Il a été testé pour aider les personnes mentalement conscientes mais incapables de parler physiquement. Il est basé sur un modèle similaire à ceux qui alimentent ChatGPT d’Open AI et Bard de Google

Un nouveau système d’intelligence artificielle, défini décodeur sémantique peut traduire leactivité cérébrale d’une personne – tout en écoutant une histoire ou en imaginant silencieusement raconter une histoire – dans un flux continu de texte. Le système, développé par des chercheurs de l’Université du Texas à Austin, pourrait aider les personnes mentalement conscientes mais physiquement incapables de parler, telles que celles affaiblies par un accident vasculaire cérébral, à communiquer


L’expérience

L’étude, publiée dans la revue Nature Neuroscience, a été dirigée par le doctorant en informatique Jerry Tang et Alex Huth, professeur adjoint de neurosciences et d’informatique à l’UT Austin. Le travail est basé en partie sur un modèle similaire à ceux qui alimentent ChatGPT d’Open AI et Bard de Google. Contrairement à d’autres systèmes de décodage de langage en cours de développement, ce système ne nécessite pas l’insertion d’implants chirurgicaux chez les sujets. De plus, les participants ne doivent pas simplement utiliser des mots d’une liste prédéfinie. L’activité cérébrale est mesurée à l’aide de l’imagerie par résonance magnétique fonctionnelle (IRMf) après une formation approfondie au décodeur, où l’individu écoute des heures de podcasts dans le scanner. Par la suite, à condition que le participant accepte que ses pensées soient décodées, imaginer une histoire racontée permet à la machine de générer le texte correspondant à partir de la seule activité cérébrale. Pour une méthode non invasive, il s’agit d’un véritable bond en avant par rapport à ce qui a été fait auparavant, qui est généralement composé de mots simples ou de phrases courtes, a déclaré Huth. Nous faisons en sorte que le modèle décode un langage continu sur de longues périodes avec des idées compliquées.

Le résultat n’est pas une transcription verbatim, les chercheurs visent à saisir l’essentiel de ce qui est dit ou pensé, aussi imparfaitement soit-il.. Environ la moitié du temps, lorsque le décodeur était formé pour surveiller l’activité cérébrale d’un participant, la machine produisait un texte qui correspondait au sens voulu des mots originaux. Les chercheurs ont noté que le décodage ne fonctionnait qu’avec des participants coopératifs qui avaient participé volontairement à la formation au décodeur. Les résultats pour les individus sur lesquels le décodeur n’avait pas été formé étaient incompréhensibles.

Préoccupations et limites

Nous prenons très au sérieux les craintes qu’il puisse être utilisé à des fins négatives et nous nous efforçons de l’éviter, a déclaré Tang. Nous voulons nous assurer que les gens n’utilisent ces types de technologies que lorsqu’ils le souhaitent et que nous les aidons. Le système est actuellement peu pratique pour une utilisation en dehors du laboratoire en raison de sa dépendance au temps nécessaire sur une machine IRMf. Mais les chercheurs pensent que ce travail pourrait s’appliquer à d’autres systèmes d’imagerie cérébrale plus portables, tels que la spectroscopie fonctionnelle dans le proche infrarouge (fNIRS). fNIRS mesure où il y a plus ou moins de flux sanguin dans le cerveau à différents moments, ce qui, il s’avère, est exactement le même type de signal mesuré par fMRI, a déclaré Huth. Donc, notre type exact d’approche devrait aboutir à fNIRS, même si, a-t-il noté, la résolution avec fNIRS serait plus faible. à leur sujet, dit Huth.

A lire également