L’IA décrypte l’activité cérébrale
Une nouvelle technologie d'intelligence artificielle de l'EPFL permet de mieux comprendre la dynamique neuronale. Grâce au deep learning géométrique, les scientifiques peuvent pour la première fois décrypter des modèles universels d'activité cérébrale. Ceci avec de vastes applications dans les neurosciences, la robotique et d'autres disciplines.
Des scientifiques de l’EPFL ont mis au point une technique d’IA révolutionnaire basée sur des principes géométriques qui permettent de visualiser les schémas d’activité neuronale. Baptisé MARBLE (Manifold Representation Basis Learning), ce système décompose les signaux électriques du cerveau en motifs dynamiques qui peuvent être décodés par un réseau neuronal. Cela permet d’identifier des stratégies universelles d’activité cérébrale à travers différents individus et conditions expérimentales.
Rendre visibles les schémas cachés du cerveau
Les neurosciences sont confrontées à un défi fondamental. L’activité cérébrale est généralement appréhendée par l’analyse de quelques neurones, ce qui fait qu’il manque une image complète des processus neuronaux. Pierre Vandergheynst, directeur du laboratoire de traitement du signal LTS2 de l’EPFL, compare ce problème à l’histoire des aveugles qui palpent différentes parties d’un éléphant et en tirent des conclusions contradictoires. Il en va de même pour l’acquisition de signaux neuronaux, une section limitée de données rend difficile la compréhension globale.
Grâce à ce système, il a désormais été possible de montrer que différents animaux utilisant les mêmes stratégies mentales pour résoudre des problèmes présentaient des schémas neuronaux concordants. La technique permet donc une interprétation plus précise de l’activité cérébrale et pourrait établir une nouvelle norme pour l’analyse des processus neuronaux dynamiques.
Une percée pour les neurosciences et la robotique
L’approche innovante du deep learning géométrique permet d’analyser les données neuronales non seulement de manière statistique, mais aussi dans leur contexte mathématique naturel. Il s’avère ainsi que les activités cérébrales peuvent être représentées sous forme de structures géométriques complexes. Par exemple, sous la forme d’un tore, semblable à un beignet.
Les chercheurs de l’EPFL ont testé MARBLE en utilisant des images de la région pré-corticale des macaques lors de mouvements de préhension, ainsi que dans l’hippocampe de rats lors de tâches d’orientation spatiale. Les résultats ont été impressionnants. Le système a décodé l’activité neuronale de manière bien plus précise que les méthodes traditionnelles et a permis une interprétation plus intuitive des processus neuronaux.
Vaste potentiel d’application au-delà des neurosciences
Outre son utilisation dans la recherche sur le cerveau, MARBLE pourrait également être d’une grande valeur pour d’autres disciplines scientifiques. La technologie offre la possibilité de convertir des schémas d’activité neuronale en signaux décodables. Ceci afin de contrôler des systèmes d’assistance robotique qui réagissent à l’activité cérébrale.
Pierre Vandergheynst souligne le potentiel au-delà des neurosciences : « Notre méthode est basée sur la théorie mathématique des structures hautement dimensionnelles et peut également être utilisée dans d’autres disciplines scientifiques pour analyser des processus dynamiques et identifier des modèles universels »
MARBLE pourrait permettre de franchir une étape fondamentale dans l’étude des systèmes biologiques et physiques complexes et ainsi non seulement révolutionner notre compréhension du cerveau, mais aussi donner un nouvel élan à l’intelligence artificielle et à la robotique.