La inteligencia artificial continúa irrumpir en campos científicos y médicos que hasta hace poco eran exclusividad de complejos y costosos experimentos de laboratorio. En un paso pionero y fascinante, la empresa tecnológica global Meta ha revelado la segunda versión de su modelo de inteligencia artificial multimodal, conocido como el modelo «FAIR» (o Tribe), diseñado específicamente para predecir cómo reacciona el cerebro humano ante diversos estímulos y efectos visuales, auditivos y lingüísticos. Este destacado desarrollo marca un punto de inflexión fundamental que podría acelerar el ritmo de la investigación en neurociencia de una manera sin precedentes, reduciendo al mismo tiempo la necesidad de realizar costosos experimentos de escaneo cerebral que sobrecargan los presupuestos de las instituciones de investigación y médicas de todo el mundo, y que requieren una gran cantidad de tiempo y esfuerzo.
Un gemelo digital avanzado de la actividad neural
La segunda versión de este modelo innovador, desarrollado por el equipo de investigación Fundamental AI Research (FAIR) de Meta, se basa en una arquitectura altamente innovadora y avanzada para formar una especie de gemelo digital del cerebro. Esta arquitectura demostró su valía y su abrumadora superioridad al ganar el primer puesto en el concurso de decodificación cerebral «Algonauts 2025», superando a más de 260 equipos de investigación participantes de todo el mundo. Para lograr esta alta precisión, el modelo se entrenó con registros precisos de imágenes por resonancia magnética funcional (fMRI) de más de 700 voluntarios. A estos voluntarios se les pidió que vieran una variedad de videos llenos de movimiento y color, escucharan complejos programas de radio y archivos de audio, y leyeran textos largos en varios idiomas, todo ello mientras se encontraban físicamente dentro del dispositivo de escaneo para registrar cualquier cambio en la actividad cerebral en tiempo real.
Esta nueva versión representa un salto enorme y una gran expansión en comparación con su predecesora, que se consideraba en cierta medida experimental. La primera versión se basaba en datos de solo cuatro personas y unas 80 horas de grabaciones de audio y video, prediciendo la actividad en aproximadamente 1,000 regiones cerebrales. Por su parte, la nueva y actual versión extrae su enorme potencia de más de 1,000 horas de datos de fMRI obtenidos de 720 participantes, y es capaz de predecir respuestas neuronales en unos 70,000 vóxeles cerebrales, lo que representa un aumento de unas 70 veces en la precisión espacial y en las capacidades de monitoreo superior que capturan los detalles más sutiles de la interacción neural dentro del cráneo humano.
Mecanismo de trabajo de tres fases del modelo
Este modelo avanzado se basa en una ruta técnica compuesta por tres fases esenciales diseñadas cuidadosamente para extraer y analizar datos complejos provenientes de los sentidos. En la primera etapa, el modelo extrae características y propiedades precisas mediante codificadores separados y preentrenados, diseñados para procesar video, audio y texto escrito de forma independiente. En la segunda etapa, estas tres entradas diversas se combinan mediante una unidad de fusión avanzada basada principalmente en la tecnología de redes de transformadores. En la tercera y última etapa, los mapas resultantes se trazan y se muestran con extrema precisión en la superficie de la corteza cerebral virtual, ofreciendo a los investigadores una imagen integral y clara de cómo interactúa el cerebro humano con dichos estímulos combinados y cómo procesa la información en fracciones de segundo.
Experimentos de simulación por ordenador y reducción de costes médicos
Una de las capacidades centrales más destacadas de este modelo único es lo que los investigadores y científicos llaman «predicción de disparo cero» (zero-shot prediction), que es la extraordinaria capacidad de predecir las respuestas cerebrales de individuos totalmente nuevos, de idiomas que el modelo nunca antes había reconocido ni procesado, e incluso de tareas mentales completamente nuevas, sin la molesta necesidad de reentrenar el modelo desde cero cada vez. Meta informó de mejoras en la precisión de entre dos y tres veces en comparación con los métodos y enfoques tradicionales anteriores, algo que se manifiesta de manera especial en personas con las que el modelo nunca se había encontrado durante la fase de entrenamiento inicial, lo que demuestra la capacidad del modelo para generalizar y comprender profundamente las funciones neuronales.
Este logro técnico abre de par en par las puertas a lo que la compañía describe como «experimentos computacionales avanzados» llevados a cabo íntegramente dentro de superordenadores. Al proporcionar al modelo una determinada oración escrita, este puede simplemente predecir cómo se activaría el cerebro como si estuviera dentro de un escáner de fMRI, siguiendo la trayectoria de las señales a través de las regiones de procesamiento del lenguaje conocidas y reproduciendo los patrones que se observan habitualmente en estudios reales con humanos. Este enfoque innovador podría permitir a los investigadores y científicos probar hipótesis y teorías médica y computacionalmente antes de comprometerse a realizar experimentos humanos costosos y complejos; ya que es bien sabido que una sola sesión de fMRI puede costar miles de dólares, consumir mucho tiempo y requerir estrictas aprobaciones de juntas de revisión institucional y comités de ética médica para garantizar la seguridad de los pacientes y voluntarios.
Disponibilidad del modelo para los investigadores y el futuro de la neurociencia
En un esfuerzo por fomentar la colaboración científica abierta y acelerar el ritmo del desarrollo, Meta ha puesto a disposición los pesos del modelo, la base de código y su documento de investigación detallado, junto con una demostración interactiva bajo una licencia Creative Commons destinada a uso no comercial, lo que equivale a una licencia que permite a miles de académicos comenzar a usarlo y probarlo de inmediato. En su anuncio oficial de este interesante lanzamiento, la compañía explicó que este paso estratégico representa una fase crucial y fundamental hacia la aplicación de los conocimientos derivados del estudio del cerebro para construir y desarrollar sistemas de inteligencia artificial mejores y más eficientes en el futuro, además de acelerar el ritmo de los descubrimientos médicos en el diagnóstico y tratamiento de enfermedades neurológicas intratables que durante tanto tiempo han desconcertado a los médicos.
A pesar de estos impresionantes éxitos y prometedores horizontes, varios investigadores especializados señalaron un punto importante: los modelos de decodificación cerebral en su estado actual todavía explican solo una porción modesta de la enorme variabilidad en los datos complejos de imágenes cerebrales. El hecho de que esta nueva versión demuestre su utilidad práctica y su superioridad real fuera del ámbito puramente académico dependerá de lo que los científicos independientes descubran cuando la ejecuten con sus propios datos reales en sus laboratorios. Sin embargo, con el conjunto de datos de decodificación cerebral de acceso público más grande disponible, junto con una base de código de código abierto y de fácil acceso, la comunidad mundial de neurociencia cuenta hoy con una infraestructura nueva y potente para probar estas posibilidades y elevar nuestra comprensión futura de la asombrosa mente humana y sus ilimitadas capacidades.
Preguntas frecuentes
P: ¿Qué es la segunda versión del modelo Tribe lanzada por Meta?
R: Es un modelo de inteligencia artificial multimodal diseñado específicamente para predecir cómo responde el cerebro humano a los estímulos visuales, auditivos y lingüísticos sin necesidad de intervención humana directa.
P: ¿Cómo contribuye este modelo a reducir los costos de la investigación en neurociencia?
R: El modelo puede simular la actividad cerebral de forma computacional y probar hipótesis médicas con extrema precisión, lo que reduce significativamente la necesidad de realizar costosas sesiones de resonancia magnética funcional en humanos.
P: ¿Puede el modelo predecir la actividad cerebral de personas cuyos datos no se utilizaron en su entrenamiento?
R: Sí, el modelo cuenta con la capacidad de «predicción de disparo cero», lo que le permite leer, analizar y anticipar las respuestas cerebrales de nuevos individuos, idiomas y tareas en los que no ha sido entrenado previamente con los más altos grados de precisión y eficacia.
