Cette intelligence artificielle peut traduire avec précision des pensées en phrases, lorsque le vocabulaire est limité à 250 mots. Une approche qui pourrait notamment s’avérer utile pour les personnes ayant perdu l’usage de la parole.

Utiliser l’apprentissage profond pour traduire les ondes cérébrales en phrases

Dans le cadre de leurs travaux, présentés dans la revue Nature Neuroscience, Joseph Makin et ses collègues de l’université de Californie ont utilisé des algorithmes d’apprentissage profond pour étudier les signaux cérébraux de quatre femmes épileptiques (possédant déjà des électrodes implantées dans leur cortex cérébral afin de surveiller leurs crises) lorsqu’elles s’exprimaient. Chacune d’entre elles a été invitée à lire à haute voix une série de phrases pendant que l’équipe mesurait son activité cérébrale. Le plus grand groupe de phrases contenait jusqu’à 250 mots uniques.

Les chercheurs ont ensuite transmis cette activité cérébrale à un algorithme de réseau neuronal, en l’entraînant à identifier des schémas se produisant régulièrement et pouvant être liés à des aspects répétés, tels que les voyelles ou les consonnes. Ces schémas ont ensuite été transmis à un second réseau neuronal, qui a tenté de les transformer en mots pour former une phrase.

Chaque fois qu’une personne prononce la même phrase, l’activité cérébrale associée est similaire mais pas identique. « Par conséquent, mémoriser l’activité cérébrale pour ces phrases n’aiderait pas, donc le réseau doit plutôt apprendre ce qu’elles ont de similaire afin de pouvoir établir des généralités », explique Makin. Parmi les quatre femmes, la meilleure performance réalisée par l’IA induisait un taux moyen d’erreur de traduction de 3 % seulement.

Les chercheurs estiment que nous connaissons en moyenne 350 000 mots différents. Nous sommes donc encore très loin de pouvoir traduire de manière exhaustive les données des signaux cérébraux — Laurent T / Shutterstock.com

Un vocabulaire restreint

Selon les auteurs de l’étude, l’utilisation d’un petit nombre de phrases a permis à l’IA d’apprendre plus facilement quels mots avaient tendance à suivre les autres. Grâce à la seule activité cérébrale, celle-ci a notamment été en mesure d’estimer que le mot « Turner » était toujours suivi de « Tina », dans cet ensemble de phrases.

L’équipe a ensuite tenté de lui faire décoder les données du signal cérébral en mots individuels plutôt qu’en phrases entières, mais cela a entraîné une augmentation de 38 % du taux d’erreur. « Le réseau apprend donc clairement quels termes vont ensemble, et pas seulement quelle activité neuronale correspond à tels mots », avance Makin, qui estime qu’il sera par conséquent difficile d’étendre le système à un vocabulaire plus vaste, étant donné que chaque nouveau mot augmente le nombre de phrases possibles et réduit sa précision.

Selon Makin, ce vocabulaire restreint de 250 mots pourrait notamment s’avérer utile pour les personnes ayant perdu l’usage de la parole à la suite d’une paralysie. Toutefois, le chercheur n’exclut pas la possibilité que leur activité cérébrale se révèle différente de celle des femmes suivies dans le cadre de leur étude, ce qui compliquerait largement la tâche de l’IA.

S’abonner
Notifier de
guest

0 Commentaires
Inline Feedbacks
View all comments