Sección de Inteligencia Artificial — Club de Neurociencia
Este proyecto desarrolla un sistema de inteligencia artificial capaz de predecir dos comportamientos humanos ante estímulos visuales:
- Atención visual — dónde mira una persona al observar una imagen (mapa de saliencia)
- Respuesta emocional — qué emociones experimenta al verla
Es una investigación interdisciplinaria que combina neurociencia cognitiva, visión por computadora y aprendizaje profundo. El objetivo no es solo analizar el comportamiento humano, sino construir un modelo computacional que lo aprenda y lo prediga.
Desarrollar un modelo de IA que dado una imagen produzca:
imagen → mapa de atención visual + respuesta emocional
- Diseñar y ejecutar experimentos de seguimiento ocular con 40–80 participantes
- Construir un dataset multimodal original de atención visual y emociones
- Implementar modelos de deep learning (CNN o Vision Transformer) para predicción de atención
- Analizar la relación entre atención visual y respuesta emocional
- Generar visualizaciones y herramientas de comparación humano vs. IA
Los participantes observan una serie de 200–400 estímulos visuales (escenas naturales, arte, publicidad, diagramas educativos, contenido social) mientras el sistema registra:
| Dato | Descripción |
|---|---|
| Coordenadas de mirada | Posición exacta de los ojos en pantalla |
| Duración de fijaciones | Tiempo que el participante fija la mirada en cada zona |
| Scanpath | Secuencia temporal de la exploración visual |
| Señales emocionales | Métricas de emoción facial (alegría, tristeza, etc.) |
Herramientas: iMotions (adquisición y sincronización de datos biométricos), hardware de eye tracking (e.g. Tobii).
Cada muestra del dataset contiene:
imagen original
mapa de atención (gaze heatmap)
secuencia de fijaciones (fixation sequence)
vector de emociones (emotion vector)
El sistema usa una arquitectura de aprendizaje multitarea:
┌─────────────────┐
imagen → │ Image Encoder │ → cabeza de atención → mapa de saliencia
│ (CNN / ViT) │
└─────────────────┘ → cabeza de emoción → probabilidades emocionales
iMotions → Recolección de datos
↓
Procesamiento de datos
↓
Construcción del dataset
↓
Entrenamiento en AWS (EC2 GPU)
↓
Sistema de predicción
↓
Visualización / Aplicación demo
| Área | Tecnología |
|---|---|
| Recolección biométrica | iMotions, Tobii (eye tracking) |
| Almacenamiento | Amazon S3 |
| Entrenamiento | Amazon EC2 (g4dn.xlarge / p3.2xlarge) |
| Entrenamiento gestionado (opcional) | Amazon SageMaker |
| Despliegue / Demo API (opcional) | Amazon EC2 |
| Frameworks ML | Python, PyTorch / TensorFlow |
| Fase | Semanas | Actividades |
|---|---|---|
| 1 — Preparación | 1–3 | Revisión de literatura, diseño experimental, preparación de estímulos |
| 2 — Recolección | 4–7 | Ejecución de experimentos, registro de eye tracking y emociones |
| 3 — Procesamiento | 8–10 | Limpieza de datos, generación de mapas de atención, construcción del dataset |
| 4 — Entrenamiento | 11–13 | Entrenamiento en AWS, evaluación de modelos |
| 5 — Análisis | 14–16 | Visualización de resultados, redacción de informe técnico |
- Modelo de IA entrenado — predice mapas de atención y respuestas emocionales
- Dataset multimodal — imágenes + datos de mirada + etiquetas emocionales
- Código fuente — pipeline completo de procesamiento y entrenamiento
- Reporte técnico — documentación completa del proyecto
- Visualizaciones interactivas — herramientas de comparación humano vs. IA y aplicación demo
| Concepto | Costo (USD) |
|---|---|
| Implementación inicial (materiales, almacenamiento) | 100–200 |
| Operación por semestre (laboratorio institucional) | 0–50 |
| AWS por ciclo de desarrollo (S3 + EC2 + opcional) | 30–150 |
| Total estimado | 130–400 |
La infraestructura crítica (laboratorio de neurociencia, eye tracking, software biométrico) ya se encuentra disponible institucionalmente, lo que garantiza la viabilidad económica del proyecto.
- Investigación interdisciplinaria entre neurociencia e IA dentro de la universidad
- Dataset experimental único, reusable y extensible para futuros proyectos
- Fortalecimiento de capacidades técnicas de los miembros del club
- Base para una línea de investigación en modelado computacional de percepción humana
Fase actual: Planificación completada
La documentación de propuesta, marco conceptual y presupuesto están listos. La implementación aún no ha comenzado.
- proyecto.md — Propuesta formal del proyecto (español)
- context.md — Marco conceptual y arquitectura del sistema (inglés)
- presupuesto.md — Presupuesto, plan de implementación e infraestructura (español)