La société Meta a annoncé le lancement de Brain2Qwerty v2, sa dernière innovation dans le domaine des interfaces cerveau-ordinateur. Il s’agit d’un système qui s’appuie sur l’intelligence artificielle pour traduire l’activité cérébrale complexe en un texte écrit clair.
Ce nouveau système vise à repousser les limites des technologies non invasives capables d’interpréter les signaux nerveux et de les transformer en mots et en phrases, une avancée susceptible d’ouvrir de vastes perspectives pour le développement de moyens de communication plus sophistiqués à l’avenir.
Les recherches menées dans le cadre de ce projet ont été réalisées au Centre basque de la cognition, du cerveau et du langage, à Saint-Sébastien, en Espagne, avec la participation de neuf volontaires en bonne santé, âgés de 25 à 56 ans.
Au cours de la phase d’entraînement, les volontaires ont participé à dix séances, au cours desquelles chaque participant a écrit plus de 2 500 phrases, tandis que leur activité cérébrale était enregistrée à l’aide de la technique d’électroencéphalographie magnétique (MEG), une technique non invasive qui utilise un casque spécial pour mesurer les champs magnétiques infimes émis par les neurones.
D’après les résultats des tests, Brain2Qwerty v2 a atteint une précision de 78 % au niveau des mots dans les meilleurs cas, ce qui signifie que plus de la moitié des phrases décodées à partir des ondes cérébrales ne comportaient pas plus d’une erreur au niveau des mots.
Les chercheurs ont souligné que la précision du système augmente proportionnellement à l’augmentation du volume des données d’entraînement, ce qui renforce l’hypothèse selon laquelle les systèmes MEG non invasifs pourraient à l’avenir constituer une alternative prometteuse aux techniques nécessitant une intervention chirurgicale.
Meta a mis à disposition en open source le code source des première et deuxième versions du système, ce qui permet aux chercheurs et aux développeurs d’étudier cette technologie et de s’en inspirer.
Brain2Qwerty v2 s’appuie sur l’intégration de technologies de reconnaissance de motifs utilisées dans les robots de conversation modernes, tels que ChatGPT et les modèles Llama de Meta, ce qui a permis d’améliorer la précision de la conversion des signaux cérébraux en textes compréhensibles.
Le processus de conversion se déroule en plusieurs étapes. Dans un premier temps, l’intelligence artificielle analyse les signaux MEG bruts et les convertit en codes associés à des lettres. Ensuite, un système intermédiaire regroupe ces symboles en mots, avant qu’un modèle linguistique de grande envergure n’intervienne pour organiser les mots et les transformer en phrases cohérentes et correctes sur le plan linguistique et sémantique.
Il s’agit là de l’un des premiers cas où un modèle linguistique à grande échelle a réussi à contribuer efficacement au décodage de signaux cérébraux complexes et saturés de bruit.
De plus, l’architecture du système utilise des agents d’intelligence artificielle autonomes, qui modifient de manière itérative la base de code et recherchent les meilleures solutions techniques afin de réduire le taux d’erreurs dans les mots.
Malgré l’importance de ces outils et leur rôle dans l’accélération de la recherche scientifique, les auteurs de l’étude soulignent que les chercheurs humains restent l’élément essentiel pour diriger et orienter le processus scientifique, tandis que les systèmes d’intelligence artificielle servent d’outils de soutien et permettent de multiplier les capacités.
