Descifrando tus sueños: ¿Y si pudieras reproducir tu mundo interior?

Los sueños mezclan sin sentidos, aleatoriedad y, a veces, imágenes significativas en nuestra mente inconsciente. En algunos casos, los sueños recordados pueden incluso inspirar avances en la ciencia y el arte. Mary Shelley visualizó su novela gótica, Frankenstein, en un sueño vívido. Dmitri Mendeleev vio la tabla periódica mientras dormía. Paul McCartney despertó con la melodía de “Yesterday”. ¿Y si pudiéramos revisitar intencionalmente las tramas de las aventuras mentales que vivimos cada noche?

Mujer viendo sus sueños recreados por lnteligéncia artificial

El doctor Yanwei Fu trabaja hacia este objetivo, profesor de ciencia de datos en la Universidad Fudan de China. Fu y su equipo están investigando cómo interpretar el lenguaje oculto de nuestros sueños directamente desde la actividad cerebral durante el sueño.

Inspirados por los libros de sueños tradicionales chinos y el psicoanálisis freudiano, Fu y sus colaboradores están dando algunos de los primeros pasos científicos hacia la visualización del contorno general del sueño de una persona, un proceso que llaman decodificación de sueños.

"La decodificación de sueños significa traducir patrones de actividad cerebral durante el sueño en algo que podamos interpretar, como palabras, imágenes o categorías que describan sobre qué estaba soñando la persona", dice Fu.

Para comenzar la decodificación, el equipo de Fu registra la actividad cerebral de las personas mientras ven imágenes reales estando despiertas. Luego, entrenan modelos de inteligencia artificial (IA) para reconstruir esas imágenes directamente a partir de las señales cerebrales previamente grabadas de otros sujetos. Esta actividad cerebral se mide usando imágenes por resonancia magnética funcional (fMRI), una técnica que rastrea el flujo sanguíneo en el cerebro para identificar qué áreas están activas durante ciertos momentos o en respuesta a estímulos.

Con los datos de vigilia en mano, los investigadores recolectan un segundo conjunto de datos de fMRI de personas mientras sueñan. Al comparar estos dos conjuntos de datos, los investigadores decodifican "instantáneas" visuales, del registro cerebral, capturadas en varios puntos a lo largo del ciclo del sueño.

Para el último paso en el proceso de decodificación de sueños, los investigadores unen todos los fragmentos en narrativas coherentes, creando una trama similar a un tapiz para los sueños capturados. Esto se logra usando modelos de lenguaje de gran tamaño (LLMs), sistemas avanzados de IA entrenados en extensos conjuntos de datos de texto, para que el contenido del sueño pueda interpretarse con más flexibilidad e intuición.

Fu explica que estos modelos de IA permiten a los investigadores ir más allá de etiquetas básicas de una sola palabra como "animal" o "persona". En su lugar, pueden generar descripciones detalladas de escenas como "una mujer paseando a su perro al atardecer", lo que ayuda a crear una imagen más rica y personal del sueño.

Una vez entrenados, los LLMs transforman las imágenes fragmentadas del sueño en historias. Estas narrativas luego se convierten en prompts (instrucciones) para ChatGPT, que genera interpretaciones visuales de los sueños que coinciden estrechamente con los recuerdos reales del soñador.

Fu dice que cree que la decodificación de sueños "ofrece una nueva lente sobre lo que significa ser humano", con el potencial de revelar cómo procesamos las emociones, formamos recuerdos e incluso experimentamos la conciencia. También ve promesas clínicas.

"La decodificación neuronal por fMRI generalmente puede ayudar a diagnosticar traumas, TEPT (Trastorno de Estrés Postraumático) o trastornos del ánimo al visualizar imágenes o videos a partir de señales cerebrales", explica Fu. "Por ejemplo, si decodificamos sueños, incluso cuando la persona no los recuerda completamente, podríamos detectar signos tempranos de angustia y ser capaces de intervenir".

Decodificar cómo se procesan las emociones durante el sueño también podría abrir nuevos caminos para tratar la depresión, la ansiedad y los trastornos del sueño.

Aun así, persisten desafíos significativos. "Necesitamos mejorar la precisión, hacer la tecnología más accesible y asegurar que funcione en poblaciones diversas, no solo en entornos de laboratorio", dice Fu. "Eso significa conjuntos de datos más grandes, mejores herramientas de escaneo cerebral y modelos de IA más robustos. También necesitamos pensar cuidadosamente sobre las cuestiones relacionadas con el uso eventual de la decodificación de sueños, como la ética, la privacidad y el consentimiento".

Los rápidos avances en la IA han permitido a los investigadores comenzar el camino para hacer de la investigación de decodificación de sueños una herramienta viable, pero la influencia fluye en ambas direcciones.

Fu y su equipo creen que las señales de fMRI podrían ayudar a entrenar a la IA generativa para reflejar mejor los patrones de pensamiento individuales. Esto permitiría a la IA convertir la actividad cerebral abstracta en contenido más vívido y significativo, como texto o imágenes que se alineen con cómo piensa una persona.

En el futuro, estas tecnologías podrían ayudarnos a canalizar nuestros viajes subconscientes en historias, canciones o incluso obras de arte.

"Un día", imagina Fu, "podrías simplemente despertar de un sueño profundo y, con la ayuda de la IA, una obra maestra podría surgir de los fragmentos de tu subconsciente, vislumbres bajo la superficie de la vida consciente".

Pasamos casi un tercio de nuestras vidas soñando, explorando mundos ocultos en lo profundo de nuestras mentes. Quizás ahora, gracias al trabajo de Fu y otros que investigan la decodificación de sueños, finalmente estemos listos para echar un vistazo más allá de la puerta, desbloqueando los misterios de los sueños para entender mejor no solo nuestro sueño, sino a nosotros mismos.

Referencia:

Fu, Y., Gao, J., Yang, B., & Feng, J. (2025). Making your dreams a reality: Decoding the dreams into a coherent video story from fMRI signals (arXiv:2501.09350) [Pre-print]. arXiv. https://doi.org/10.48550/arXiv.2501.09350