Les systèmes capables de traiter les pensées et de les traduire en commandes pour déplacer des objets sont très utiles pour les personnes qui ne peuvent ni parler ni bouger, mais ils ont un inconvénient: ils provoquent une fatigue mentale.
Le scientifique mexicain a développé une interface intelligente qui peut enseigner jusqu'à 90% des instructions de l'utilisateur afin de travailler de manière autonome et de réduire la fatigue.
Le projet, Automatisation du système d'interface cerveau-machine, est une initiative de Christian Isaac Peñalosa Sánchez, docteur en robotique appliquée et neurosciences cognitives à l'Université d'Osaka, au Japon.
«Je travaille sur ce projet depuis trois ans, il est basé sur une interface cerveau-machine. Sa fonction est de mesurer l'activité des neurones afin de recevoir un signal généré par la pensée, de le traiter et de le convertir en un ordre de déplacement, par exemple, d'une prothèse robotique, d'une souris ou d'appareils électroménagers », précise le scientifique.
Il explique que ce système est constitué d'électrodes situées sur le cuir chevelu humain. Ils mesurent l'activité cérébrale sous forme de signaux EEG. Les signaux sont utilisés pour détecter les modèles générés par diverses pensées et états mentaux de l'utilisateur.
Le système comprend également une interface graphique montrant les dispositifs ou objets disponibles qui interprètent les signaux EEG et reçoivent des commandes utilisateur.
Vidéo promotionelle:
De plus, des capteurs sans fil sont répartis dans la pièce, collectant des données environnementales (température et éclairage); des lecteurs matériels mobiles qui activent et désactivent les appareils et un algorithme d'intelligence artificielle.
«Ce dernier collecte des données à partir de capteurs sans fil, d'électrodes et de commandes utilisateurs pour révéler la corrélation entre l'environnement de la pièce, l'état mental d'une personne et ses activités», commente Christian Peñalosa.
Il ajoute qu'afin de soulager les utilisateurs de la fatigue mentale et de la frustration dues à une forte concentration sur les longues périodes de temps inévitables avec de tels systèmes, le système doit devenir indépendant. C'est ce que Christian a essayé de faire.
«Nous avons donné au système des opportunités d'apprentissage en mettant en œuvre des algorithmes intelligents qui apprennent progressivement les préférences des utilisateurs. À un moment donné, le système peut prendre le contrôle de la plupart des appareils, laissant l'utilisateur se concentrer sur un autre objectif."
Par exemple, une personne peut l'utiliser pour contrôler un fauteuil roulant électrique tout en se déplaçant dans un salon en utilisant des commandes de base (avant, arrière, gauche et droite) que le système a déjà apprises. La prochaine fois que l'utilisateur veut emprunter le même itinéraire, il lui suffit d'appuyer sur un bouton ou de réfléchir, la poussette le conduira à sa destination.
Une fois que le système fonctionne automatiquement, l'utilisateur n'a plus à se concentrer sur la gestion de différents appareils. Cependant, le système continue de collecter des données EEG pour détecter le signal d'erreur. Cela survient lorsque les gens sont alarmés: le système ou eux-mêmes ont fait quelque chose de mal.
Par exemple, si la température ambiante est assez élevée, l'utilisateur souhaite que la fenêtre s'ouvre automatiquement et le système allume le téléviseur à la place. Le cerveau humain enregistre cette action comme étant erronée. Le système reçoit un signal d'erreur et tente de la corriger.
Les efforts de Peñalosa ont conduit à des résultats significatifs: chez un certain nombre de sujets, leur niveau de fatigue mentale a en effet diminué après avoir travaillé avec le système. Le niveau d'apprentissage de ces systèmes a également augmenté de manière significative.
