Skip to main content

Predictive Neural Information for Proactive Actions: From Monkey Brain to Smart House Control

Article Category

Article available in the folowing languages:

Ouvrir la voie à de meilleures interactions homme-machine

À l’heure actuelle, les systèmes d’interface cerveau-machine, utilisés dans les robots et les prothèses, interagissent de manière maladroite avec les humains, souvent avec des retards désagréables au niveau des réponses. Le projet Plan4Act a exploité les signaux cérébraux prédictifs pour aider ces systèmes à interagir avec les humains de manière plus fluide.

Économie numérique

En observant le comportement de leurs semblables, les humains simulent mentalement les résultats probables d’une séquence d’actions, ce qui permet des planifications à long terme. Si les ordinateurs étaient capables de «lire» cette séquence de planification à partir de l’activité cérébrale, le fait de savoir ce que les humains ont l’intention de faire leur permettrait également d’anticiper, ce qui rendrait les interactions qu’ils entretiennent avec nous moins machinales et plus naturelles. «Pensez aux sports d’équipe où les joueurs collaborent de manière intuitive, en réagissant aux signaux subtils de leurs collègues et en planifiant leurs propres actions en conséquence», explique Florentin Wörgötter, rattaché à l’université de Göttingen, hôte du projet. «Nous savions que les intentions de planification pouvaient être retracées dans les signaux cérébraux, et nous souhaitions donc établir un lien entre les dispositifs concernés et ces signaux.» Le projet Plan4Act, soutenu par l’UE, a réussi à mettre au point un système intégré permettant de décoder les signaux neuronaux et de contrôler la génération de signaux pour faire fonctionner des appareils intelligents. La création d’une classe de décodeurs basés sur les réseaux de neurones, destinés aux signaux neuronaux prédictifs et intégrés dans un FGPA («field-programmable gate array», un type de dispositif informatique périphérique), a été déterminante pour assurer la réussite du système. Par ailleurs, l’équipe a mis au point une méthode pour faciliter la programmation des FPGA, ce qui permet d’implémenter des variantes de décodeurs «à la volée».

Exploiter les signaux du cerveau avec un réseau de neurones artificiels

L’équipe a commencé par rassembler des informations concernant le codage prédictif dans différentes zones du cerveau des singes. Sachant que les signaux cérébraux sont constitués d’une séquence d’impulsions électriques, il était nécessaire de les décoder pour les rendre compatibles avec le type de signaux (par exemple des voltages) dont se servent les dispositifs cibles. Le fait que le cerveau du singe soit analogue à celui de l’homme laissait supposer que les résultats seraient transférables aux séquences d’impulsions neuronales qui codent la perception du monde extérieur chez l’homme. Les signaux cérébraux prédictifs ont d’abord été enregistrés, puis décodés, permettant ainsi à un dispositif de contrôle de prédire – et donc de produire – les réponses requises avant d’y être invité, comme c’est le cas avec les systèmes conventionnels fonctionnant «à la demande». Si Florentin Wörgötter déclare avoir trouvé le processus sous-jacent relativement simple, l’équipe a en revanche estimé que la complexité inhérente à la construction d’un système intégrant les différents composants représentait un véritable défi. Par ailleurs, beaucoup d’efforts ont dû être déployés pour identifier une méthode puissante de décodage des signaux neuronaux. «Un simple perceptron comportant très peu de couches s’est avéré suffisant pour procéder au décodage. Ce réseau de neurones s’est montré capable de traduire les signaux du cerveau en signaux de commande pour les dispositifs, avec un haut degré de fiabilité. Recourir à des réseaux plus complexes n’a pas permis d’améliorer ce résultat», fait remarquer Florentin Wörgötter. L’équipe a testé une installation complète en utilisant les signaux produits par un singe du Centre allemand des primates pour faire fonctionner un distributeur de nourriture dans une maison intelligente de Madrid. Ce dispositif intelligent était contrôlé par une séquence incluant au maximum trois actions physiques. «En décodant l’activité cérébrale prédictive du singe, le dispositif pouvait “prédire” les étapes finales des actions du primate tout en répondant à la première étape du plan qu’il avait élaboré», explique Florentin Wörgötter.

Vers une technologie très peu invasive

Être capable de contrôler des appareils de manière prédictive, moyennant peu ou pas d’effort physique, présenterait un intérêt certain pour les personnes handicapées. Toutefois, cette perspective est encore loin de pouvoir se concrétiser, car la technologie repose actuellement sur des procédures invasives, comme l’implantation chirurgicale d’électrodes. «Il est évident que cela pose des problèmes éthiques pour les humains. Nous devrons donc développer au préalable de nouvelles électrodes peu invasives. Il pourrait s’écouler 10 à 20 ans avant que cette technologie puisse faire l’objet d’une utilisation clinique ou domestique», explique Florentin Wörgötter. Actuellement, l’équipe s’efforce d’améliorer le niveau d’intégration des différents composants du système tout en peaufinant les réponses proactives de la machine, notamment les modèles prédictifs des mouvements.

Mots‑clés

Plan4Act, singe, cerveau, signaux neuronaux, robot, machine, électrode, humain, réseau de neurones, perceptron

Découvrir d’autres articles du même domaine d’application