La inteligencia artificial comienza a "leer el cerebro"

Durante mucho tiempo, la posibilidad de que una máquina pudiera interpretar lo que ocurre en el cerebro perteneció al territorio de la ciencia ficción. Hoy, distintas investigaciones están comenzando a transformar esa posibilidad en una realidad experimental. El punto de partida es que la actividad neuronal produce señales eléctricas y campos magnéticos que pueden ser registrados desde el exterior del organismo. En la electroencefalografía EEG capacitiva sin contacto se coloca un sensor conductor separado de la piel por aire y un  sensor detecta las variaciones del campo eléctrico cerebral mediante acoplamiento capacitivo. No necesita gel ni contacto eléctrico directo,  mientras que la magnetoencefalografía (MEG) registra los campos magnéticos extremadamente débiles asociados con la actividad de las neuronas. Estas señales contienen información sobre procesos cerebrales que, aunque son débiles, ruidosos y difíciles de interpretar, pueden ser analizados mediante aprendizaje automático e inteligencia artificial.

En los últimos años, el aprendizaje automático ha permitido avanzar desde la simple clasificación de estados cerebrales hacia la decodificación de información perceptiva. Ya existen investigaciones que utilizan señales de electroencefalografía (EEG) para identificar características de las imágenes que una persona está observando e incluso para generar imágenes a partir de esas señales. Un trabajo publicado en 2023, por ejemplo, desarrolló un método basado en modelos de difusión (modelos generativos empleados principalmente para la generación de imágenes) para reconstruir imágenes a partir de electroencefalografía. Otros trabajos de 2024 utilizaron redes neuronales y modelos de difusión para transformar directamente señales de electroencefalografía en representaciones visuales; uno de ellos demostró además la posibilidad de aplicar el procedimiento a datos de magnetoencefalografía. En 2026, el trabajo denominado NeuroVision continuó esta línea mediante un sistema de reconstrucción de imágenes a partir de electroencefalografía basado en aprendizaje profundo.

Este desarrollo resulta especialmente significativo porque la electroencefalografía tiene una resolución espacial mucho menor que la resonancia magnética funcional. Sin embargo, presenta una enorme ventaja: registra la actividad cerebral con una resolución temporal muy elevada y puede utilizarse mediante dispositivos relativamente accesibles y no invasivos. Por eso constituye una de las tecnologías de interés para las futuras interfaces cerebro-computadora.
En este contexto aparecen las investigaciones de la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos. Su programa de neurotecnología no invasiva de próxima generación buscó desarrollar una interfaz capaz de establecer comunicación bidireccional con el cerebro sin recurrir necesariamente a los implantes convencionales. Lo interesante es que no se apoyó en un único principio físico. Los diferentes grupos exploraron caminos basados en magnetismo, electricidad, ultrasonido y óptica. Entre ellos se investigaron nanotransductores magnetoeléctricos capaces de convertir fenómenos eléctricos en magnéticos y viceversa; ultrasonido combinado con técnicas ópticas para acceder a regiones cerebrales profundas; detección óptica de cambios asociados con la actividad neuronal; campos magnéticos y ultrasonido para inducir estimulación; y magnetómetros extremadamente sensibles para detectar los diminutos campos magnéticos producidos por las neuronas. La idea común era conseguir dos operaciones complementarias: detectar lo que sucede en el cerebro y, eventualmente, introducir información nuevamente en él.

Comparación de la imagen real con  
la obtenida mediante Brain-IT (1)

La otra gran línea de investigación es la desarrollada en Israel por investigadores del Instituto Weizmann de Ciencias. El sistema denominado Brain-IT utiliza resonancia magnética funcional (FMR) registrada mientras una persona observa imágenes y, mediante inteligencia artificial, reconstruye una representación visual de aquello que está viendo. El trabajo de Roman Beliy, Amit Zalcher, Jonathan Kogman, Navve Wasserman y Michal Irani fue aceptado en la conferencia internacional ICLR 2026. El sistema utiliza un transformador que organiza la información procedente de grupos funcionalmente relacionados de vóxeles cerebrales y pos-teriormente emplea un modelo de difusión para generar la imagen reconstruida.

Por eso, decir que esta tecnología “lee la mente” resulta atractivo desde el punto de vista periodístico, pero científicamente es una simplificación. El sistema no puede acceder libremente a los pensamientos de una persona. Reconstruye información visual a partir de patrones cerebrales registrados en condiciones experimentales específicas. Sin embargo, el avance es conceptualmente extraordinario: una señal producida por el cerebro puede transformarse en datos, esos datos pueden ser interpretados por una inteligencia artificial y el resultado puede volver a convertirse en una representación visual. Incluso investigaciones posteriores ya exploran la posibilidad de obtener descripciones lingüísticas y respuestas a preguntas sobre las imágenes percibidas directamente a partir de la actividad cerebral.
De este modo comienza a delinearse una nueva arquitectura tecnológica. Primero, el cerebro produce actividad eléctrica y magnética; después, los sensores captan esas señales; el aprendizaje automático identifica patrones; la inteligencia artificial los interpreta; y los modelos generativos pueden convertir esa información en imágenes, palabras o acciones. Las investigaciones de la Agencia de Proyectos de Investigación Avanzada de Defensa agregan la posibilidad inversa: utilizar principios físicos como el magnetismo, el ultrasonido, la electricidad o la óptica para transmitir información hacia el cerebro.
El verdadero salto tecnológico, entonces, no consiste simplemente en “leer la mente”. Consiste en avanzar desde una comunicación en un solo sentido hacia un circuito cerebro–inteligencia artificial: detectar, interpretar, responder y eventualmente estimular. El cerebro deja de ser solamente el órgano que controla una máquina y comienza a convertirse en parte de un sistema de comunicación en el que la inteligencia artificial puede interpretar señales neuronales y, en determinadas tecnologías experimentales, devolver información al sistema nervioso. Es precisamente en esa convergencia entre neurociencia, nanotecnología e inteligencia artificial donde podría comenzar una nueva etapa de la relación entre la mente natural y la mente artificial.

Bibliografía

1. Roman Beliy,  Jonathan Kogman, Michal Irani  Amit Zalcher y Navve Wasserman. BRAIN-IT: Image reconstruction from FMRI via brain-interaction transformer.  Published as a conference paper at ICLR 2026.  arxiv.org/abs/2510.25976v2

2. D’Andrea A. L. (2026 ) Nanopsicología. La psicología del siglo XXI. Editorial Autores de Argentina. www.amazon.com/dp/B0GHLJGCK9

3. D’Andrea, Alberto L. (2026). Del ion al amor: correlatos electromagnéticos de la mente. Biotecnología & Nanotecnología al Instante.

https://infobiotecnologia.blogspot.com/2026/01/correlatos-electromagneticos-de-la.html