Además, tanto las personas sanas como las discapacitadas podrían disfrutar de videojuegos basados en una interfaz cerebro-ordenador.

Las interfaces cerebro-ordenador no invasivas que funcionan analizando ondas cerebrales registradas mediante electroencefalografía están actualmente limitadas por su modesto nivel de eficiencia. Las invasivas están limitadas por los riesgos de infección y de otro tipo que acarrea su uso.

Un equipo integrado, entre otros, por Dylan Forenzo y Bin He, de la Universidad Carnegie Mellon en la ciudad estadounidense de Pittsburgh, empleó descodificadores basados en aprendizaje profundo (una modalidad de inteligencia artificial) para mejorar la eficiencia de una interfaz cerebro-ordenador no invasiva utilizada por voluntarios cuya misión consistía en desplazar un cursor en un espacio bidimensional de una pantalla de ordenador, sin realizar movimiento físico alguno, únicamente mediante su mente.

Se instruyó a 28 participantes adultos para que imaginaran que movían solo la mano derecha para desplazar el cursor hacia la derecha, que movían solo la mano izquierda para desplazarlo hacia la izquierda, que movían ambas manos simultáneamente para desplazarlo hacia arriba y que no movían ninguna de las dos manos si lo que querían era hacerlo descender. Disponiendo de todas estas opciones, los sujetos de estudio podían mover de manera constante el objeto virtual.

Los autores del estudio evaluaron dos arquitecturas de aprendizaje profundo diferentes y un descodificador tradicional a lo largo de siete sesiones con la interfaz cerebro-ordenador.

Ambos descodificadores de aprendizaje profundo mejoraron a lo largo del estudio y superaron al descodificador tradicional en la última sesión.

Con la ayuda de descodificadores basados en el aprendizaje profundo, los participantes humanos fueron capaces de controlar un cursor de ordenador rápido y en continuo movimiento mediante una interfaz cerebro-ordenador no invasiva y gestionada por inteligencia artificial, que se vale tan solo de la captación e interpretación de las ondas cerebrales. Con esta interfaz, los usuarios podían gobernar los movimientos en la pantalla con un alto nivel de eficiencia y sin mover ni un músculo, un logro que podría ser un paso inicial hacia la madurez definitiva de la robótica neuroasistida, tal como adelantan los autores del estudio.

Forenzo y sus colegas exponen los detalles técnicos de sus experimentos en la revista académica PNAS Nexus, bajo el título "Continuous tracking using deep learning-based decoding for noninvasive brain–computer interface". (Fuente: NCYT de Amazings)