Avez-vous déjà imaginé qu’une personne qui a perdu sa capacité à parler et ne peut pas prononcer clairement les mots sera capable de communiquer ce qu’elle veut dire ?
Cela a été réalisé grâce aux progrès étonnants de l’intelligence artificielle et de l’apprentissage automatique. De nombreuses nouvelles recherches sont en cours et de nombreux algorithmes sont créés pour répondre aux différents besoins de l’humanité. Des chercheurs de l’Université de Stanford ont développé une telle interface. Cette interface cerveau-ordinateur pourrait aider une personne atteinte d’une maladie comme la paralysie à déplacer ses pensées et à communiquer à 62 mots par minute.
Une interface cerveau-ordinateur (BCI) est simplement définie comme un dispositif qui permet aux utilisateurs d’interagir avec des ordinateurs uniquement par l’activité cérébrale. C’est un chemin direct à l’aide de l’activité électrique du cerveau essayant de communiquer avec un appareil étranger. Ce dispositif externe est le plus souvent un ordinateur ou un terminal automatisé. En intelligence artificielle, BCI mesure l’activité du système nerveux central (SNC) et la convertit en une sortie artificielle. Cette sortie remplace et améliore la sortie normale du système nerveux central, modulant les interactions entre le système nerveux central et l’environnement étranger.
🚨 Lisez notre dernière newsletter AI🚨
Les chercheurs de Stanford ont utilisé un réseau neuronal récurrent (RNN) pour traiter l’interface cerveau-ordinateur, ce qui lui permet de synthétiser la parole à partir de signaux trouvés et captés dans le cerveau d’un patient. Par rapport aux approches BCI existantes qui permettent le décodage de la parole, cette dernière méthode permet à une personne de communiquer à une vitesse de 62 mots par minute, soit 3,4 fois plus rapide que les précédentes. Avec la révolution de l’IA et son entrée dans tous les domaines, tels que les soins de santé et la médecine, une nouvelle interface de synthèse vocale peut aider les personnes incapables de produire un discours clair à communiquer efficacement.
Les chercheurs ont partagé que le système a été démontré chez une personne atteinte d’aphasie due à la sclérose latérale amyotrophique (SLA). Le système a été traité avec la formation RNN, en particulier le modèle Gates Recurrent Unit (GRU). À l’aide de réseaux d’électrodes intracorticales implantés dans le cerveau du patient, l’équipe a tenté de capturer les mots prononcés par le patient lorsqu’il a essayé de parler. Les réseaux de microélectrodes enregistrent ces signaux avec la précision d’un seul neurone. Ces signaux ont ensuite été transmis au modèle GRU pour le décodage de la parole.
Les chercheurs ont rapporté que lorsque le modèle RNN était formé sur un vocabulaire limité de 50 mots, le système BCI affichait un taux d’erreur de 9,1 %. Après avoir augmenté le vocabulaire à 125 000 mots, le taux d’erreur est passé à 23,8 %. Le taux d’erreur s’est amélioré à 17,4 % lors de l’ajout d’un modèle de langage au décodeur. Les données totales que l’équipe a recueillies à des fins de formation étaient de 10 850 phrases qui ont été faites en montrant quelques centaines de phrases chaque jour au patient à dire. Les minuscules électrodes captaient les signaux nerveux dès que le patient prononçait des phrases.
Ce système est définitivement une percée pour le travail des BCI, car de nombreuses recherches sont en cours sur le décodage de l’activité cérébrale. Ce développement peut grandement aider les patients atteints de paralysie, d’accident vasculaire cérébral, etc. Avec des performances 3,4 fois meilleures que les méthodes actuelles, ce système peut faire des merveilles.
scanner le papier. Tout le mérite de cette recherche revient aux chercheurs de ce projet. N’oubliez pas non plus de vous inscrire 14k + ML Sous RedditEt canal de discordeEt Courrieloù nous partageons les dernières nouvelles sur la recherche en IA, des projets d’IA sympas, et plus encore.
Tania Malhotra est en dernière année à l’Université d’études pétrolières et énergétiques de Dehradun, poursuivant un BTech en génie informatique avec une spécialisation en intelligence artificielle et en apprentissage automatique.
Elle est passionnée par la science des données et possède une bonne pensée analytique et critique, ainsi qu’un vif intérêt pour l’acquisition de nouvelles compétences, la direction de groupes et la gestion du travail de manière organisée.