Brain2Qwerty transforme les signaux du cerveau en texte avec une précision de 80 %
Les travaux de Meta AI sur le projet Brain2Qwerty représentent une avancée significative dans cette quête, visant à améliorer la communication pour ceux qui en ont le plus besoin.
Les interfaces cerveau-ordinateur (ICM) ont fait des avancées impressionnantes ces dernières années, permettant à des personnes ayant des difficultés de communication ou de mouvement de mieux interagir avec leur environnement. Toutefois, les solutions les plus performantes nécessitent souvent des interventions chirurgicales, comme l'implantation d'électrodes, ce qui peut engendrer des complications médicales, telles que des infections ou des soucis de maintenance sur le long terme. Bien que des méthodes non invasives, comme celles utilisant l'électroencéphalographie (EEG), aient été testées, elles peinent à offrir la précision nécessaire en raison d'une résolution de signal insuffisante.
L'un des grands défis dans le développement des ICM est d'augmenter la fiabilité des techniques non invasives pour qu'elles puissent être utilisées de manière pratique et sécurisée. Les travaux de Meta AI sur le projet Brain2Qwerty représentent une avancée significative dans cette quête, visant à améliorer la communication pour ceux qui en ont le plus besoin. En cherchant à surmonter les limitations des méthodes actuelles, ces recherches pourraient ouvrir la voie à des solutions plus accessibles et efficaces pour les utilisateurs.
Meta AI a récemment dévoilé Brain2Qwerty, un réseau neuronal innovant qui a pour but de traduire des phrases à partir de l'activité cérébrale captée via des techniques comme l'EEG ou la magnétoencéphalographie (MEG). Dans le cadre de cette étude, les participants ont été invités à taper des phrases qu'ils avaient mémorisées sur un clavier QWERTY, tout en enregistrant simultanément leur activité cérébrale. Ce qui distingue Brain2Qwerty des méthodes antérieures, c'est qu'il ne nécessite pas que les utilisateurs se concentrent sur des stimuli externes ou qu'ils imaginent des mouvements, mais s'appuie plutôt sur les processus moteurs naturels liés à la frappe, ce qui pourrait rendre l'interprétation de l'activité cérébrale beaucoup plus intuitive.
En utilisant cette approche, Brain2Qwerty pourrait révolutionner la manière dont nous comprenons et utilisons les signaux cérébraux. En effet, en se basant sur des actions aussi naturelles que la frappe au clavier, cette technologie pourrait ouvrir la voie à des applications variées, allant de l'assistance aux personnes ayant des troubles de la communication à des interfaces cerveau-ordinateur plus fluides. Cela représente un pas en avant significatif dans le domaine de l'intelligence artificielle et de la neuroscience, en rendant la communication entre l'esprit et la machine non seulement plus accessible, mais aussi plus naturelle.
Ce que dit Meta :
“Les neuroprothèses modernes permettent aujourd’hui de rétablir la communication chez les patients ayant perdu la capacité de parler ou de bouger. Cependant, ces dispositifs invasifs comportent des risques inhérents à la neurochirurgie. Nous présentons ici une méthode non invasive pour décoder la production de phrases à partir de l’activité cérébrale et démontrons son efficacité dans une cohorte de 35 volontaires sains. Pour cela, nous présentons Brain2Qwerty, une nouvelle architecture d’apprentissage profond entraînée à décoder des phrases issues soit de l’électro- (EEG) soit de la magnéto-encéphalographie (MEG), pendant que les participants tapent brièvement des phrases mémorisées sur un clavier QWERTY. Avec la MEG, Brain2Qwerty atteint, en moyenne, un taux d’erreur de caractères (CER) de 32 % et surpasse largement l’EEG (CER : 67 %). Pour les meilleurs participants, le modèle atteint un CER de 19 %, et peut parfaitement décoder une variété de phrases en dehors de l’ensemble d’entraînement. Alors que les analyses d’erreurs suggèrent que le décodage dépend des processus moteurs, l’analyse des erreurs typographiques suggère qu’il implique également des facteurs cognitifs de niveau supérieur. Dans l’ensemble, ces résultats réduisent l’écart entre les méthodes invasives et non invasives et ouvrent ainsi la voie au développement d’interfaces cerveau-ordinateur sûres pour les patients non communicants.”
Il y a de quoi être optimiste quand on pense à la possibilité de dialoguer avec des personnes qui sont complètement paralysées, coincées dans leur propre corps, ou qui souffrent de la maladie de Charcot, le tout sans avoir besoin de recourir à la chirurgie.