Implants cérébraux et modèle d’IA utilisés pour traduire la pensée en texte

Les chercheurs de l’Université de Californie, San Francisco, ont récemment créé un système d’IA capable de produire du texte en analysant l’activité cérébrale d’une personne, traduisant essentiellement ses pensées en texte. L’IA prend les signaux neuronaux d’un utilisateur et les décode, et peut déchiffrer jusqu’à 250 mots en temps réel sur la base d’un ensemble de 30 à 50 phrases.

Selon un article du Independent, le modèle d’IA a été formé sur des signaux neuronaux collectés auprès de quatre femmes. Les participantes à l’expérience avaient des électrodes implantées dans leur cerveau pour surveiller l’apparition de crises d’épilepsie. Les participantes ont été invitées à lire des phrases à haute voix, et leurs signaux neuronaux ont été transmis au modèle d’IA. Le modèle a pu discerner l’activité neurale corrélée à des mots spécifiques, et les modèles correspondants aux mots réels environ 97 % du temps, avec un taux d’erreur moyen d’environ 3 %.

Ceci n’est pas la première fois que des signaux neuronaux ont été corrélés à des phrases, les neuroscientifiques travaillent sur des projets similaires depuis plus d’une décennie. Cependant, le modèle d’IA créé par les chercheurs montre une précision impressionnante et fonctionne en temps réel. Le modèle utilise un réseau neuronal récurrent pour encoder l’activité neurale en représentations qui peuvent être traduites en mots. Comme l’indiquent les auteurs dans leur article:

« En s’inspirant des progrès récents de la traduction automatique, nous avons formé un réseau neuronal récurrent pour encoder chaque séquence d’activité neurale de longueur de phrase en une représentation abstraite, puis pour décoder cette représentation, mot par mot, en une phrase anglaise. »

Selon ArsTechnica, afin de mieux comprendre comment les liens étaient établis entre les signaux neuronaux et les mots, les chercheurs ont expérimenté en désactivant différentes parties du système. La désactivation systématique a montré clairement que la précision du système était due à la représentation neurale. Il a également été constaté que la désactivation des entrées audio du système faisait augmenter les erreurs, mais les performances globales étaient toujours considérées comme fiables. Évidemment, cela signifie que le système pourrait potentiellement être utile comme dispositif pour les personnes qui ne peuvent pas parler.

Lorsque différentes parties de l’entrée de l’électrode ont été désactivées, il a été constaté que le système portait la plus grande attention à certaines régions clés du cerveau associées au traitement et à la production du langage. Par exemple, une partie décente des performances du système était basée sur des régions cérébrales qui prêtent attention au son de sa propre voix lorsqu’on parle.

Alors que les résultats initiaux semblent prometteurs, l’équipe de recherche n’est pas sûre de la façon dont le modèle sera en mesure de s’adapter à des vocabulaires plus importants. Il est important que le principe puisse être généralisé à des vocabulaires plus importants, car le locuteur anglais moyen a un vocabulaire actif d’environ 20 000 mots. La méthode de décodage actuelle fonctionne en interprétant la structure statique d’une phrase et en utilisant cette structure pour faire des suppositions éduquées sur les mots qui correspondent à un modèle d’activité neurale particulier. À mesure que le vocabulaire augmente, la précision globale pourrait être réduite car plus de modèles neuronaux pourraient ressembler à des modèles similaires.

Les auteurs de l’article expliquent que même s’ils espèrent que le décodeur apprendra éventuellement à discerner des modèles réguliers et fiables dans le langage, ils ne sont pas sûrs de la quantité de données requise pour former un modèle capable de généraliser à la langue anglaise courante. Une façon potentielle de résoudre ce problème est de compléter la formation avec des données collectées à partir d’autres interfaces cerveau-ordinateur utilisant des algorithmes et des implants différents.

La recherche menée par les chercheurs de l’Université de Californie est une récente avancée dans une vague croissante de recherche et de développement concernant les interfaces neuronales et les ordinateurs. La Royal Society a publié un rapport l’année dernière qui prévoyait que les interfaces neuronales reliant les personnes aux ordinateurs permettraient éventuellement aux gens de lire les pensées les uns des autres. Le rapport cite la startup Neuralink créée par Elon Musk et les technologies développées par Facebook (META ) comme preuve des progrès à venir en matière d’informatique orientée vers l’humain. La Royal Society note que les interfaces homme-ordinateur seront une option puissante pour traiter les maladies neurodégénératives telles que la maladie d’Alzheimer au cours des deux prochaines décennies.