El pasado año consiguieron predecir, haciendo uso de técnicas de inteligencia artificial (IA), la estructura de las proteínas a partir de su secuencia de aminoácidos. Poco antes de acabar el año se hizo público que habían conseguido resolver la ecuación de Schrödinger mediante esas mismas técnicas. También gracias a la IA hemos sabido recientemente que los individuos de la especie Heterocephalus glaber (la rata topo desnuda) se comunican entre sí en el dialecto propio de la colonia a la que pertenecen y que esos dialectos se transmiten culturalmente. Y se acaba de dar a conocer que una inteligencia artificial ha sido capaz de identificar la pieza musical que escucha una persona, analizando los patrones de las ondas encefálicas obtenidas a partir de electroencefalogramas registrados durante la escucha de esa pieza.
La electroencefalografía (EEG) es una técnica que detecta cambios de potencial eléctrico en el cerebro a través de electrodos colocados en diferentes posiciones del cráneo. Esos cambios constituyen un reflejo de la sincronización de la actividad eléctrica de grupos de neuronas situadas en las proximidades de cada electrodo, consecuencia a su vez de los movimientos de iones a través de sus membranas. Hay versiones invasivas –denominadas electrocorticografías-, que requieren la introducción de electrodos en la corteza cerebral atravesando el cráneo, aunque la mayoría no lo son. Normalmente se utilizan para detectar cambios en la actividad eléctrica que se producen tras someter al individuo a algún estímulo o tras realizar alguna acción.
Un equipo de investigación de la Universidad Tecnológica de Delft, en los Países Bajos, colocó sendos equipos de electroencefalografía a veinte personas mientras escuchaban música con auriculares y registraron sus ondas encefálicas. Utilizaron, a tal efecto, doce piezas musicales diferentes. A los participantes se les tapaban los ojos y se les mantenía en una habitación en silencio, de manera que no hubiera ningún estímulo ambiental, aparte de la música, para que los resultados no se viesen condicionados por otras formas de información sensorial.
Los registros de cada persona eran divididos en segmentos cortos y utilizados, junto con los fragmentos musicales que les correspondían, para adiestrar a una IA, de manera que, asociando cada segmento del electroencefalograma a su correspondiente fragmento musical, fuese capaz de identificar patrones de correspondencias entre las dos secuencias de información.
A continuación, se suministraban a la IA los segmentos del EEG que no se habían utilizado en su adiestramiento, para que identificase la pieza musical a que correspondía. La IA fue capaz de identificar las piezas musicales escuchadas por cada una de las personas con un acierto del 85%. Tan interesante como ese nivel de acierto, es el hecho de que cuando a la IA se le pedía que identificase la música escuchada por una persona diferente, el grado de acierto era tan solo de un 10%.
A juicio de quienes hicieron el experimento, la razón de esa gran diferencia obedece al hecho de que la experiencia estética de cada persona al escuchar una misma pieza musical es diferente, y eso se traduce en que cada una se centra más en unos fragmentos que en otros. En otras palabras, además del procesamiento de la información contenida en cada fragmento musical, las ondas cerebrales también reflejan aspectos de la experiencia estética.
Al equipo de investigación, no obstante, lo que más interesa es identificar los elementos de la respuesta electroencefalográfica a la música que son comunes a todas las personas; esto es, aquellos que no se ven afectados por la componente hedónica. Quieren así saber más acerca del funcionamiento del encéfalo y, en última instancia, por qué nos gusta la música.
Fuente: CODS COMAD 2021, Enero 2–4, 2021, Bangalore, India.
Nota: Agradezco a Xurxo Mariño sus aclaraciones acerca de la electroencefalografía.
Sobre el autor: Juan Ignacio Pérez (@Uhandrea) es catedrático de Fisiología y coordinador de la Cátedra de Cultura Científica de la UPV/EHU
