En una conversación hay mucho más que palabras. Diversas señales visuales y auditivas indican el estado mental de cada interlocutor y generan una interacción productiva.

Sin embargo, un ceño fruncido, el gesto de una mano o una sonrisa radiante no pueden ser captados por un ordenador. En la actualidad, investigadores del MIT (Instituto Tecnológico de Massachusetts) y de la Universidad de Tufts (ambos centros en Estados Unidos), están probando un sistema que haga que los ordenadores sepan un poco más sobre nuestro mundo interior.

Su sistema, llamado Brainput, está diseñado para reconocer cargas de trabajo excesivas en una persona y, automáticamente, modificar una interfaz de ordenador para hacerla más sencilla. Los investigadores han utilizado una tecnología ligera y portátil para el seguimiento del cerebro, conocida como espectroscopia de infrarrojo cercano funcional (fNIRS, por sus siglas en inglés), que determina el momento en que una persona está realizando varias tareas a la vez. El análisis de los datos escaneados del cerebro se envía a continuación a un sistema que ajusta la carga de trabajo del usuario en esos momentos. Un sistema de computación con Brainput podría, en otras palabras, aprender a darnos un descanso.

Los ordenadores tienen otras formas de detectar cuándo la carga de trabajo mental de una persona se está volviendo incontenible. Pueden, por ejemplo, registrar los errores de mecanografía o la velocidad de las pulsaciones del teclado. También pueden utilizar la visión por ordenador para detectar expresiones faciales. "Brainput trata de acercarse más a la fuente, observando directamente la actividad del cerebro", indica Erin Treacy Solovey, investigadora postdoctoral en el MIT. Treacy Solovey presentó sus resultados el miércoles pasado en la Conferencia Human Computer Interaction, celebrada en Austin, Texas (EE.UU.).

En un experimento, ella y su equipo incorporaron Brainput en robots virtuales diseñados para adaptarse al estado mental de su controlador humano. El objetivo principal era que cada operador, utilizando un casco fNIRS, guiara dos tipos diferentes de robots a través de un laberinto para encontrar un lugar donde la señal wifi fuera lo suficientemente fuerte como para enviar un mensaje. La dificultad consistía en que los conductores tenían que cambiar constantemente de un robot a otro, tratando de no perder de vista sus localizaciones y evitando que se chocasen contra las paredes.

A medida que los sujetos de investigación conducían a sus robots hasta la señal wifi más fuerte, sus sensores fNIRS transmitían información sobre su estado mental. Los robots, por su parte, fueron programados para centrarse en un estado mental conocido como de ramificación, en el que una persona trabaja simultáneamente en dos objetivos que requieren atención. (Varios estudios anteriores han relacionado ciertas señales fNIRS con este tipo de estado mental). Cuando los robots detectaban que el conductor estaba empezando a sentir la ramificación, se ocupaban de su propia navegación.

Los investigadores observaron que cuando se activaba el modo autónomo de los robots, subía el rendimiento general del equipo humano-robot. Los conductores no parecían darse cuenta, ni se sentían frustrados por el comportamiento autónomo del robot cuando realizaban más de una tarea.

"Una buena parte de la investigación actual dentro de la interacción entre humanos y robots se centra en dar a los ordenadores unos mejores sentidos para, ya sea implícita o explícitamente, aumentar nuestra inteligencia y ayudarnos con nuestras tareas", afirma Desney Tan, investigador de Microsoft Research. "Este trabajo es un primer paso maravilloso hacia la comprensión de nuestro estado mental cambiante y hacia el diseño de interfaces a medida que se ajusten de forma dinámica para que el sistema hombre-máquina pueda ser lo más eficaz posible", asegura.

Treacy Solovey sugiere que tal sistema podría ser utilizado para ayudar a conductores, pilotos y supervisores de vehículos aéreos no tripulados. Afirma además que se investigarán otros estados cognitivos que puedan ser medidos de forma fiable con el uso de fNIRS.