El Instituto Weizmann de Ciencias, en Israel, presentó Brain-IT, un modelo de inteligencia artificial capaz de reconstruir imágenes observadas por una persona a partir de datos obtenidos mediante resonancia magnética funcional, conocida como fMRI. La investigación fue difundida en septiembre de 2026 y ha despertado interés porque mejora la precisión de reconstrucciones visuales generadas desde actividad cerebral. Sin embargo, llamar a esta tecnología “lectura de mente” requiere matices: el sistema no accede a pensamientos secretos ni interpreta cualquier idea espontánea. Su función consiste en analizar patrones cerebrales asociados con imágenes que participantes observaron previamente dentro de un escáner, bajo condiciones controladas y con su consentimiento.
La resonancia magnética funcional no registra pensamientos como si fueran texto o video. Mide cambios en el flujo sanguíneo de distintas zonas cerebrales, un indicador indirecto de actividad neuronal. Durante el experimento, los voluntarios miran imágenes mientras la máquina registra cómo responde su cerebro. Brain-IT aprende después a vincular esas señales con componentes visuales, como colores, posiciones, formas y categorías de objetos. Con esos datos, genera una reconstrucción aproximada de la escena original. El resultado puede recuperar elementos importantes, pero no constituye una copia perfecta ni una grabación literal de lo que la persona vio.
La principal novedad de Brain-IT está en su capacidad para encontrar patrones funcionales compartidos entre cerebros diferentes. El equipo liderado por la profesora Michal Irani dividió la información en pequeños puntos tridimensionales llamados vóxeles y los agrupó según su función visual, no solo por su ubicación anatómica. El modelo identificó 128 regiones funcionales comunes relacionadas con el procesamiento de imágenes. Además, combina un decodificador, que pasa de la actividad cerebral a una imagen, con un codificador que predice cómo respondería el cerebro ante imágenes adicionales. Esta estrategia amplía los datos disponibles para entrenar el sistema.
Según el estudio, Brain-IT puede adaptarse a una persona nueva con alrededor de una hora de registros de fMRI, frente a las decenas de horas que solían requerir métodos anteriores. Los autores probaron el modelo con el Natural Scenes Dataset, una base pública compuesta por unos 73.000 pares de imágenes y escáneres de ocho participantes. En comparaciones con otros sistemas, Brain-IT obtuvo mejores resultados en varios indicadores de similitud visual y semántica. Aun así, el propio trabajo reconoce fallos: la IA puede equivocarse en detalles finos, colores, composición u objetos específicos, por lo que sus imágenes deben entenderse como reconstrucciones probabilísticas.
Las posibles aplicaciones incluyen estudiar cómo el cerebro procesa la visión, diseñar mejores interfaces cerebro-computadora y, a largo plazo, apoyar la comunicación de personas con graves limitaciones motoras o del habla. Pero el avance también reactiva debates sobre privacidad mental, consentimiento informado, seguridad de datos neuronales y uso comercial o estatal de estas tecnologías. Al 1 de octubre de 2026, Brain-IT sigue siendo una investigación de laboratorio: requiere una resonancia magnética, entrenamiento individual y estímulos visuales definidos. No existe evidencia de que pueda leer pensamientos cotidianos, recuerdos privados o sueños de cualquier persona sin cooperación ni medición cerebral especializada.