Por Canuto  

Investigadores de EPFL desarrollaron modelos de IA capaces de predecir patrones de estimulación cerebral que alteran la percepción de objetos complejos en monos. El avance todavía no crea imágenes desde cero, pero podría impulsar una nueva generación de prótesis visuales y auditivas.
***

  • El modelo de IA predijo patrones de estimulación cerebral vinculados con el reconocimiento de objetos en dos monos con implantes.
  • Las prótesis visuales actuales suelen generar destellos y formas simples debido a limitaciones biológicas y de hardware.
  • El próximo objetivo consiste en evocar percepciones significativas sin depender de una imagen entregada por los ojos.

Una investigación del NeuroAI Lab de EPFL explora cómo la inteligencia artificial puede ayudar a superar uno de los mayores límites de las prótesis visuales: su dificultad para generar percepciones complejas. El trabajo, presentado por Robohub el 23 de junio de 2026, utilizó modelos computacionales para estimar dónde y cómo estimular el cerebro.

La propuesta busca ir más allá de los puntos de luz y las formas básicas que suelen asociarse con las primeras prótesis visuales. En lugar de activar únicamente regiones visuales de bajo nivel, el equipo estudió zonas relacionadas con el procesamiento de objetos, rostros y escenas.

El problema de las prótesis visuales actuales

Las deficiencias visuales irreparables pueden aparecer en distintos puntos del sistema que comienza en la retina y continúa hacia el cerebro. Cuando una parte de ese proceso no puede repararse, una prótesis visual representa una posible vía tecnológica para recuperar cierta información visual.

Existen varios tipos de prótesis, incluidas las retinianas, las del nervio óptico y las corticales. Cada alternativa intenta intervenir en una etapa diferente del sistema visual, según el lugar y la gravedad del daño.

Las prótesis retinianas se colocan en algún punto de la retina. Cuando la retina está demasiado dañada para recibir un implante, los investigadores pueden considerar la estimulación del nervio óptico como otra opción.

Las prótesis corticales se utilizan cuando ni la retina ni el nervio óptico pueden recibir una intervención adecuada. Estos dispositivos evitan ambas estructuras y estimulan directamente la corteza visual mediante electrodos.

El objetivo tradicional consiste en dibujar imágenes sobre la actividad cerebral. Sin embargo, las regiones de nivel inferior suelen producir destellos de luz y formas simples, lo que limita la complejidad de la percepción resultante.

La inteligencia artificial como guía cerebral

Johannes Mehrer, científico del NeuroAI Lab y líder de la investigación, explicó que la motivación surge de la necesidad de atender déficits visuales que no pueden repararse en el circuito biológico convencional.

Según Mehrer, una prótesis visual podría abordar parte de ese problema al transmitir información directamente al sistema nervioso. El desafío consiste en elegir patrones de estimulación que produzcan algo más útil que símbolos o destellos aislados.

Las regiones visuales de nivel superior procesan objetos más complejos. También resultan más difíciles de abordar, porque los investigadores no conocen con precisión suficiente qué puntos deben estimular ni qué combinación de señales debe utilizarse.

Para enfrentar esa dificultad, el equipo empleó una red neuronal artificial de tipo topográfico. El modelo permitió probar en una computadora diferentes patrones de estimulación y simular sus posibles resultados.

La simulación redujo la necesidad de realizar cada prueba directamente en un animal o en un paciente. Así, los investigadores pudieron explorar combinaciones de parámetros que, de otra forma, exigirían más tiempo y recursos experimentales.

Pruebas con monos y reconocimiento de objetos

Los investigadores de EPFL construyeron un modelo capaz de seleccionar la combinación de imágenes asociada con un patrón específico de estimulación. Después, un equipo de investigadores en Ámsterdam decidió evaluar las predicciones en dos monos videntes.

Los animales ya contaban con implantes destinados a otros experimentos no relacionados con EPFL. Esa infraestructura permitió probar si las predicciones del modelo podían influir en el comportamiento vinculado con el reconocimiento visual.

Martin Schrimpf, jefe del NeuroAI Lab, afirmó que el modelo fue bastante eficiente al predecir qué patrón de estimulación tendría un efecto fuerte sobre la conducta de los monos.

La función principal del sistema no consiste únicamente en elegir una imagen. Dada una imagen y un comportamiento deseado, el modelo también puede indicar cuál sería el patrón de estimulación óptimo para orientar la actividad cerebral.

Los resultados preliminares se presentaron en abril durante la Conferencia Internacional sobre Aprendizaje de Representaciones. El equipo considera que las conclusiones podrían tener implicaciones para futuras aplicaciones en seres humanos, aunque todavía no constituyen una prótesis clínica.

Un avance importante, pero todavía incompleto

La investigación demostró que la estimulación guiada por modelos puede moldear la percepción de objetos. En términos prácticos, los investigadores pudieron sesgar la representación de un estímulo visual dentro del cerebro.

El resultado no significa que los monos hayan recibido una imagen completamente nueva desde la ausencia de información visual. Primero observaron una imagen y después el estímulo cerebral modificó su percepción de formas parcialmente predecibles.

Schrimpf describió el fenómeno como una distorsión controlada de una imagen que el animal ya había visto. Ese matiz resulta central para entender el alcance actual del experimento y evitar interpretaciones sobre una restauración completa de la visión.

El equipo todavía no puede crear una percepción de objetos desde cero. Para lograrlo, tendría que estimular la corteza sin que exista una imagen visual utilizable proporcionada por los ojos.

Ese es el siguiente objetivo hacia una visión significativa para personas ciegas. La meta sería evocar algo reconocible, como un rostro, una casa o un automóvil, incluso cuando los ojos no puedan entregar información suficiente.

El futuro de la estimulación neuronal

Las limitaciones actuales no dependen únicamente de la comprensión del cerebro. El hardware también impone restricciones, porque se necesitan varios electrodos para estimular distintas áreas al mismo tiempo.

Además, solo puede utilizarse una cantidad determinada de electrodos en una región. Esa limitación reduce la precisión con la que un dispositivo puede reproducir patrones complejos de actividad neuronal.

Los modelos de IA podrían ayudar a aprovechar mejor los electrodos disponibles. En vez de buscar una reproducción directa de todos los detalles visuales, el sistema intentaría encontrar la combinación más eficaz para un objetivo perceptivo específico.

El enfoque también podría extenderse a las prótesis auditivas. Con una subvención de la Fundación Horton Health, Schrimpf y su equipo investigarán si el modelado topográfico puede aplicarse a la estimulación relacionada con el procesamiento del sonido.

El investigador señaló que los implantes cocleares han logrado avances importantes, pero no restauran por completo el procesamiento auditivo en todos los casos. El nuevo proyecto intentará predecir qué estímulo produce determinada actividad neuronal en ese sistema.

EPFL, cuyo nombre corresponde a École polytechnique fédérale de Lausanne, es una universidad e instituto de investigación ubicado en Lausana, Suiza. La institución se especializa en ciencias naturales e ingeniería, áreas que convergen en este trabajo de neurociencia e inteligencia artificial.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados