European Commission logo
español español
CORDIS - Resultados de investigaciones de la UE
CORDIS

Predictive Neural Information for Proactive Actions: From Monkey Brain to Smart House Control

Article Category

Article available in the following languages:

Facilitación de una mejor interacción persona-máquina

En la actualidad, los sistemas de interfaces encéfalo-ordenador, que se emplean en robots y prótesis, interactúan torpemente con las personas, a menudo con retrasos discordantes en las respuestas. El equipo de Plan4Act ha aprovechado las señales encefálicas predictivas para ayudar a que estos sistemas interactúen con más fluidez con las personas.

Economía digital icon Economía digital

Al observar el comportamiento de los demás, las personas simulan mentalmente los posibles resultados de una secuencia de acciones, lo cual facilita la planificación a largo plazo. Si los ordenadores pudieran «leer» esta secuencia de planificación a partir de la actividad encefálica y supieran lo que las personas quieren hacer a continuación, esto les permitiría planificar con anticipación y haría que las interacciones con nosotros fueran menos reflexivas y más naturales. «Pensemos en los deportes de equipo, en los que los jugadores trabajan juntos de forma intuitiva y responden a las señales sutiles de los compañeros y planifican sus propias acciones en consonancia —comenta Florentin Wörgötter de la Universidad de Gotinga, anfitriona del proyecto—. Sabíamos que la planificación de las intenciones puede rastrearse hasta las señales encefálicas, así que queríamos conectar los dispositivos con estas señales». El proyecto Plan4Act, financiado con fondos europeos, logró desarrollar un sistema integrado que permite descodificar señales neuronales con el fin de controlar la generación de señales para el funcionamiento de dispositivos inteligentes. La creación de un tipo de descodificadores de señales neuronales predictivas basado en la red neuronal y que se integran en una matriz de puertas programables «in situ» (FPGA, por sus siglas en inglés), un dispositivo de computación en el borde, fue clave para su éxito. Además, el equipo desarrolló un método para facilitar la programación de una FPGA que permite que se apliquen variantes del descodificador «sobre la marcha».

Aprovechamiento de las señales encefálicas con una red neuronal artificial

El equipo empezó a recopilar información sobre la codificación predictiva en distintas zonas del encéfalo de primates no humanos. Dado que las señales en el encéfalo consisten en una secuencia de pulsos eléctricos, estas tuvieron que descodificarse para hacerlas compatibles con el tipo de señales (como tensiones) necesarias para los dispositivos objetivo. La idea fue que, como el encéfalo de los primates no humanos es análogo al de las personas, los hallazgos serían transferibles a las secuencias de pulsos neuronales que codifican el mundo exterior de las personas. Primero se registraron señales encefálicas predictivas y, a continuación, se descodificaron, lo cual permitió que un dispositivo de control predijera, y también produjera, las respuestas necesarias antes de que se le pidieran, como en el caso de los sistemas convencionales «puntuales». Si bien Wörgötter indica que encontrar el propio proceso subyacente le pareció relativamente sencillo, el equipo bregó con la complejidad de crear un sistema que integrara los distintos componentes. Además, se dedicó un gran esfuerzo a identificar un método potente para descodificar las señales neuronales. «Un perceptrón sencillo con muy pocas capas fue suficiente para la descodificación. Esta red neuronal fue capaz de traducir las señales encefálicas en señales de control para dispositivos con un alto grado de fiabilidad. Redes más complejas a esta no mejoraron este resultado», señala Wörgötter. Los investigadores del proyecto probaron un equipo completo mediante el uso de señales de un primate no humano en el Centro Alemán de Primates para hacer funcionar un dispensador de comida en una casa inteligente en Madrid. Este dispositivo inteligente fue controlado por una secuencia de hasta tres acciones físicas. «El dispositivo pudo “predecir”, los pasos finales de las acciones del primate no humano al descodificar su actividad encefálica predictiva, sin dejar de responder a la vez al primer paso del plan del simio», explica Wörgötter.

Hacia una tecnología mínimamente invasiva

La capacidad de controlar dispositivos de forma predictiva, con poco o ningún esfuerzo físico, podría resultar interesante para las personas con discapacidad. Sin embargo, todavía está lejos de convertirse realidad, puesto que, en la actualidad, esta tecnología se basa en procedimientos invasivos, como los electrodos implantados quirúrgicamente. «Es obvio que para las personas esto presenta problemas éticos, así que primero tendremos que desarrollar unos nuevos electrodos mínimamente invasivos. Podrían pasar entre diez y veinte años antes de llegar a un uso clínico o doméstico», declara Wörgötter. En la actualidad, el equipo trabaja en un mayor grado de integración de los distintos componentes del sistema, a la vez que ajusta las instrucciones de la respuesta proactiva de la máquina, como pautas de movimiento predictivas.

Palabras clave

Plan4Act, primate no humano, encéfalo, señales neuronales, robot, ordenador, electrodo, persona, red neuronal, perceptrón

Descubra otros artículos del mismo campo de aplicación