Brain-IT, una inteligencia artificial desarrollada en el Instituto Weizmann de Ciencias, reconstruye imágenes a partir de la actividad cerebral registrada mientras una persona las observa. En las pruebas del equipo, una hora de datos del nuevo participante bastó para adaptar el modelo y obtener resultados comparables a otros métodos entrenados con 40 horas de registros.
Weizmann difundió el avance en un comunicado del 14 de septiembre de 2026. El artículo científico apareció inicialmente en arXiv el 29 de octubre de 2025 y fue aceptado en ICLR 2026, una conferencia de investigación en inteligencia artificial. Su alcance es la reconstrucción de estímulos visuales en condiciones experimentales.
Una hora para adaptar un modelo ya entrenado
La base experimental procede del Natural Scenes Dataset (NSD), recopilado en la Universidad de Minnesota. Según la documentación del conjunto, ocho adultos sanos observaron miles de escenas naturales en color durante 30 a 40 sesiones de resonancia magnética funcional. Mientras veían cada imagen, indicaban si ya la habían visto antes en el experimento. Los registros se obtuvieron con un escáner de 7 teslas, de alta intensidad de campo magnético.
El método de Brain-IT aprovecha lo aprendido de otros participantes. Para incorporar a una persona, el equipo adapta las representaciones de sus señales cerebrales y mantiene fijos los componentes compartidos del modelo, según el paper.
La hora corresponde a esa adaptación individual. El modelo parte de un aprendizaje previo y de una base de registros que requirió muchas sesiones por participante. Por tanto, la reducción del tiempo personal de escaneo depende de aprovechar información reunida anteriormente.
El comunicado de Weizmann describe otra vía para ampliar el entrenamiento: un codificador predice la respuesta cerebral a imágenes adicionales y genera pares sintéticos para el reconstructor. Esas respuestas estimadas complementan los datos medidos.
Cómo se convierte una señal cerebral en una imagen
La resonancia magnética funcional, o fMRI, permite estudiar qué áreas cerebrales se activan durante una tarea. El Instituto Nacional de Imagen Biomédica y Bioingeniería de Estados Unidos (NIBIB) explica que esa activación se relaciona con un mayor consumo de oxígeno. La resonancia convencional puede mostrar estructuras del cerebro; la modalidad funcional añade información sobre su actividad. Brain-IT utiliza esos registros asociados a la observación de imágenes como entrada para la reconstrucción.
El sistema combina una vía que estima la disposición visual general con otra que identifica el contenido de la escena. Un modelo generativo de difusión utiliza ambas para producir la imagen final, de acuerdo con el artículo.
Los autores reconocen errores en el contenido y en detalles finos. Una reconstrucción reconocible sigue siendo una estimación generada a partir de las señales registradas.
Los sueños siguen siendo una posibilidad futura
El tamaño de la muestra delimita lo probado. Los datos del NSD proceden de adultos sanos y de una tarea visual concreta; extender el resultado a pacientes o a otras actividades cerebrales requiere evaluar esas condiciones por separado.
Michal Irani, responsable del laboratorio, plantea en el comunicado que descifrar video presenta una dificultad temporal: cambian muchas imágenes por segundo, mientras que un registro de fMRI tarda alrededor de dos segundos. Por eso presenta la lectura de sueños como una posibilidad condicionada a superar obstáculos técnicos.
El laboratorio trabaja también en extender estos métodos a información auditiva.
