Apprentissage automatique pour la MEG lors de tâches vocales

21 février 2019

Frank Rudzicz, membre de la faculté Vector, qualifie le langage de "lentille de la cognition", car ce que nous disons et la manière dont nous le disons peuvent en dire long sur ce que nous ressentons et sur ce que nous pensons. Dans une recherche récemment publiée dans la revue scientifique Nature, M. Rudzicz et son doctorant chez Vector, Demetres Kostas, ainsi que sa collaboratrice Elizabeth Pang, examinent comment les signaux cérébraux d'une personne peuvent fournir une lentille sur la façon dont nous parlons.

Plus précisément, l'équipe a cherché à déterminer si un réseau neuronal profond formé à partir de signaux cérébraux surveillés pouvait être utilisé pour prédire l'âge de 92 enfants (âgés de 4 à 18 ans) effectuant des tâches liées à la parole, telles que la génération de verbes et le babillage spécifié. L'équipe a utilisé une technologie appelée magnétoencéphalographie (MEG) - un appareil massif qui lit délicatement les signaux du cerveau à l'aide de 151 capteurs pour enregistrer des données à différents endroits du cuir chevelu pendant qu'une personne parle. Les résultats ont permis d'atteindre une précision de 95 % sur une tâche binaire consistant à identifier l'âge de l'orateur à partir de ses seuls 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 étant 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 profondes modernes pour la réalisation de tâches telles que celle-ci.

Ce travail est la première étape vers la compréhension de la manière dont la parole prend naissance dans le cerveau. Bien que les prochaines étapes soient encore assez théoriques, Demetres et son équipe souhaitent appliquer les méthodes de l'"intelligence artificielle explicable" pour rendre l'interprétation des signaux cérébraux plus compréhensible pour les cliniciens et les chercheurs. La possibilité de cartographier la production de la parole en bonne santé aura de nombreuses applications, notamment pour aider les personnes qui ont des difficultés à s'exprimer par l'intermédiaire d'interfaces informatiques.

 

Consultez l'article complet ici : Apprentissage automatique pour la MEG pendant les tâches vocales

En rapport :

Des protocoles normalisés sont essentiels pour un déploiement responsable des modèles linguistiques

Les inconnues connues : Geoff Pleiss, chercheur chez Vector, se penche sur l'incertitude pour rendre les modèles de ML plus précis.

Un homme regarde un tableau blanc sur lequel sont inscrites des formules en rouge.
Perspectives
Une IA digne de confiance

Comment mettre en œuvre des systèmes d'IA en toute sécurité