Você vê o que eu vejo? Traduzindo ondas cerebrais em imagens

NÃO SE PREOCUPE: Pesquisadores demonstram um algoritmo capaz de identificar imagens traduzindo a atividade cerebral – mas ainda estão longe de conseguirem ler mentes.

Pode parecer ficção científica, mas uma nova pesquisa revela um algoritmo que pode traduzir a atividade na mente de seres humanos.

Cientistas da University of California, em Berkeley, relatam na Nature que desenvolveram um método capaz de decodificar os padrões em áreas visuais do cérebro para determinar o que uma pessoa viu. Não é preciso dizer que as implicações potenciais disso para a sociedade são imensas.

“Esse decodificador visual geral teria grande uso científico e prático”, afirma o pesquisador. “Poderíamos usá-lo para investigar diferenças de percepção de uma pessoa para outra, estudar processos mentais ocultos, como a atenção, e talvez até acessar o conteúdo visual de fenômenos puramente mentais, como sonhos e a imaginação”.

Os cientistas dizem que as tentativas anteriores de extrair “conteúdo mental da atividade do cérebro”, apenas lhes permitiram decodificar um número finito de padrões. Os pesquisadores apresentavam uma imagem para uma pessoa (ou pediam que ela pensasse num objeto) por vez e então procuravam um padrão de atividade cerebral correspondente. “Você precisava saber [de antemão], para cada pensamento que queria ler, que tipo de padrão de atividade o acompanhava”, diz John-Dylan Haynes, professor do Centro Bernstein de Neurociência Computacional em Berlim e do Instituto Max Planck de Cognição Humana e Ciências do Cérebro, não afiliado ao novo trabalho.

“O avanço apresentado aqui”, continua ele, “é que eles estabeleceram um modelo matemático que capta as propriedades da parte visual do cérebro”, as quais podem então ser aplicadas a objetos anteriormente não vistos.

Os pesquisadores usaram imagens de ressonância magnética funcional (fMRIs) para gravar atividade nos córtices visuais de um par de voluntários (dois dos co-autores do estudo) enquanto eles olhavam uma série de imagens. Eles examinaram o cérebro dividindo as regiões em voxels (unidades volumétricas, ou pixels 3-D) e tomando nota da parte da imagem à qual cada seção respondia. Por exemplo, um voxel, ou fatia, podia responder num certo padrão a, digamos, cores no canto esquerdo superior da foto, enquanto outro poderia ser disparado numa porção diferente da imagem.

Haynes diz que a equipe podia “voltar e deduzir que imagem a pessoa estava vendo”, pelo monitoramento da atividade em cada seção do cérebro e pela decodificação de que tipo de informação seria mais provavelmente encontrada na parte correspondente do campo visual, ou fotografia.

Quando os voluntários observaram um novo conjunto de 120 imagens – que representavam de tudo, de pessoas a casas e de animais a frutas e outros objetos –, o programa de computador identificou corretamente o que eles estavam vendo em até 92% das vezes; quando o acervo de imagens foi aumentado para 1.000, o algoritmo foi bem-sucedido em 80% das vezes. Naturalmente, a precisão diminuiu conforme o número de imagens possíveis aumentou, mas mesmo numa quantidade 100 vezes maior do que o número de imagens indexadas na Internet pelo Google, de acordo com os cientistas, o modelo seria bem-sucedido em mais de 10% das vezes. (Isso supera em muito a taxa de sucesso de chutes aleatórios.)

Como escreveram os pesquisadores, “isso indica que sinais de fMRI contêm uma quantidade considerável de informações de estímulos, que podem ser decodificadas com êxito na prática”.

Haynes diz que o método limita-se a decifrar informações que podem ser mapeadas no espaço, como dados sensoriais (de onde um som está vindo) ou funções motoras (que ação um braço realizou). O desafio, ele diz, é que não é possível “ser aplicado com facilidade a casos em que você não dispõe de um modelo matemático claro”, como memórias, intenções e emoções. “Pensamentos de alto nível podem ser um pouco complicados de se captar sem esse modelo matemático”, acrescenta.

Então, você pode deixar seu capacete de papel-alumínio conta a leitura de mentes no guarda-roupa. Esses algoritmos ainda não são capazes de ler nossos segredos mais profundos – ao menos por enquanto.