Le développement de l'intelligence artificielle peut être bénéfique pour la science et la médecine. Cela a été vérifié par une enquête de l' Université du Texas à Austin, qui a réussi à traduire l'activité cérébrale en texte avec un décodeur sans avoir besoin de mettre en œuvre une méthode invasive pour le corps.
Cet appareil serait capable de reconstruire le discours d'une personne grâce à l'imagerie par résonance magnétique (IRMf) pendant qu'elle écoute une histoire ou en imagine une en silence.
Ce serait une alternative pour ceux qui ont subi un accident vasculaire cérébral ou une maladie des motoneurones et qui sont incapables de communiquer.
« Nous avons été un peu surpris que cela fonctionne aussi bien. Je travaille là-dessus depuis 15 ans, donc c'était choquant et excitant quand ça a finalement fonctionné", a déclaré le Dr Alexander Huth, chercheur principal.
Comment fonctionne cette découverte
Avant l'avènement de l'intelligence artificielle, ce projet avait un inconvénient : les IRM mesurent la réponse du flux sanguin à l'activité cérébrale, et cela crée un retard imminent, rendant l'interprétation de l'activité trop informative en même temps.
Mais avec la mise en œuvre de technologies comme le GPT d' OpenAI est venue la solution. Avec cet outil, la signification sémantique de la parole est représentée en chiffres, ce qui est utile pour les scientifiques lorsqu'ils observent des modèles d'activité neuronale qui correspondent à des mots ayant une signification.
Pour obtenir ces résultats, la recherche a demandé à trois volontaires de s'allonger pendant 16 minutes pour les scanner tout en écoutant des podcasts. Pendant ce temps, le décodeur a été saisi pour faire correspondre l'activité cérébrale avec la signification utilisée dans le modèle de langage GPT-1.
La deuxième partie consistait à demander aux participants d'écouter une histoire ou d'imaginer en raconter une et, de cette manière, le décodage a généré du texte à partir de cette activité cérébrale. Les résultats correspondaient la moitié du temps, certains avec précision, au sens des mots précédents.
Par exemple, à un moment donné, un volontaire a pensé : « Je n'ai pas encore mon permis de conduire », et le décodeur l'a traduit par : « Elle n'a même pas encore commencé à apprendre à conduire ».
Un autre cas s'est produit lorsqu'un participant a pensé : « Je ne savais pas si je devais crier, pleurer ou m'enfuir. Au lieu de cela, j'ai dit : 'Laisse-moi tranquille !' » et l'appareil a traduit cela par : « J'ai commencé à crier et à pleurer, puis elle a juste dit : 'Je t'ai dit de me laisser tranquille.' »
« Notre système fonctionne au niveau des idées, de la sémantique et du sens. C'est la raison pour laquelle ce que nous obtenons n'est pas les mots exacts, c'est l'essence », a expliqué Huth à propos des différences entre ce qui a traversé l'esprit du volontaire et ce que le décodeur a traduit.
Cette avancée n'implique pas que l'appareil n'ait pas eu de problèmes, car au cours du processus, ils ont trouvé des échecs dans la compréhension d'aspects tels que les noms en n'identifiant pas s'il s'agissait d'une femme, d'un homme ou s'il s'agissait de la troisième ou de la première personne.
De plus, ils ont assuré qu'ils étaient conscients des implications de cette découverte et des risques qu'elle pourrait comporter si elle tombait entre de mauvaises mains.
"Nous prenons très au sérieux les craintes qu'il puisse être utilisé à de mauvaises fins et avons travaillé pour l'empêcher. Nous voulons nous assurer que les gens n'utilisent ces types de technologies que lorsqu'ils le souhaitent et qu'ils les aident », a déclaré Jerry Tang, l'un des chercheurs qui a participé à l'étude.
Ayant obtenu ces résultats, l'équipe espère maintenant tester si la technique pourrait être appliquée à d'autres systèmes d'imagerie cérébrale plus portables.