This computer is learning to read your mind | DIY Neuroscience, a TED series

Translator: Joseph Geni Reviewer: Krystian Aparta

Traductor: Camille Martínez Revisor: Sebastian Betti

Greg Gage: Mind-reading. You've seen this in sci-fi movies:

Greg Gage: La lectura del pensamiento.

Se ve en películas de ciencia ficción,

machines that can read our thoughts.

las máquinas que nos leen la mente.

However, there are devices today

Pero existen aparatos hoy que pueden leer la actividad eléctrica

that can read the electrical activity from our brains.

del cerebro.

We call this the EEG.

Lo llamamos el EEG.

Is there information contained in these brainwaves?

¿Hay información contenida en estas ondas cerebrales?

And if so, could we train a computer to read our thoughts?

¿Podríamos programar una computadora para leer los pensamientos?

My buddy Nathan has been working to hack the EEG

Mi amigo Nathan está intentando hackear el EEG

to build a mind-reading machine.

para construir una máquina que pueda leer la mente.

[DIY Neuroscience]

[Neurociencia casera]

So this is how the EEG works.

Así funciona el EEG:

Inside your head is a brain,

dentro de la cabeza está el cerebro,

and that brain is made out of billions of neurons.

y el cerebro se compone de miles de millones de neuronas.

Each of those neurons sends an electrical message to each other.

Cada neurona transmite un mensaje eléctrico la una a la otra.

Estos pequeños mensajes pueden combinarse para formar una onda eléctrica

These small messages can combine to make an electrical wave

that we can detect on a monitor.

que se detecta en un monitor.

Now traditionally, the EEG can tell us large-scale things,

Tradicionalmente, el EEG nos puede decir cosas generales,

for example if you're asleep or if you're alert.

por ejemplo, si uno está dormido o despierto.

But can it tell us anything else?

Pero ¿nos puede decir algo más?

Can it actually read our thoughts?

¿Puede realmente leer los pensamientos?

We're going to test this,

Lo vamos a comprobar.

and we're not going to start with some complex thoughts.

No empezaremos con pensamientos complejos; haremos algo muy sencillo.

We're going to do something very simple.

¿Podemos interpretar lo que alguien ve utilizando solo sus ondas cerebrales?

Can we interpret what someone is seeing using only their brainwaves?

Nathan empezará por pegar electrodos en la cabeza de Christy.

Nathan's going to begin by placing electrodes on Christy's head.

Nathan: Mi vida está enredada.

Nathan: My life is tangled.

(Laughter)

(Risas)

GG: And then he's going to show her a bunch of pictures

GG: Luego le mostrará una serie de imágenes

from four different categories.

de cuatro categorías diferentes.

Nathan: Una cara, una casa, un paisaje e imágenes raras.

Nathan: Face, house, scenery and weird pictures.

GG: As we show Christy hundreds of these images,

GG: Mientras le mostramos a Christy centenares de estas imágenes,

we are also capturing the electrical waves onto Nathan's computer.

se están registrando las ondas eléctricas en la computadora de Nathan.

We want to see if we can detect any visual information about the photos

Queremos ver si podemos detectar información visual sobre las fotos

contained in the brainwaves,

contenida en las ondas cerebrales,

so when we're done, we're going to see if the EEG

así que al terminar, sabremos si el EEG nos puede decir

can tell us what kind of picture Christy is looking at,

qué tipo de imagen Christy está mirando.

and if it does, each category should trigger a different brain signal.

Y si este es el caso,

cada categoría debe desencadenar una señal diferente del cerebro.

OK, so we collected all the raw EEG data,

Bien, recolectamos todos los datos sin procesar del EEG,

and this is what we got.

y estos son los resultados.

It all looks pretty messy, so let's arrange them by picture.

Se ven bastante desorganizados, entonces ordenémoslos por imagen.

Now, still a bit too noisy to see any differences,

Aún está demasiado caótico para ver alguna diferencia,

but if we average the EEG across all image types

pero si igualamos el EEG entre todos los tipos de imágenes

by aligning them to when the image first appeared,

y las alineamos según el momento en que la imagen apareció

we can remove this noise,

podemos normalizar el caos, y dentro de poco,

and pretty soon, we can see some dominant patterns

vemos que unas tendencias principales emergen para cada categoría.

emerge for each category.

Now the signals all still look pretty similar.

Las señales todavía se ven bastante similares.

Let's take a closer look.

Mirémoslas más de cerca.

About a hundred milliseconds after the image comes on,

Como a cien milisegundos después de que sale la imagen,

we see a positive bump in all four cases,

vemos un aumento positivo en cada uno de los cuarto casos.

and we call this the P100, and what we think that is

Lo llamamos el P100,

y creemos que eso es lo que pasa en el cerebro

is what happens in your brain when you recognize an object.

cuando reconoces un objeto.

Pero ¡guau!, mira la señal para la cara.

But damn, look at that signal for the face.

It looks different than the others.

Parece diferente de las otras.

There's a negative dip about 170 milliseconds

Hay una baja a unos 170 milisegundos después de que sale la imagen.

after the image comes on.

What could be going on here?

¿Qué estará pasando aquí?

Research shows that our brain has a lot of neurons that are dedicated

Los estudios demuestran que el cerebro tiene muchas neuronas

to recognizing human faces,

dedicadas al reconocimiento de caras humanas.

so this N170 spike could be all those neurons

Entonces esta caída de N170 podrían ser todas esas neuronas

firing at once in the same location,

que se activan a la vez en el mismo sitio,

and we can detect that in the EEG.

Y podemos detectarlo en el EEG.

So there are two takeaways here.

Hay dos puntos claves aquí.

One, our eyes can't really detect the differences in patterns

Uno: los ojos no pueden detectar diferencias en los patrones

without averaging out the noise,

sin que se iguale el ruido.

and two, even after removing the noise,

Y dos: aun después de que se elimina el ruido,

our eyes can only pick up the signals associated with faces.

los ojos solo pueden detectar las señales asociadas con las caras.

So this is where we turn to machine learning.

Entonces, recurrimos al aprendizaje automático.

Now, our eyes are not very good at picking up patterns in noisy data,

Los ojos no son muy buenos

para identificar patrones entre datos caóticos,

but machine learning algorithms are designed to do just that,

pero los algoritmos de aprendizaje automático

están precisamente para eso.

so could we take a lot of pictures and a lot of data

Entonces, ¿podríamos tomar muchas imágenes y datos

and feed it in and train a computer

y entrarlos a una computadora

to be able to interpret what Christy is looking at in real time?

para programarla a interpretar lo que Christy está viendo en tiempo real?

We're trying to code the information that's coming out of her EEG

Tratamos de escribir la información que sale de su EEG

in real time

en tiempo real,

and predict what it is that her eyes are looking at.

y predecir lo que sus ojos están viendo.

And if it works, what we should see

Y si funciona, entonces cada vez que le toca una imagen del paisaje,

is every time that she gets a picture of scenery,

debe decir: paisaje, paisaje, paisaje, paisaje.

it should say scenery, scenery, scenery, scenery.

A face -- face, face, face, face,

Y cuando es una cara: cara, cara, cara, cara.

but it's not quite working that way, is what we're discovering.

Pero no está funcionando exactamente así,

aparentemente.

(Laughter)

(Risas)

OK.

Muy bien.

Director: So what's going on here? GG: We need a new career, I think.

Christy: ¿Qué está pasando aquí?

GG: Necesitamos una nueva carrera, creo.

(Laughter)

(Risas)

OK, so that was a massive failure.

GG: Bien, eso fue un enorme fracaso.

But we're still curious: How far could we push this technology?

Pero seguimos curiosos:

¿Hasta dónde podríamos llevar esta tecnología?

And we looked back at what we did.

Revisamos lo que habíamos hecho.

We noticed that the data was coming into our computer very quickly,

Notamos que los datos entraban a la computadora muy rápido,

sin indicar dónde ocurrían los intervalos entre imágenes.

without any timing of when the images came on,

and that's the equivalent of reading a very long sentence

Eso sería el equivalente de leer una oración muy larga

without spaces between the words.

sin espacios entre las palabras.

It would be hard to read,

Algo así sería difícil de leer,

but once we add the spaces, individual words appear

pero una vez que insertemos los espacios, aparecen las palabras individuales

and it becomes a lot more understandable.

y es mucho más comprensible.

But what if we cheat a little bit?

Pero ¿qué pasa si hacemos trampa?

By using a sensor, we can tell the computer when the image first appears.

Utilizando un sensor, podemos decirle a la computadora

el momento en que sale la imagen.

That way, the brainwave stops being a continuous stream of information,

De ese modo, la onda cerebral deja de ser un flujo continuo de información,

and instead becomes individual packets of meaning.

y en cambio se vuelven unidades individuales de significado.

Also, we're going to cheat a little bit more,

Vamos a hacer un poquito más de trampa,

by limiting the categories to two.

usando solo dos de las categorías.

Let's see if we can do some real-time mind-reading.

Veamos si podemos leer la mente en tiempo real.

In this new experiment,

En este nuevo experimento, lo restringimos un poco más

we're going to constrict it a little bit more

so that we know the onset of the image

para saber el momento en que sale la imagen,

and we're going to limit the categories to "face" or "scenery."

y limitamos las categorías a solo "cara" y "paisaje".

Nathan: Face. Correct.

Nathan: Cara. Correcto.

Scenery. Correct.

Paisaje. Correcto.

GG: So right now, every time the image comes on,

GG: Así que cada vez que aparece la imagen,

we're taking a picture of the onset of the image

sacamos una foto del momento en que sale

and decoding the EEG.

y desciframos las ondas del EEG.

It's getting correct.

Está mejorando.

Nathan: Yes. Face. Correct.

Nathan: Sí. Cara. Correcto.

GG: So there is information in the EEG signal, which is cool.

GG: Entonces sí, hay información en la señal del EEG,

We just had to align it to the onset of the image.

nada más la tuvimos que alinear con la apariencia de la imagen.

Nathan: Scenery. Correct.

Nathan: Paisaje. Correcto.

Face. Yeah.

Cara. Sí.

GG: This means there is some information there,

GG: Esto significa que sí, hay información presente,

so if we know at what time the picture came on,

y si sabemos el momento en que apareció la imagen,

we can tell what type of picture it was,

podemos determinar qué tipo de imagen era,

possibly, at least on average, by looking at these evoked potentials.

posiblemente, o por lo menos en promedio,

observando estos potenciales activados.

Nathan: Exactly.

Nathan: Exactamente.

GG: If you had told me at the beginning of this project this was possible,

GG: Si me hubieras dicho al principio que esto era posible,

I would have said no way.

habría dicho que no hay manera.

No creí que fuera posible.

I literally did not think we could do this.

¿De verdad funcionó nuestro experimento de lectura del pensamiento?

Did our mind-reading experiment really work?

Yes, but we had to do a lot of cheating.

Sí, pero tuvimos que hacer mucha trampa.

It turns out you can find some interesting things in the EEG,

Al final, puedes encontrar algunas cosas interesantes en el EEG,

for example if you're looking at someone's face,

por ejemplo, si estás mirando la cara de alguien.

but it does have a lot of limitations.

Pero está bastante limitado.

Perhaps advances in machine learning will make huge strides,

Quizás se harán grandes avances en el aprendizaje automático

and one day we will be able to decode what's going on in our thoughts.

y algún día podremos descifrar lo que pasa en nuestros pensamientos.

But for now, the next time a company says that they can harness your brainwaves

Pero por ahora, cuando una compañía dice que pueden emplear tus ondas cerebrales

to be able to control devices,

para poder controlar aparatos,

it is your right, it is your duty to be skeptical.

es tu derecho --es tu obligación--

ser escéptico.