Mercredi, 28/09/2022
Certains systèmes intracrâniens parviennent à décoder efficacement des caractéristiques interprétables (par exemple, des lettres, des mots, des spectrogrammes). Ces dispositifs sont toutefois plutôt invasifs, et ne sont généralement pas adaptés à la parole naturelle.
Jean-Rémi King et ses collègues de Meta ont donc développé une IA capable de traduire des enregistrements de magnéto- et électro-encéphalographie (qui sont des techniques non-invasives) en mots. La technologie n’en est qu’à ses balbutiements, mais les premiers résultats sont encourageants : pour chaque enregistrement, l’IA a prédit une liste de 10 mots, et 73 % du temps cette liste comprenait le mot correct ; dans 44 % des cas, le premier mot prédit était le bon. La prochaine étape pourrait être d’essayer d’interpréter les pensées d’une personne.
Pour entraîner leur IA, King et ses collaborateurs ont utilisé des ensembles de données publiques d’ondes cérébrales provenant de 169 volontaires, collectées alors qu’ils écoutaient des enregistrements de personnes s’exprimant de façon naturelle. Ces données d’ondes, enregistrées par magnéto- ou électro-encéphalographie (M/EEG), ont été segmentées en blocs de trois secondes ; ces derniers ont été soumis à l’IA, accompagnés des fichiers sonores correspondants — l’objectif étant que le logiciel les compare pour identifier des modèles.
Aucun commentaire:
Enregistrer un commentaire