Une amélioration apportée à un décodeur cérébral basé sur l’IA permet de traduire les pensées humaines en texte sans nécessiter de longues heures de formation. Des scientifiques ont apporté de nouvelles améliorations à un «décodeur cérébral» utilisant l’intelligence artificielle (IA) pour convertir les pensées en texte. Ce modèle d’IA peut scanner le cerveau d’une personne à l’aide d’équipements non invasifs et convertir les pensées en phrases écrites, sans recourir à des implants.
Dans une étude, des scientifiques ont développé un modèle d’IA capable de décoder les signaux cérébraux pour reproduire des phrases tapées par des volontaires. Dans une seconde étude, les mêmes chercheurs ont utilisé l’IA pour cartographier la manière dont le cerveau produit le langage, transformant les pensées en phrases tapées.
Une équipe de chercheurs a rapporté dans une nouvelle étude que leur nouvel algorithme de conversion permet d’entraîner rapidement un décodeur existant sur le cerveau d’une autre personne. Selon les scientifiques, ces résultats pourraient un jour aider les personnes atteintes d’aphasie, un trouble cérébral affectant la communication. Dans cette nouvelle étude, publiée le 6 février 2025 dans la revue Current Biology, Huth et son co-auteur, Jerry Tang, étudiant diplômé de l’Université du Texas à Austin, ont exploré comment surmonter cette limitation de la communication.
«Les personnes aphasiques ont souvent des difficultés à comprendre et à parler», a déclaré à Live Science Alexander Huth, co-auteur de l’étude et neuroscientifique computationnel à l’Université du Texas à Austin (UT Austin). «Si cela est vrai, nous pourrions être incapables de modéliser leur cerveau en observant leurs réactions aux histoires qu’ils entendent.»
Voir aussi... Les scientifiques tirent la sonnette d'alarme: le monde perd rapidement de l'eau douce Changements anthropiques et climatiques dans les rivières et les lacs de la Terre |
Le décodeur cérébral utilise l’apprentissage automatique pour traduire les pensées d’une personne en texte, en fonction des réactions de son cerveau aux histoires entendues. Cependant, les versions précédentes du décodeur nécessitaient que les participants écoutent des histoires dans un appareil d’IRM pendant de nombreuses heures, et ces décodeurs ne fonctionnaient qu’avec les personnes sur lesquelles ils avaient été entraînés.
Une équipe de chercheurs a développé un algorithme permettant à un « décodeur cérébral » basé sur l’IA, formé sur une personne, de traduire les pensées d’une autre personne avec un minimum de formation. Jerry Tang/Université du Texas à Austin
Les chercheurs ont d’abord entraîné le décodeur cérébral sur plusieurs participants témoins en utilisant une approche à long terme : en collectant des données d’IRM fonctionnelle pendant que les participants écoutaient 10 heures d’émissions de radio.
Ils ont ensuite formé deux algorithmes de conversion sur des participants témoins et sur un autre ensemble de participants «cibles»: l’un utilisant des données collectées lorsque les participants écoutaient des reportages radiophoniques pendant 70 minutes, et l’autre lorsqu’ils regardaient des courts métrages muets de Pixar sans rapport avec les reportages radiophoniques pendant 70 minutes.
Grâce à une méthode appelée «alignement fonctionnel», l’équipe a cartographié les réponses cérébrales des participants témoins et cibles aux mêmes récits audio ou vidéo. Ces informations ont permis d’entraîner le décodeur à fonctionner avec le cerveau des participants cibles, sans avoir à collecter des heures de données d’entraînement.
L’équipe a ensuite testé les décodeurs à l’aide d’une nouvelle qu’aucun participant n’avait entendue auparavant. Bien que les prédictions du décodeur aient été légèrement plus précises pour les participants ayant utilisé les informations de contrôle originales que pour ceux ayant utilisé les convertisseurs, les mots prédits par le décodeur à partir des scanners cérébraux de chaque participant conservaient un lien sémantique avec les mots utilisés dans la nouvelle test.
Par exemple, dans l’un des fragments narratifs du test, une personne décrivait un travail qu’elle n’aimait pas: «Je suis serveuse dans un glacier. Donc, euh, ce n’est pas… Je ne sais pas où je veux être, mais je sais que ce n’est pas ça.» Un décodeur utilisant un algorithme de conversion entraîné sur des données vidéo a prédit: «J’avais un travail que je trouvais ennuyeux. Je devais prendre des commandes, et ça ne me plaisait pas, alors j’y travaillais tous les jours.» La correspondance n’est pas exacte – le décodeur ne capte pas les sons exacts entendus – mais les idées sont liées.
Les scientifiques peuvent collecter des données pendant que quelqu’un regarde une vidéo silencieuse, puis les utiliser pour créer un décodeur de langage pour son cerveau.
Les chercheurs affirment que l’utilisation de convertisseurs vidéo pour transférer les décodeurs existants aux personnes aphasiques peut les aider à s’exprimer. L’étude a également révélé un certain chevauchement entre la façon dont les individus représentent les idées issues du langage et celles issues des images visuelles dans le cerveau.
Cette étude suggère l’existence d’une représentation sémantique indépendante de la modalité dont elle est issue. Autrement dit, elle nous aide à comprendre comment le cerveau représente certains concepts de la même manière, même lorsqu’ils sont présentés sous des formats différents.
Voir aussi... |
Les scientifiques de Meta ont utilisé l’intelligence artificielle (IA) et l’analyse cérébrale non invasive pour comprendre comment les pensées sont traduites en phrases imprimées.
Selon les scientifiques, les résultats de l’étude pourraient à l’avenir servir de base à la création d’une interface cerveau-ordinateur non invasive qui aidera les personnes souffrant de lésions cérébrales ou de blessures à communiquer.
Des interfaces cerveau-ordinateur utilisant des méthodes de décodage similaires ont été implantées dans le cerveau de personnes ayant perdu la capacité de communiquer, mais de nouvelles recherches pourraient confirmer une voie potentielle vers des appareils portables.
Dans cette étude, les chercheurs ont utilisé la magnétoencéphalographie (MEG), qui mesure le champ magnétique généré par les impulsions électriques dans le cerveau, pour suivre l’activité neuronale des participants pendant qu’ils tapaient des phrases. Ils ont ensuite entraîné un modèle linguistique d’IA à décoder les signaux cérébraux et à produire des phrases à partir des données de la MEG.
Deux nouvelles études éclairent la manière dont nous pouvons transformer nos pensées en phrases écrites grâce à une interface numérique.
Le modèle a décodé les lettres tapées par les participants avec une précision de 68%. Les lettres fréquentes ont été décodées correctement plus souvent, tandis que les lettres moins courantes, comme Z et K, présentaient un taux d’erreur plus élevé. Lorsque le modèle commettait des erreurs, il avait tendance à substituer des symboles physiquement proches de la lettre cible sur le clavier QWERTY, ce qui suggère qu’il utilise les signaux moteurs du cerveau pour prédire la lettre tapée par le participant.
On a découvert que le cerveau génère d’abord des informations sur le contexte et le sens d’une phrase, puis crée des représentations de plus en plus détaillées de chaque mot, syllabe et lettre à mesure que le participant tape.
«Ces résultats soutiennent les prédictions de longue date selon lesquelles la production du langage nécessite une décomposition hiérarchique du sens des phrases en unités de plus en plus petites qui contrôlent en fin de compte les actions motrices», écrivent les auteurs de l’étude.
Pour éviter qu’un mot ou une lettre n’interfère avec un autre, l’équipe a découvert que le cerveau utilise un «code neuronal dynamique» pour les distinguer. Ce code modifie constamment la représentation de chaque information dans les régions cérébrales responsables de la formation du langage.
Cela permet au cerveau d’associer des lettres, des syllabes et des mots successifs, stockant ainsi les informations relatives à chacun d’eux plus longtemps. Cependant, les expériences MEG n’ont pas permis d’identifier précisément les régions cérébrales d’où proviennent chacune de ces représentations linguistiques.
Les chercheurs écrivent que même si la configuration actuelle est trop encombrante et sensible pour fonctionner correctement en dehors d’un environnement de laboratoire contrôlé, les progrès de la technologie MEG pourraient ouvrir la porte à de futurs appareils portables.
Voir aussi... Liste complète des gestionnaires d'événements HTML/Javascript avec exemples Liste des documents requis pour un site Web en Fédération de Russie |
