Un equipo de investigación ha demostrado que es posible recuperar información léxica a nivel de palabra a partir de señales de electroencefalografía (EEG) durante la lectura silenciosa, abriendo una vía para avanzar en la decodificación no invasiva del habla interna. El trabajo aborda un problema fundamental: no se puede reunir un corpus fiable que empareje la actividad cerebral con el monólogo interior espontáneo de una persona, y los paradigmas alternativos disponibles son lentos, están mal sincronizados y dependen de la verificación subjetiva del participante. Por ello, los autores proponen la lectura silenciosa como tarea proxy escalable.
En el experimento, un único participante con alta densidad de muestreo completó 393 sesiones (aproximadamente 49 horas) de EEG con electrodos secos de 19 canales, durante las que se le presentaron cerca de 240.000 palabras de textos narrativos continuos mediante presentación visual rápida en serie. La tipografía se aleatorizó en cada ensayo para decorrelar la identidad de la palabra de su forma visual de bajo nivel. Un codificador convolucional de EEG, seguido opcionalmente de un transformador causal, se entrenó con un objetivo contrastivo de estilo CLIP para alinear ventanas cortas de EEG con las embeddings del estado oculto de la palabra presentada obtenidas de un modelo de lenguaje de gran tamaño.
La evaluación, realizada como recuperación top-10 agrupada por palabra frente a líneas base de permutación, arrojó resultados sistemáticamente por encima del azar, incluidos términos de frecuencia media y palabras raras, y mostró un escalado log-lineal con el volumen de datos de entrenamiento sin signos de saturación. Retirar los electrodos occipitales y temporales posteriores redujo la ganancia a nivel de palabra en torno a un tercio, pero apenas afectó al seguimiento del contexto narrativo. Los análisis de control separan la decodificación a nivel de palabra del seguimiento del contexto narrativo y de un sesgo posicional no neuronal introducido por el embedding posicional del transformador. Los autores concluyen que la decodificación está limitada por la cantidad de datos y no por una meseta de rendimiento.