Frank Rudzicz , membre du corps professoral de Vector, qualifie le langage de « lunette sur la cognition », car la manière dont nous disons et ce que nous disons en dit long sur nos sentiments et nos pensées. Dans une étude récemment publiée dans la revue scientifique Nature, Rudzicz, son doctorant à Vector, Demetres Kostas, et leur collaboratrice Elizabeth Pang , examinent comment les signaux cérébraux peuvent éclairer notre façon de parler.
L'équipe a étudié la possibilité d'utiliser un réseau neuronal profond, entraîné à partir de signaux cérébraux enregistrés, pour prédire l'âge de 92 enfants (de 4 à 18 ans) effectuant des tâches de langage, comme la production de verbes et le babillage. Pour ce faire, elle a utilisé la magnétoencéphalographie (MEG), un appareil imposant qui enregistre les signaux cérébraux grâce à 151 capteurs placés à différents endroits du cuir chevelu pendant qu'une personne parle. Les résultats ont permis d'atteindre une précision de 95 % pour une tâche binaire d'identification de l'âge du locuteur à partir de ses seuls signaux cérébraux. Ces résultats suggèrent que le réseau neuronal profond fait des prédictions basées sur les différences de développement du langage, c'est-à-dire la manière dont les enfants apprennent à parler, telle que révélée par leurs signaux cérébraux. Dans cette recherche, l'équipe a également mis en évidence les différences entre l'apprentissage automatique traditionnel et les méthodes modernes d'apprentissage profond pour la réalisation de tâches de ce type.
Ces travaux constituent une première étape vers la compréhension des mécanismes cérébraux de la production de la parole. Si les prochaines étapes restent encore largement théoriques, Demetres et son équipe souhaitent appliquer des méthodes d'intelligence artificielle explicable afin de rendre l'interprétation des signaux cérébraux plus accessible aux cliniciens et aux chercheurs. La capacité de cartographier la production d'une parole saine offrira de nombreuses applications, notamment pour aider les personnes ayant des difficultés d'élocution grâce à des interfaces informatiques.
Consultez l'article complet ici : Apprentissage automatique pour la MEG lors de tâches vocales
