Neurotecnología e Inteligencia Artificial: Fronteras legales y de gobernanza

62 Neurotecnología e Inteligencia Artificial: Fronteras legales y de gobernanza ras neuronales o auriculares que miden la atención, emociones o fatiga, hoy presentes en sectores como la educación, el bienestar, el neuromarketing, el entretenimiento, la automoción o la domótica. Un caso especialmente controvertido es el de China, donde varios medios internacionales documentaron el uso de sensores neuronales en centros educativos para monitorizar la atención de los alumnos, generando una fuerte preocu- pación por prácticas de vigilancia mental (Wang, Hong & Tai, 2019). En este escenario, la IA cumple un papel decisivo en el desarrollo contemporá- neo de la neurotecnología. El RIA define IA como “ un sistema basado en una máquina que está diseñado para funcionar con distintos niveles de autonomía y que puede mostrar capacidad de adaptación tras el despliegue, y que, para objetivos explícitos o implícitos, infiere de la informa- ción de entrada que recibe la manera de generar resultados de salida, como predicciones, contenidos, recomendaciones o decisiones, que pueden influir en entornos físicos o virtuales ” 3 . Esta definición resalta algunos aspectos clave para entender cómo la IA se integra y potencia las capacidades de los sistemas neurotecnológicos actuales. En primer lugar, la capacidad de inferencia y procesamiento autónomo de datos que caracteriza a los sistemas de IA permite abordar la complejidad de las señales neuronales, las cuales son altamente dinámicas, no lineales y específicas de cada indi- viduo. En este sentido, la IA transforma señales electrofisiológicas (como las obtenidas mediante electroencefalografía) en representaciones interpretables que pueden ser uti- lizadas para la toma de decisiones, el control de dispositivos externos o la modulación personalizada de tratamientos neurotecnológicos. En segundo lugar, la dimensión adaptativa de la IA se vuelve esencial en con- textos donde la interacción con el sistema nervioso implica una retroalimentación continua. Por ejemplo, en aplicaciones como las interfaces cerebro-máquina o los sistemas de neuroestimulación personalizados, los algoritmos de IA deben ajustar su comportamiento en función de los cambios progresivos en la actividad cerebral del usuario, con el fin de mantener la eficacia, precisión y seguridad del sistema. Finalmente, la facultad de la IA para generar resultados que influyen directa- mente en entornos físicos o virtuales se alinea con la finalidad práctica de muchas neurotecnologías, ya sea en la activación de prótesis motoras, en la interacción con entornos digitales mediante la actividad cerebral, o en la adaptación de experiencias sensoriales en función del estado cognitivo del individuo. 2.2. Retos y riesgos éticos emergentes En un artículo publicado en la revista Nature en 2017, el grupo interdisciplinar The Morningside Group , liderado por el neurobiólogo Rafael Yuste y la filósofa Sara Goering, 3 Art. 3.1 RIA.