Des chercheurs de l’Université de Stanford ont conçu une interface cerveau-machine (ICM) innovante. Cette interface neuronale directe permettra à son utilisateur d’écrire des mots en pensant à la manière dont il les aurait écrits en lettres manuscrites. Cette nouvelle technologie pourrait permettre à des personnes ne pouvant pas écrire à cause d’un handicap de s’exprimer plus facilement.
Les interfaces cerveau-machine pour aider les personnes handicapées au quotidien
Les ICM permettent de relier le cerveau humain à des périphériques externes comme un ordinateur et ont pour but d’améliorer la qualité de vie de personnes handicapées. Ces appareils traduisent l’activité cérébrale pour “exprimer” une volonté de l’utilisateur. Par exemple, en matière d’ICM pour la communication, un curseur peut se déplacer sur un clavier virtuel afin qu’une personne puisse taper des mots sur un ordinateur. D’autres suivent le mouvement oculaire afin que ce curseur se déplace correctement.
Dans le cadre d’une étude, plusieurs chercheurs de l’Université de Stanford ont souhaité aller plus loin. C’est ce qu’ils expliquent dans le cadre d’un article écrit par Darrel R. Deo, Paymon Rezai, Leigh R. Hochberg, Allison Okamura, Krishna Vaughn Shenoy et Jamie M. Henderson.
Les réseaux de neurones pour traduire les pensées de l’écriture
Cette ICM repose sur un réseau de neurones artificiels capable de traduire les signaux cérébraux de l’individu. La personne s’imagine en train d’écrire quelque chose avec un stylo, et le modèle prend en compte ses pensées pour les reproduire à l’écran. L’avantage principal ce dispositif réside dans le fait que la personne peut continuer à regarder ce qu’elle veut ou à penser à ce qu’elle souhaite écrire sans penser au mouvement d’un curseur ou sans se forcer à regarder à un endroit en particulier.
Deux réseaux de capteurs permettent de capter les signaux émis par une centaine de neurones. Ces capteurs sont disposés sur l’utilisateur qui n’a plus qu’à s’imaginer écrire des mots sur une feuille à l’aide d’un crayon. L’écriture manuscrite est ensuite convertie automatiquement en texte.
L’outil a été testé par un homme dont la main était paralysée à cause d’une lésion de la moelle épinière. Dans le cadre de cette expérience, le participant a écrit environ 90 caractères par minute avec une précision brute de 94,1 %, un chiffre qui grime à 99 % si le dispositif est combiné à un correcteur automatique universel. Pour comparaison, les chercheurs ont proposé à d’autres personnes du même âge et valides d’utiliser leur smartphone afin d’écrire les mêmes propos : leur vitesse de frappe est estimée à 115 caractères par minute, soit seulement 25 de plus que celle proposée par l’ICM.
Un système entraîné grâce au machine learning et à la data augmentation
Le système possède toutefois ses limites : les capteurs ne ciblent pas tous les neurones directement impliqués dans le contrôle du mouvement de la main. Cette tâche serait beaucoup trop complexe vu qu’il existerait plusieurs milliers voire plusieurs millions de neurones dédiés à cette tâche dans le cerveau humain. Les deux capteurs surveillent environ 200 neurones, ce qui selon les chercheurs, est suffisant pour obtenir une interprétation fiable des signaux cérébraux.
L’outil a été entrainé grâce à un algorithme de machine learning : l’équipe de recherche s’est basée sur quelques exemples de signaux de recherche générés par le cerveau humain lorsqu’il pensait à l’écriture d’une lettre de l’alphabet. Les chercheurs ont ensuite enrichi le jeu de données en procédant à une data augmentation consistant à les dupliquer les échantillons tout en y ajoutant des interférences et variations subtiles afin d’obtenir un jeu de données d’apprentissage plus conséquent.
En partant du même principe, l’équipe souhaite désormais concevoir un décodeur de parole qui pourrait permettre aux personnes muettes de synthétiser leurs dires grâce à la pensée et à l’interprétation des signaux de neurones habituellement associés à la parole.
