Des chercheurs de l'Université du Texas à Austin ont développé un nouveau système d'intelligence artificielle appelé "décodeur sémantique" qui a la capacité de traduire l'activité cérébrale d'une personne dans un flux continu de texte.
Cette technologie innovante a le potentiel d'aider les personnes mentalement conscientes mais incapables de développer la parole, comme celles qui ont été affaiblies par un accident vasculaire cérébral.
voir plus
Google développe un outil d'IA pour aider les journalistes à…
L'iPhone original de 2007 non ouvert se vend à près de 200 000 $; savoir...
En écoutant une histoire ou en imaginant silencieusement le récit, le système décode les signaux cérébraux et les convertit en texte, permettant l'expression des idées et des pensées de ces personnes.
Cette réalisation prometteuse pourrait ouvrir de nouvelles perspectives pour la communication et la qualité de vie des personnes confrontées à des problèmes d'élocution en raison de conditions médicales ou de blessures.
L'étude, qui a abouti à la mise au point du "décodeur sémantique", a été menée par Jerry Tang, étudiant à en informatique, et Alex Huth, professeur adjoint de neurosciences et d'informatique à université.
Les résultats de cette recherche ont été publiés dans la revue Neurosciences naturelles, l'une des publications scientifiques les plus respectées dans le domaine.
La direction conjointe de la recherche par Tang et Huth met en évidence la collaboration entre l'informatique et des neurosciences, à la recherche d'avancées significatives dans l'interface entre le cerveau humain et l'intelligence artificiel.
Les travaux menés par les chercheurs utilisent un modèle de transformateur, similaire à ceux utilisés dans des systèmes tels que Bard - de Google - et ChatGPT - d'OpenAI.
Cependant, le système développé par les chercheurs est différent car il ne nécessite pas d'implants chirurgicaux chez les sujets, ce qui en fait une méthode non invasive. De plus, contrairement à d'autres systèmes de décodage de langue en cours de développement, les participants ne sont pas limités à une liste prescrite de mots à communiquer.
Comment fonctionne la méthode du « lecteur de pensées » ?
Après une formation approfondie au décodeur, au cours de laquelle le patient écoute des heures de podcasts sur le scanner, l'activité cérébrale est mesurée à l'aide d'un scanner IRMf.
Plus tard, si le participant accepte que ses pensées soient décodées, la machine est capable de générer le texte correspondant à partir de l'activité cérébrale seule, que ce soit en écoutant une nouvelle histoire ou en imaginant en raconter une nouvelle. histoire.
Les chercheurs ont conçu le système de décodage pour capturer l'essence de ce qui est dit ou pensé, plutôt que de fournir une transcription exacte mot à mot.
Bien qu'imparfait, le système a démontré sa capacité à produire un texte qui se rapproche, et parfois avec précision, du sens voulu des mots originaux.
Le décodeur développé par les chercheurs permet le décodage continu du langage pendant de longues périodes de temps, englobant des idées complexes.
Pendant environ la moitié du temps pendant lequel le décodeur a été formé pour surveiller l'activité cérébrale d'un participant, le texte généré par la machine qui reflétait la signification souhaitée des mots, contribuant à une communication plus efficace et compréhensible.
Selon Huth, cette approche représente une avancée significative par rapport aux méthodes précédentes, qui se limitaient souvent à des mots simples ou à des phrases courtes.
Le système ne cherche pas une transcription littérale mot à mot, mais la capture de l'essentiel de ce qui est dit ou pensé, même de manière imparfaite.
Bien que le système actuel repose sur l'utilisation d'un scanner d'imagerie par résonance magnétique fonctionnelle (IRMf), ce qui limite sa viabilité en dehors de l'environnement de laboratoire, le les chercheurs pensent que leur travail peut être adapté à des systèmes d'imagerie cérébrale plus portables tels que la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS).
Selon Huth, le fNIRS mesure le flux sanguin dans le cerveau à différents moments, ce qui correspond essentiellement au même type de signal que l'IRMf détecte.
Par conséquent, l'approche utilisée dans l'étude pourrait être appliquée au fNIRS. Malgré cette limitation, on pense que l'essence de méthode développé par les chercheurs peut être adapté pour le fNIRS, ouvrant la voie à un système plus portable et accessible pour décoder l'activité cérébrale.
Amateur de films et de séries et de tout ce qui touche au cinéma. Un curieux actif sur les réseaux, toujours connecté aux informations sur le web.
