Frank Rudzicz, membre du corps professoral de Vector, qualifie le langage de « lentille sur sa cognition » parce que la façon et ce que nous disons peut en dire long sur ce que nous ressentons et comment nous pensons. Dans une recherche récemment publiée dans la revue scientifique Nature, Rudzicz et son doctorant chez Vector, Demetres Kostas et sa collaboratrice Elizabeth Pang, examinent comment les signaux cérébraux peuvent offrir une perspective sur notre façon de parler.

Plus précisément, l’équipe a examiné si un réseau de neurones profond entraîné avec des signaux cérébraux surveillés pouvait être utilisé pour prédire l’âge de 92 enfants (âgés de 4 à 18 ans) effectuant des tâches de parole, telles que la génération de verbes et le babillage spécifié. Cela utilisait une technologie appelée magnétoencéphalographie (MEG) – un appareil massif qui lit doucement les signaux dans le cerveau à l’aide de 151 capteurs pour enregistrer des données à divers endroits du cuir chevelu pendant qu’une personne parle. Les résultats ont permis d’atteindre une précision de 95% sur une tâche binaire, identifiant l’âge du locuteur uniquement à partir de ses signaux cérébraux, et suggèrent que le réseau neuronal profond fait des prédictions basées sur les différences dans le développement de la parole – la façon dont les enfants en bonne santé apprennent à parler, tels que révélés par leurs signaux cérébraux. Dans cette recherche, l’équipe a également mis en lumière les différences entre l’apprentissage automatique traditionnel et les méthodes modernes et profondes pour réaliser ce type de tâches.

Ce travail est la première étape pour comprendre comment la parole prend naissance dans le cerveau. Bien que les prochaines étapes soient encore assez théoriques, Demetres et son équipe souhaitent appliquer des méthodes allant de l'« IA explicable » à la facilité d’interprétation des signaux cérébraux pour les cliniciens et les chercheurs. Être capable de cartographier une production de parole saine aura plusieurs usages, notamment en aidant les personnes qui ont de la difficulté à parler via des interfaces informatiques.

Consultez l’article complet ici : Apprentissage automatique pour MEG lors des tâches vocales