Discurso imaginado

El habla imaginada (también llamada habla silenciosa , habla encubierta , habla interior o, en la terminología latina original utilizada por los médicos , endofagia ) es pensar en forma de sonido: "escuchar" la propia voz en silencio, sin el movimiento intencional de ninguna extremidad como los labios, la lengua o las manos. ^[1] Lógicamente, el habla imaginada ha sido posible desde la aparición del lenguaje, sin embargo, el fenómeno está más asociado con su investigación a través del procesamiento de señales ^[2] y la detección dentro de los datos del electroencefalograma (EEG) ^{[3] [4]} así como datos obtenidos utilizando dispositivos alternativos no invasivos de interfaz cerebro-computadora (BCI) . ^[5]

En 2008, la Agencia de Proyectos de Investigación Avanzada de Defensa de Estados Unidos (DARPA) otorgó una subvención de 4 millones de dólares a la Universidad de California (Irvine) , con la intención de proporcionar una base para la telepatía sintética . Según DARPA, el proyecto "permitirá la comunicación de usuario a usuario en el campo de batalla sin el uso del habla vocalizada a través del análisis de señales neuronales. El cerebro genera señales específicas de palabras antes de enviar impulsos eléctricos a las cuerdas vocales. Estas señales de habla imaginarias se analizarían y traducirían en palabras distintas que permitirían la comunicación encubierta de persona a persona". ^[5] En su "Idiomas imposibles" (2016), Andrea Moro analiza el "sonido de los pensamientos" y la relación entre las unidades lingüísticas y el habla imaginada, capitalizando principalmente el trabajo de Magrassi et al. (2015) "Representación del sonido en áreas superiores del lenguaje durante la producción del lenguaje".

El esquema del programa de DARPA tiene tres objetivos principales: ^[5]

• Intentar identificar patrones de EEG exclusivos de palabras individuales
• Para garantizar que estos patrones sean comunes para diferentes usuarios y evitar un entrenamiento extenso del dispositivo
• Construir un prototipo que decodificaría las señales y las transmitiría en un rango limitado.

El proceso para analizar el habla silenciosa de los sujetos se compone de registrar las ondas cerebrales de los sujetos y luego utilizar una computadora para procesar los datos y determinar el contenido del habla encubierta de los sujetos .

Los patrones neuronales del sujeto (ondas cerebrales) se pueden registrar utilizando dispositivos BCI ; ^[2] actualmente, el uso de dispositivos no invasivos, ^[1] específicamente el EEG, es de mayor interés para los investigadores que los tipos invasivos y parcialmente invasivos . Esto se debe a que los tipos no invasivos plantean el menor riesgo para la salud del sujeto; ^[5] Los EEG han atraído el mayor interés porque ofrecen el enfoque más fácil de usar además de tener una instrumentación mucho menos compleja que la de la resonancia magnética funcional (fMRI), ^[5] otra BCI no invasiva de uso común. ^[2]

El primer paso para procesar datos no invasivos es eliminar artefactos como el movimiento ocular y el parpadeo, así como otra actividad electromiográfica . ^[3] Después de la eliminación de artefactos, se utiliza una serie de algoritmos para traducir los datos sin procesar al contenido de habla imaginada . ^[1] El procesamiento también está destinado a ocurrir en tiempo real: la información se procesa a medida que se registra, lo que permite una visualización casi simultánea del contenido tal como lo imagina el sujeto.

Se supone que “pensar en forma de sonido” recluta áreas auditivas y del lenguaje cuyos perfiles de activación pueden extraerse del EEG, si se procesan adecuadamente. El objetivo es relacionar estas señales con una plantilla que represente “lo que la persona está pensando”. Esta plantilla podría ser, por ejemplo, la serie temporal de la envolvente acústica (energía) correspondiente al sonido si se emitiera físicamente. Este mapeo lineal del EEG al estímulo es un ejemplo de decodificación neuronal . ^[6]

Sin embargo, un problema importante son las múltiples variaciones que puede tener un mismo mensaje en distintas condiciones físicas (por ejemplo, un hablante o un ruido). Por lo tanto, se puede tener la misma señal de EEG, pero no es seguro, al menos en términos acústicos, a qué estímulo corresponderla. Esto, a su vez, dificulta el entrenamiento del decodificador correspondiente.

Este proceso podría abordarse en cambio utilizando representaciones de orden superior ("lingüísticas") del mensaje. Las asignaciones a tales representaciones no son lineales y pueden depender en gran medida del contexto, por lo que puede ser necesaria una mayor investigación. No obstante, se sabe que una estrategia "acústica" todavía puede mantenerse preestableciendo una "plantilla" que le indique al oyente exactamente en qué mensaje pensar, aunque sea de forma pasiva y de forma no explícita. En estas circunstancias, es posible decodificar parcialmente la envoltura acústica del mensaje de voz a partir de series temporales neuronales si se induce al oyente a pensar en forma de sonido. ^[7]

En la detección de otras acciones imaginadas, como movimientos físicos imaginados, se produce una mayor actividad cerebral en un hemisferio que en el otro. Esta presencia de actividad asimétrica actúa como una ayuda importante para identificar la acción imaginada del sujeto. En la detección del habla imaginada, es común que se produzcan niveles iguales de actividad en los hemisferios izquierdo y derecho simultáneamente. Esta falta de lateralización demuestra un desafío significativo para analizar señales neuronales de este tipo. ^[2]

Otro desafío único es la relación señal-ruido (SNR) relativamente baja en los datos registrados. La SNR representa la cantidad de señales significativas que se encuentran en un conjunto de datos, en comparación con la cantidad de señales arbitrarias o inútiles presentes en el mismo conjunto. Los artefactos presentes en los datos de EEG son solo una de las muchas fuentes significativas de ruido. ^[1]

Para complicar aún más las cosas, la colocación relativa de los electrodos de EEG variará entre los sujetos. Esto se debe a que los detalles anatómicos de las cabezas de las personas difieren; por lo tanto, las señales registradas variarán en cada sujeto, independientemente de las características del habla imaginadas específicas de cada individuo. ^[3]