Alors que les techniques de lecture de pensées reposaient jusqu’à présent sur l’implantation d’électrodes dans le cerveau, une nouvelle méthode s’appuie sur une technique de balayage non invasive connue sous le nom d’imagerie par résonance magnétique fonctionnelle.
Utiliser l’IRMf pour lire les pensées
L’IRMf suit le flux de sang oxygéné dans le cerveau et, comme les cellules cérébrales actives ont besoin de plus d’énergie et d’oxygène, cette information fournit une mesure indirecte de l’activité cérébrale. De par sa nature, cette méthode de balayage ne peut saisir l’activité cérébrale en temps réel, car les signaux électriques émis par les cellules cérébrales se déplacent beaucoup plus rapidement que le sang dans le cerveau.
Dans le cadre de travaux prépubliés sur le serveur bioRxiv, des chercheurs ont constaté qu’ils pouvaient s’appuyer sur cette mesure indirecte pour décoder le sens sémantique des pensées humaines. « Si vous aviez demandé à un neuroscientifique si cela était faisable il y a 20 ans, il aurait ri », explique Alexander Huth, chercheur à l’université du Texas et auteur principal de l’étude.
Huth et son équipe ont scanné le cerveau d’une femme et de deux hommes âgés de 20 à 30 ans, au cours de sessions d’écoute de podcasts et d’émissions de radio d’une durée totale de 16 heures. Les chercheurs ont ensuite soumis ces scans à un algorithme informatique chargé de les décoder en comparant les schémas de l’audio à ceux de l’activité cérébrale enregistrée.
Il s’est avéré qu’il pouvait générer une histoire à partir d’un simple enregistrement IRMf, et que celle-ci correspondait « assez bien » à l’intrigue originale du podcast ou de l’émission de radio.
Des reconstitutions globalement fidèles
Bien que l’algorithme ait commis quelques erreurs, incluant l’inversion des pronoms des personnages et l’utilisation de la première et de la troisième personne, les résultats obtenus démontrent qu’une telle approche peut être effectivement utilisée pour décoder nos pensées. « Il détermine ce qui se passe de manière assez précise, mais pas qui fait les choses », souligne Huth.
Lors de tests supplémentaires, l’algorithme a pu reconstituer assez précisément l’intrigue d’un film muet que les participants avaient visionné pendant que leur activité cérébrale était suivie, et même déduire une histoire que les participants avaient imaginée dans leur tête.
L’équipe de recherche entend continuer à perfectionner cette approche afin qu’elle puisse être utilisée dans des interfaces cerveau-ordinateur conçues pour les personnes qui ne peuvent ni parler ni utiliser un clavier.
