Cientistas criaram algoritmo capaz de “decodificar” ou literalmente ler pensamentos das pessoas sem tocar em suas cabeças. Uma inovação que pode revolucionar a pesquisa científica moderna e talvez acabar com a privacidade mental.
Pela primeira vez, os cientistas relatam ter criado um método que usa gravações funcionais de ressonância magnética para reconstruir a linguagem contínua. As descobertas são o próximo passo na busca por melhores interfaces cérebro-computador, que estão sendo desenvolvidas como uma tecnologia assistiva para aqueles que não podem falar ou digitar.
Leitura de pensamentos humanos
As técnicas anteriores de leitura da mente dependiam da implantação de eletrodos nas profundezas do cérebro. O novo método, descrito em relatório publicado em 29 de setembro no banco de dados de pré-impressão bioRxiv, baseia-se em técnica de varredura cerebral não invasiva, chamada de ressonância magnética funcional (fMRI).
A fMRI rastreia o fluxo de sangue oxigenado através do cérebro e, como as células cerebrais ativas precisam de mais energia e oxigênio, essa informação fornece medida indireta da atividade cerebral.
Por sua natureza, esse método de varredura não pode capturar a atividade cerebral em tempo real, uma vez que os sinais elétricos liberados pelas células cerebrais se movem muito mais rapidamente do que o sangue se move pelo cérebro.
Mas os autores do estudo descobriram que ainda podem usar essa medida de imperfeita para decodificar o significado semântico dos pensamentos das pessoas, embora não pudessem produzir traduções palavra por palavra.
“Se você tivesse perguntado a qualquer neurocientista cognitivo do mundo há 20 anos se isso era factível, eles teriam rido de você”, disse o autor principal do artigo, Alexander Huth, neurocientista da Universidade do Texas em Austin, no Texas, EUA, disse ao The Scientist.
Decodificador de pensamentos
Para o novo estudo, que ainda não foi revisado por demais pesquisadores, a equipe escaneou os cérebros de uma mulher e de dois homens na faixa dos 20 e 30 anos.
Cada participante ouviu 16 horas totais de diferentes podcasts e programas de rádio em várias sessões no scanner. A equipe então alimentou essas varreduras em um algoritmo de computador que eles chamaram de “decodificador”, que comparou padrões no áudio com padrões na atividade cerebral gravada.
O algoritmo poderia então fazer uma gravação de fMRI e gerar uma história com base em seu conteúdo. Essa história corresponderia ao enredo original do podcast ou programa de rádio “muito bem”, disse Huth ao The Scientist.
Em outras palavras, o decodificador poderia inferir qual história cada participante ouviu com base em sua atividade cerebral. Dito isso, o algoritmo cometeu alguns erros, como trocar os pronomes dos personagens e o uso da primeira e da terceira pessoa. “Ele sabe o que está acontecendo com bastante precisão, mas não sabe quem está fazendo as coisas”, disse Huth.
Para determinar o sucesso do decodificador, os pesquisadores pontuaram a semelhança da geração do decodificador com o estímulo apresentado ao sujeito. Eles também pontuaram a linguagem gerada pelo mesmo decodificador que não tinha sido verificada contra uma gravação de ressonância magnética. Eles então compararam esses escores e testaram a significância estatística da diferença entre os dois.
Resultados iniciais
Os resultados indicaram que o procedimento de adivinhação e verificação do algoritmo eventualmente gera toda uma história a partir de gravações de ressonância magnética, o que, diz Huth, corresponde “muito bem” com a história real sendo contada na gravação de áudio. No entanto, ele tem algumas deficiências; por exemplo, não é muito bom em conservar pronomes e muitas vezes se mistura em primeira e terceira pessoa.
Sam Nastase, pesquisador e professor do Instituto de Neurociências de Princeton que não participou da pesquisa, diz que usar gravações de ressonância magnética para esse tipo de decodificação cerebral é “alucinante“, já que esses dados são tipicamente tão lentos e barulhentos. “O que eles estão mostrando com este artigo é que se você tem uma estrutura de modelagem inteligente o suficiente, você pode realmente obter uma quantidade surpreendente de informações” de gravações de ressonância magnética, diz ele.
O mais surpreendente, acrescenta Huth, é que o decodificador foi capaz de reconstruir estímulos que não usavam linguagem semântica, embora fosse treinado em assuntos que ouviam a língua falada. Por exemplo, após o treinamento, o algoritmo reconstruiu com sucesso o significado de um filme mudo visto, bem como a experiência imaginada de um participante de contar uma história. “O fato de essas coisas estarem tão sobrepostas [no cérebro] é algo que estamos apenas começando a apreciar“, diz ele.
Tanto para Kamitani quanto para Nastase, os resultados do laboratório Huth, que ainda não foram revisados por pares, trazem à tona questões sobre como os decodificados processam o significado subjacente versus texto-like ou linguagem semelhante à fala. Uma vez que o novo decodificador detecta significado, ou semântica, em vez de palavras individuais, seu sucesso pode ser difícil de medir, já que inúmeras combinações de palavras poderiam contar como uma saída “boa“, diz Nastase. “É um problema interessante que eles estão apresentando“, diz ele.
Privacidade mental
Huth reconhece que, para alguns, a tecnologia que é capaz de efetivamente “ler mentes” pode ser um pouco “assustadora“. Ele diz que sua equipe pensou profundamente sobre as implicações da pesquisa e, por preocupação com a privacidade mental, analisou se o decodificador funcionaria sem a cooperação voluntária do participante. Em alguns ensaios, enquanto o áudio estava sendo reproduzido, os pesquisadores pediram aos sujeitos que se distraíssem realizando outras tarefas mentais, como contar, nomear e imaginar animais, e imaginar contar uma história diferente. Nomear e imaginar animais foi mais eficaz em tornar a decodificação imprecisa, eles descobriram.
Em testes adicionais, o algoritmo conseguiu explicar com bastante precisão o enredo de um filme mudo que os participantes assistiram no scanner. Poderia até recontar uma história que os participantes imaginavam contar em suas cabeças.
Também notável do ponto de vista da privacidade é que um decodificador treinado em exames cerebrais de um indivíduo não poderia reconstruir a linguagem de outro indivíduo, diz Huth, retornando “basicamente nenhuma informação utilizável” no estudo. Assim, alguém precisaria participar de extensas sessões de treinamento antes que seus pensamentos pudessem ser decodificados com precisão.
Para Nastase, o fato de os pesquisadores procurarem evidências de proteções de privacidade mental foi encorajador. “Você poderia muito facilmente ter publicado este artigo há seis meses sem nenhum desses experimentos [de privacidade]“, diz ele. No entanto, ele acrescenta, ele não está convencido de que os autores definitivamente mostraram que a privacidade não será uma preocupação no futuro, uma vez que pesquisas futuras poderiam encontrar maneiras de contornar as paradas de privacidade mental detalhadas pelos pesquisadores. “É uma questão de saber se os benefícios da tecnologia como essa superam as possíveis armadilhas“, diz Nastase.
A longo prazo, a equipe de pesquisa pretende desenvolver essa tecnologia para que possa ser usada em interfaces cérebro-computador projetadas para pessoas que não sabem falar ou digitar.
