Le Centre d'intelligence artificielle centrée sur l'humain, GrapheneX-UTS, à l'Université de technologie de Sydney (UTS), a réalisé une première mondiale en développant un IA capable de lire les pensées et de les transformer en texte.
Selon les nouvelles, cet appareil, portable et moins invasif, peut aider les personnes qui ne peuvent pas parler à cause d'une maladie ou d'une blessure. Notamment, un accident vasculaire cérébral ou une paralysie. Elle favorise également une communication fluide entre les humains et les machines, comme le contrôle d'un bras ou d'un robot bionique.
La recherche de l'UTS sur l'IA qui lit dans les pensées en texte applaudie à la conférence NeurIPS 2023
L'étude a été distinguée comme l'article principal à la conférence NeurIPS, un événement annuel consacré à la recherche de pointe en intelligence artificielle et en apprentissage automatique. Le professeur émérite CT Lin a dirigé la recherche. Mais il a collaboré avec Yiqun Duan, le premier auteur, et Jinzhou Zhou, un doctorant de la Faculté d'ingénierie et d'informatique de l'UTS.
Concrètement, les participants de l'étude ont lu des passages de texte en silence. Ils ont cependant porté une casquette enregistrant l'activité électrique cérébrale à l'aide d'un électroencéphalogramme (EEG). Les ondes EEG sont ensuite segmentées en unités distinctes par un modèle d'IA nommé DeWave, créé par les chercheurs. DeWave décrypte alors les signaux EEG en mots et phrases en apprenant à partir d'une vaste quantité de données EEG.
Une méthode inédite de traduction cerveau-texte sans chirurgie ni IRM
« Ce travail de recherche représente une avancée pionnière dans la conversion directe des ondes EEG brutes en langage. Notre IA qui lit dans les pensées marque en effet une percée significative dans ce domaine », a souligné Lin.
« Nous sommes les premiers à intégrer des techniques de codage discrètes dans le processus de traduction cerveau-texte. Nous avons d'ailleurs introduit une approche novatrice du décodage neuronal. L'intégration avec des modèles de langage de grande envergure ouvre également de nouvelles perspectives en neurosciences et en intelligence artificielle », a-t-il ajouté.
Les technologies précédentes nécessitent la traduction des signaux cérébraux en langage. Les chercheurs ont dû faire face à une intervention chirurgicale pour implanter des électrodes dans le cerveau. C'est d'ailleurs le cas avec le projet Neuralink d'Elon Musk. En d'autres termes, on parle de numérisation par IRM. Or, cette approche est plus encombrante, coûteuse et difficile à utiliser.
Ces méthodes éprouvent également des difficultés à convertir les signaux cérébraux en segments. En particulier au niveau des mots, là où elles doivent recourir à des aides supplémentaires. Dont le suivi oculaire qui limitait leur application pratique. Par contre, cet appareil, alimenté par l'IA, peut être utilisé pour lire les pensées avec ou sans eye-tracking.
Un taux de précision de moins de 50 % : est-ce suffisant pour devancer le genre humain ?
L'étude de l'UTS a impliqué la participation de 29 sujets. Ce qui a permis de renforcer sa robustesse et son adaptabilité par rapport aux technologies de décodage précédentes.
En utilisant des signaux EEG captés par une casquette plutôt que des électrodes implantées dans le cerveau, le signal est certes plus bruité. Néanmoins, en matière de traduction EEG, l'étude a démontré des performances exceptionnelles, surpassant les références antérieures.
« Notre modèle excelle davantage dans l'association des verbes que des noms. Concernant les noms, nous avons observé une préférence pour des paires de synonymes plutôt que des traductions exactes, comme l'homme au lieu de l'auteur, a expliqué Duan.
« Cela s'explique probablement par le fait que, lors du traitement de ces mots, des termes sémantiquement similaires peuvent générer des modèles d'ondes cérébrales comparables. Malgré ces défis, notre modèle produit des résultats significatifs en alignant les mots-clés et en formant des structures de phrases similaires », a-t-il ajouté.
Le taux de précision actuel de la traduction est d'environ 40% sur BLEU-1. Le score BLEU est une mesure de similitude entre le texte traduit automatiquement et un ensemble de traductions de référence de haute qualité, allant de zéro à un. Les chercheurs aspirent à améliorer ce chiffre pour le rapprocher des programmes traditionnels de traduction ou de reconnaissance vocale, qui atteignent généralement près de 90%.
- Partager l'article :
