A técnica de ‘legenda mental’ pode ler pensamentos humanos a partir de exames cerebrais

Ler a atividade cerebral com tecnologias avançadas não é um conceito novo. No entanto, a maioria das técnicas concentra-se na identificação de palavras isoladas associadas a um objeto ou ação que uma pessoa está vendo ou pensando, ou na correspondência de sinais cerebrais que correspondem a palavras faladas. Alguns métodos usavam bancos de dados de legendas ou redes neurais profundas, mas essas abordagens eram limitadas pela cobertura de palavras do banco de dados ou introduziam informações não presentes no cérebro. Gerar descrições detalhadas e estruturadas de percepções ou pensamentos visuais complexos continua difícil.

Um estudo, recentemente publicado em Avanços da Ciênciaadota uma nova abordagem. Os pesquisadores envolvidos no estudo desenvolveram o que chamam de técnica de “legenda mental” que usa um processo de otimização iterativo, onde um modelo de linguagem mascarada (MLM) gera descrições de texto alinhando recursos de texto com recursos decodificados pelo cérebro.

A técnica também incorpora modelos lineares treinados para decodificar características semânticas de um modelo de linguagem profunda usando atividade cerebral de ressonância magnética funcional (fMRI). O resultado é uma descrição detalhada do texto do que o participante está vendo em seu cérebro.

Gerando legendas de vídeo a partir da percepção humana

Na primeira parte do experimento, seis pessoas assistiram a 2.196 vídeos curtos enquanto sua atividade cerebral era examinada com fMRI. Os vídeos apresentavam vários objetos, cenas, ações e eventos aleatórios, e os seis sujeitos eram falantes nativos de japonês e falantes não nativos de inglês.

Os mesmos vídeos passaram anteriormente por uma espécie de legenda de texto crowdsourced por outros espectadores, que foi processada por um LM pré-treinado, chamado DeBERTa-large, que extraiu recursos específicos. Esses recursos foram combinados com a atividade cerebral e o texto foi gerado por meio de um processo iterativo pelo modelo MLM, denominado RoBERTa-large.

“Inicialmente, as descrições eram fragmentadas e não tinham um significado claro. No entanto, por meio da otimização iterativa, essas descrições evoluíram naturalmente para ter uma estrutura coerente e capturar efetivamente os principais aspectos dos vídeos visualizados. Notavelmente, as descrições resultantes refletiram com precisão o conteúdo, incluindo as mudanças dinâmicas nos eventos visualizados. Além disso, mesmo quando objetos específicos não foram identificados corretamente, as descrições ainda transmitiram com sucesso a presença de interações entre vários objetos”, explicam os autores do estudo.

A equipe então comparou as descrições geradas com legendas corretas e incorretas em vários números de candidatos para determinar a precisão, que dizem ser de cerca de 50%. Eles observam que este nível de precisão supera outras abordagens atuais e é promissor para melhorias futuras.

Lendo memórias

Mais tarde, os mesmos seis participantes foram convidados a relembrar os vídeos sob fMRI para testar a capacidade do método de ler a memória, em vez da experiência visual. Os resultados desta parte do experimento também foram promissores.

“A análise gerou com sucesso descrições que refletiam com precisão o conteúdo dos vídeos recuperados, embora a precisão variasse entre os indivíduos. Essas descrições eram mais semelhantes às legendas dos vídeos recuperados do que aos irrelevantes, com sujeitos proficientes alcançando quase 40% de precisão na identificação de vídeos recuperados de 100 candidatos”, escrevem os autores do estudo.

Para as pessoas que têm uma capacidade de falar diminuída ou perdida, como aquelas que sofreram um acidente vascular cerebral, esta nova tecnologia poderá eventualmente servir como uma forma de restaurar a comunicação. O facto de o sistema ter provado ser capaz de captar significados e relações mais profundos, em vez de simples associações de palavras, poderia permitir a estes indivíduos recuperar muito mais da sua capacidade de comunicação do que alguns dos outros métodos de interface cérebro-computador. Ainda assim, é necessária mais otimização antes de chegar a esse ponto.

Considerações éticas e direções futuras

Independentemente de algumas das aplicações mais positivas para dispositivos de legendagem mental capazes de ler o pensamento humano, existem certamente preocupações legítimas em relação à privacidade e ao potencial uso indevido da tecnologia de conversão de cérebro em texto.

Os pesquisadores envolvidos no estudo observam que o consentimento continuará sendo uma consideração ética importante ao empregar técnicas de leitura de mentes. Antes que o uso mais generalizado destas tecnologias seja comum, questões importantes sobre a privacidade mental e o futuro das interfaces cérebro-computador terão de ser abordadas.

Ainda assim, o estudo oferece uma nova ferramenta para a investigação científica sobre como o cérebro representa experiências complexas e um benefício potencial para indivíduos não-verbais.

Os autores do estudo escrevem: “Juntos, nossa abordagem equilibra interpretabilidade, generalização e desempenho – estabelecendo uma estrutura transparente para decodificar o pensamento não-verbal em linguagem e abrindo caminho para a investigação sistemática de como a semântica estruturada é codificada no cérebro humano.”

© 2025 Science X Network