Por Angel Di Matteo   𝕏 @shadowargel

El Instituto Wu Tsai de Neurociencias de Stanford anunció un proyecto para entrenar un modelo de inteligencia artificial con unas 14.000 horas de imágenes cerebrales, con el objetivo de construir un “gemelo digital” del cerebro humano, aunque científicos externos cuestionan su viabilidad.

***

  • El Stanford Digital Brain Project planea recolectar alrededor de 14.000 horas de resonancia magnética y magnetoencefalografía de unas 100 personas durante los próximos cinco años.
  • El esfuerzo cuenta con el respaldo de los donantes privados Mark y Mary Stevens, y financiación adicional de la filántropa Clara Wu Tsai; Stanford no reveló el monto.
  • El objetivo declarado es entrenar un modelo de IA capaz de predecir la actividad cerebral y, con el tiempo, la respuesta de una persona a ciertos tratamientos.
  • Investigadores ajenos al proyecto dudan de que los datos sean suficientes y de que los modelos fundacionales funcionen para el cerebro tan bien como para el lenguaje.

El Instituto Wu Tsai de Neurociencias de la Universidad de Stanford anunció este 2 de noviembre el lanzamiento de un proyecto de gran escala para construir un “gemelo digital” del cerebro humano, según informó The Transmitter. La iniciativa, denominada Stanford Digital Brain Project, busca entrenar un modelo de inteligencia artificial (IA) con imágenes cerebrales que el equipo planea recolectar durante los próximos cinco años.

14.000 horas de imágenes cerebrales de unas 100 personas

Para alimentar el modelo, también conocido como modelo fundacional, el equipo pretende reunir cerca de 14.000 horas de datos de aproximadamente 100 participantes. La primera de las 10 “campañas” de recolección previstas escaneará a 10 personas unas dos veces por semana durante un año, combinando dos tecnologías: la resonancia magnética funcional de 7 teslas (7T fMRI), que registra cambios en el flujo sanguíneo con resolución cercana al milímetro aunque con varios segundos de retraso respecto a la actividad neuronal, y la magnetoencefalografía con magnetómetros de bombeo óptico, que detecta los campos magnéticos del cerebro en escala de milisegundos, pero localiza sus fuentes con menor precisión.

Al principio, los participantes verán videos y realizarán tareas sencillas de toma de decisiones durante los escaneos; más adelante jugarán videojuegos y completarán actividades en realidad virtual. El equipo, integrado por casi una docena de investigadores de Stanford, prevé comenzar a recolectar datos a principios del próximo año, compartirlos a través de la plataforma OpenNeuro y apoyarse en el clúster de GPU Marlowe de la universidad, indicó Russell Poldrack, profesor de psicología de Stanford involucrado en la iniciativa.

La apuesta de los modelos fundacionales

La hipótesis del proyecto es que los modelos de IA entrenados con grandes volúmenes de datos cerebrales podrán predecir la actividad del cerebro y generar hipótesis que luego se pondrán a prueba en personas, explicó Dan Yamins, profesor asociado de psicología y ciencias de la computación de Stanford. A diferencia de los grandes modelos de lenguaje, que se entrenan con datos a escala de internet, la iniciativa partirá de modelos existentes que ya predicen parte de la actividad cerebral.

Otros modelos fundacionales previos se entrenaron con conjuntos de datos ya existentes: BrainLM y Brain-JEPA utilizaron miles de horas de fMRI en estado de reposo de decenas de miles de personas, mientras que TRIBE v2 de Meta aprovechó más de 1.000 horas de fMRI de 720 personas que veían películas, escuchaban pódcasts y leían. En una línea similar, DiarioBitcoin reportó recientemente un sistema capaz de reconstruir imágenes observadas a partir de la actividad cerebral con solo una hora de escáner por persona. Neuralink, por su parte, publicó en octubre resultados sobre decodificadores neuronales entrenados con 50.000 horas de datos cerebrales sin etiquetar.

Yamins sostiene que capturar cientos de horas de escáneres por persona debería permitir construir un modelo detallado, adaptable luego a otras personas con muchos menos datos. “Aunque nuestro objetivo es construir un modelo, nuestra actividad principal es la recolección de datos”, afirmó.

Financiación privada y un horizonte médico

El proyecto cuenta con el respaldo del inversionista de capital de riesgo Mark Stevens y su esposa, Mary Stevens, además de financiación adicional de la filántropa Clara Wu Tsai. Stanford declinó revelar el monto de la financiación, por lo que la cifra comprometida no es pública.

Según Poldrack, el objetivo final es construir modelos capaces de predecir la respuesta de una persona a un tratamiento, como la estimulación magnética transcraneal o el ultrasonido focalizado. Se trata de una meta de investigación declarada, no de una aplicación clínica anunciada ni de una capacidad ya demostrada por el proyecto.

La iniciativa de Stanford comparte nombre y “la misma visión general” con el Digital Brain Project que Meta lanzó en agosto, un proyecto distinto, señaló Nikolaus Kriegeskorte, profesor de psicología y neurociencia de la Universidad de Columbia, quien participa en ese esfuerzo. Meta donó USD $15 millones a ese esfuerzo, que busca recolectar 15.000 horas de imágenes; hasta ahora nueve equipos de investigación han recibido financiación y planean escanear inicialmente a al menos 90 participantes.

Dudas sobre viabilidad y utilidad científica

Mariya Toneva, del Instituto Max Planck de Sistemas de Software y ajena al proyecto, consideró que la iniciativa “es muy necesaria” y celebró que alguien comprometiera los recursos y el tiempo para realizarla. Sin embargo, el reporte señala que ni siquiera los impulsores pueden decir cuántos datos serán suficientes, y que un modelo que prediga bien el cerebro podría revelar poco sobre cómo funciona.

El propio Kriegeskorte admitió que los modelos actuales solo imitan porciones del cerebro, como la corteza visual, y predicen alrededor de la mitad de la varianza de las respuestas observadas en esas regiones; modelar el cerebro completo probablemente requerirá conjuntos de datos mucho mayores que los existentes.

Bing Wen Brunton, profesora de biología de la Universidad de Washington, fue más escéptica sobre la premisa de que los modelos fundacionales funcionen para los datos cerebrales tan bien como lo han hecho para el lenguaje. “¿Cuál es la evidencia de que esto va a funcionar, además de que esperamos que funcione?”, cuestionó. Además, advirtió que las herramientas para intervenir el cerebro humano van por detrás de las que permiten medirlo, lo que dificulta comprobar si un modelo es realmente parecido al cerebro.

Caterina Gratton, profesora asociada de psicología de la Universidad de Illinois Urbana-Champaign, apuntó que lo ideal sería ampliar con el tiempo el grupo de participantes para representar mejor a la población, aunque incluso una cohorte pequeña permite poner a prueba la premisa básica: “¿Podemos siquiera hacer algún cerebro digital que sea una simulación razonable de una sola persona?”. De lograrse, dijo, “eso ya nos da un punto de partida”.

Por ahora, el proyecto se encuentra en etapa de anuncio: la recolección de datos aún no ha comenzado y el modelo propuesto todavía no existe, por lo que su utilidad científica real queda por demostrar.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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