados de ambigüedad que aparecían en una pantalla.
La clasificación de imágenes altamente ambiguas requirió un gran esfuerzo cognitivo en comparación con las más claras. La carga cognitiva fue causada por la larga duración del experimento (40 minutos) y pequeñas pausas entre la presentación de las imágenes (5-7 segundos). Por lo tanto, era necesario que el sujeto mantuviera un alto nivel de concentración durante todo el experimento.
En la primera etapa, los sujetos resolvieron el problema de forma independiente. A cada uno de ellos se le presentó el conjunto completo de imágenes; de mayor y de menor ambigüedad. El análisis de las señales del electroencefalograma mostró que la red neuronal del cerebro no puede procesar continuamente la información sensorial y, al mismo tiempo, mantener un alto nivel de concentración. Hay períodos de fatiga cognitiva, caracterizados por una disminución en la atención, y períodos de recuperación, después de los cuales la concentración aumenta nuevamente.
En la segunda etapa, se estableció una conexión entre los sujetos: se distribuyó un conjunto de imágenes entre ellos de acuerdo con su estado cognitivo, que se evaluó en tiempo real utilizando la neurointerfaz desarrollada. El sujeto, que se encuentra en un estado de fatiga cognitiva, recibió imágenes con poca ambigüedad. La clasificación de tales imágenes requería menos esfuerzo, lo que le permitió recuperarse más rápido.
En este momento, su compañero, que demostró un mayor nivel de concentración, recibió imágenes con gran ambigüedad, es decir, tomó la mayor parte de la carga cognitiva. Con esta distribución de carga, se demostró que los sujetos podrían estar en un estado de alta concentración por más tiempo. Además, una tarea con una mayor complejidad siempre fue entregada a un sujeto de prueba con una mayor concentración, lo que hizo posible aumentar la eficiencia de su resolución.
Los resultados indican que dichas interfaces neuronales cerebro-cerebro son capaces de utilizar de manera óptima el recurso cognitivo común de un grupo de personas para resolver una tarea conjunta al distribuir la tarea común entre las personas en función de información objetiva sobre el estado de su cerebro.
Al mismo tiempo, a diferencia de la interacción hombre-máquina, la interacción entre personas a través de una interfaz neuronal requiere un monitoreo constante del estado actual de los sujetos. Si una máquina siempre está lista para resolver una tarea compleja, para una persona, la complejidad de la tarea debe ser regulada debido a la limitación de su recurso cognitivo.
Como concluye Pisarchik, “los resultados que hemos obtenido pueden ser un punto de partida para el desarrollo de sistemas para la comunicación neural entre las personas que permitan 'sentir' las condiciones del otro y hacer que la interacción sea más eficiente”.
Referencia bibliográfica:
Maksimenko, V.A.; Hramov, A.E.; Frolov, N.S.; Luttjohann, A.; Nedaivozov, V.O.; Grubov, V.V.; Runnova, A.E.; Makarov, V.V.; Kurths, J.; Pisarchik, A.N. (2018). "Increasing Human Performance by Sharing Cognitive Load Using Brain-to-Brain Interface". Frontiers in Neuroscience 12 (949) DOI: 10.3389/fnins.2018.00949
La Fundación BBVA ha galardonado al informático japonés, de la Universidad Carnegie Mellon (EE UU), por crear los algoritmos que permiten a las máquinas comprender las imágenes y procesar los movimientos. Sus técnicas están presentes en los coches autónomos, los drones y todos los robots con capacidad de visión, como los que se usan en cirugía.
Investigadores de la Universidad de León han aplicado redes neuronales artificiales a imágenes captadas con drones para reconocer, con un 95 % de acierto, la huella que dejaron las explotaciones auríferas de los romanos en el noroeste peninsular. El sistema se puede aplicar para reducir los riesgos asociados a las minas abandonadas, que causan pérdidas humanas y económicas en todo el mundo.
