RESUMEN
Las interfaces cerebro-ordenador han prometido permitir que las personas controlen máquinas con sus pensamientos, pero tienen un problema fundamental: las señales cerebrales, especialmente las captadas sin cirugía, son ruidosas e imprecisas. La mayor parte de la investigación ha intentado construir mejores decodificadores para extraer órdenes más limpias de ese ruido, pero existe un límite a cuánto puede ayudar eso. Un estudio reciente adoptó un enfoque diferente. En lugar de intentar decodificar el cerebro perfectamente, los investigadores añadieron un copiloto de IA que observa la situación, infiere lo que el usuario está intentando hacer y combina su predicción con la señal cerebral. Un participante con parálisis pasó de un 0 % a un 93 % de éxito al controlar un brazo robótico. No porque el decodificador cerebral mejorara, sino porque la IA aprendió a encontrarse con el cerebro a medio camino. Lo interesante no es la tecnología en sí, sino la idea: quizá el futuro de las interfaces cerebro-ordenador no sea el control cerebral, sino la colaboración cerebro-IA.
Si alguna vez has utilizado un asistente de IA para ayudarte a escribir código o redactar un correo electrónico, ya conoces la idea básica: expresas lo que quieres y la IA resuelve los detalles. Tú mantienes el control, pero la IA se encarga de las partes difíciles.
Ahora imagina lo mismo, pero en lugar de escribir estás pensando. Y en lugar de escribir código, estás moviendo un brazo robótico. Eso es esencialmente lo que un equipo de investigadores de la Universidad de California en Los Ángeles (UCLA), dirigido por Sergey Stavisky, desarrolló y publicó a principios de este año en Nature Machine Intelligence (Lee et al., 2025). Y los resultados fueron llamativos.
EL PROBLEMA: LAS SEÑALES CEREBRALES SON DESORDENADAS
Las interfaces cerebro-ordenador (BCI, por sus siglas en inglés) existen desde hace décadas. La idea es sencilla: registrar señales eléctricas del cerebro, decodificar lo que la persona intenta hacer y traducirlo en una acción, como mover un cursor en una pantalla o controlar una prótesis.
El problema es que las señales cerebrales, especialmente las que pueden captarse sin cirugía, son ruidosas. Un casco de EEG colocado sobre el cuero cabelludo registra la actividad combinada de miles de millones de neuronas a través de piel y hueso. Es un poco como intentar entender una conversación dentro de un estadio apoyando el oído en la pared exterior. Puedes percibir que algo está ocurriendo, pero los detalles quedan difusos.
Por esta razón, las BCI no invasivas siempre han sido lentas e imprecisas. Los usuarios se cansan. Los errores se acumulan. Y para las personas con parálisis —quienes más necesitan esta tecnología— la distancia entre lo que quieren hacer y lo que el sistema realmente hace puede resultar frustrante.
La mayor parte de la investigación en BCI ha intentado resolver este problema construyendo mejores decodificadores: algoritmos más sofisticados capaces de extraer una señal más clara del ruido. Eso ayuda, pero tiene un límite. La señal simplemente no es tan limpia. Por eso el equipo de UCLA planteó una pregunta diferente: ¿y si la IA no se limitara a decodificar el cerebro, sino que además ayudara activamente?
LA IDEA: CONTROL COMPARTIDO
El equipo de UCLA introdujo lo que denominan un “copiloto de IA” para interfaces cerebro-ordenador. Así es como funciona.
La persona lleva un casco de EEG estándar (sin cirugía ni implantes). El casco tiene electrodos situados sobre el cuero cabelludo que miden diminutas señales eléctricas producidas por la actividad cerebral. Estas señales reflejan patrones que cambian dependiendo de lo que la persona esté intentando hacer (por ejemplo, imaginar mover la mano izquierda produce un patrón diferente al de imaginar mover la mano derecha).
Un decodificador —un algoritmo de aprendizaje automático entrenado con los datos cerebrales del usuario— traduce esos patrones en una dirección: “el usuario intenta mover el cursor hacia la esquina superior izquierda”.
Esa señal decodificada es aproximada: capta la dirección general, pero no con mucha precisión. Y aquí es donde entra el copiloto.
En lugar de enviar directamente esa orden ruidosa al cursor, el sistema también ejecuta una IA que observa la pantalla, identifica cuáles son los objetivos y formula su propia hipótesis sobre lo que el usuario está intentando hacer.
Después, ambas señales —la intención del cerebro y la predicción de la IA— se combinan. El cerebro mantiene el control del objetivo general (“quiero ese objetivo”), y la IA suaviza la trayectoria, corrige pequeños errores y aporta la precisión que la señal de EEG no puede proporcionar.
Es algo parecido a conducir con asistencia de mantenimiento de carril: tú decides a dónde ir, y el coche evita que te desvíes.
LOS RESULTADOS
El equipo probó este sistema con varias personas, incluido un participante con parálisis grave que no podía utilizar las manos.
Sin el copiloto de IA, el participante intentaba alcanzar objetivos en una pantalla utilizando únicamente sus señales cerebrales. La tasa de éxito era baja, y controlar un brazo robótico para mover bloques físicos era prácticamente imposible.
Con el copiloto de IA activado, la tasa de aciertos al alcanzar objetivos aumentó casi cuatro veces.
¿Y la tarea del brazo robótico? El participante pasó de un 0 % a un 93 % de éxito. Podía coger bloques y moverlos hasta una ubicación objetivo, algo que no podía hacer utilizando únicamente su cerebro.
No se trata de una pequeña mejora. Es la diferencia entre una tecnología que no funciona y una que sí lo hace.
POR QUÉ ESTO IMPORTA MÁS ALLÁ DE LOS NÚMEROS
La parte más interesante de este trabajo no son los resultados, sino el cambio en la forma de pensar sobre las BCI.
Durante años, el ideal ha sido el “control cerebral puro”: el cerebro ordena y la máquina obedece. Es una idea elegante, pero presupone que podemos decodificar las señales cerebrales perfectamente. No podemos, al menos por ahora, y especialmente no sin cirugía.
El enfoque del copiloto propone algo distinto: no necesitamos una decodificación perfecta. Solo necesitamos suficiente señal para que la IA entienda la intención. La IA puede encargarse del resto.
Este es el mismo principio que hizo útiles a los asistentes de IA en la vida cotidiana. ChatGPT no lee tu mente. Le das una indicación aproximada y completa los huecos.
El copiloto de BCI hace lo mismo, solo que con señales cerebrales en lugar de texto.
Y como el sistema utiliza un casco de EEG convencional, es portátil. No requiere cirugía. No implica riesgos. Eso lo convierte en algo potencialmente viable para el uso cotidiano de una manera que las BCI invasivas aún no son, al menos por ahora.
LO QUE NO PUEDE HACER (TODAVÍA)
Conviene aclararlo: esto no es lectura de la mente. El sistema no sabe lo que estás pensando. Sabe que intentas moverte aproximadamente en cierta dirección y utiliza el contexto visual de la pantalla para ayudar.
También funciona mejor cuando el entorno está estructurado: una pantalla con objetivos definidos o una mesa con bloques que mover. En un entorno abierto e impredecible, el copiloto de IA tendría menos información con la que trabajar.
Además, el estudio involucró a un número reducido de participantes. Los resultados son convincentes, pero necesitan replicarse a mayor escala antes de convertirse en una herramienta clínica.
Aun así, el principio es sólido: no intentes que el cerebro lo haga todo. Permite que exprese la intención y deja que la IA se encargue de la ejecución.
LO QUE ESTÁ POR LLEGAR…
Esto es solo una pieza dentro de un cambio mucho mayor que está ocurriendo en la intersección entre la IA y la neurociencia.
Otros investigadores están desarrollando modelos fundacionales entrenados con miles de escáneres cerebrales, intentando esencialmente crear un “GPT del cerebro” que pueda adaptarse a muchas tareas diferentes.
Otros están decodificando el habla interna directamente a partir de señales neuronales, lo que abre posibilidades fascinantes y también plantea importantes cuestiones éticas.
Por ahora, la conclusión es sencilla: las interfaces cerebro-ordenador más prometedoras quizá no sean aquellas en las que la IA sustituye el control humano, sino aquellas en las que la IA y el cerebro aprenden a trabajar juntos.
Y, si lo pensamos bien, probablemente así es como funcionan las mejores colaboraciones.
Fuente: Lee, J.Y., Lee, S., Mishra, A. et al. Brain–computer interface control with artificial intelligence copilots. Nat Mach Intell 7, 1510–1523 (2025). https://doi.org/10.1038/s42256-025-01090-y
