La Technologie MEG de Meta Révolutionne la Compréhension des Représentations Cérébrales

À chaque instant de la journée, notre cerveau sculpte méticuleusement une multitude de signaux sensoriels en représentations significatives du monde qui nous entoure. Pourtant, la manière dont fonctionne ce processus continu demeure largement méconnue.

Aujourd’hui, Meta annonce un jalon essentiel dans la quête de cette question fondamentale. En utilisant la magnétoencéphalographie (MEG), une technique de neuro-imagerie non invasive permettant de prendre des milliers de mesures de l’activité cérébrale par seconde, nous dévoilons un système d’IA capable de décoder le développement de représentations visuelles dans le cerveau avec une résolution temporelle inégalée.

Décodage d’Images en Temps Réel depuis le Cerveau

Cette IA peut être déployée en temps réel pour reconstruire, à partir de l’activité cérébrale, les images perçues et traitées par le cerveau à chaque instant. Cela ouvre une voie importante pour aider la communauté scientifique à comprendre comment les images sont représentées dans le cerveau, et comment elles servent de fondement à l’intelligence humaine. À long terme, cela pourrait également constituer un premier pas vers des interfaces cerveau-ordinateur non invasives en milieu clinique susceptibles d’aider les personnes qui ont perdu la capacité de parler après une lésion cérébrale.

L’Architecture Révolutionnaire de Meta

L’architecture révolutionnaire de Meta, formée pour décoder la perception de la parole à partir des signaux MEG, comprend un encodeur d’image, un encodeur cérébral et un décodeur d’image. L’encodeur d’image crée un ensemble riche de représentations de l’image indépendamment du cerveau. L’encodeur cérébral apprend ensuite à aligner les signaux MEG sur ces représentations d’image. Enfin, le décodeur d’image génère une image plausible à partir de ces représentations cérébrales.

Des Découvertes Inédites sur les Représentations Cérébrales

Les enregistrements MEG sont continuellement alignés sur la représentation profonde des images, ce qui peut conditionner la génération d’images à chaque instant. Les résultats montrent que les signaux cérébraux s’alignent mieux avec les systèmes d’IA de vision par ordinateur modernes, tels que DINOv2, confirmant que l’apprentissage auto-supervisé conduit les systèmes d’IA à apprendre des représentations similaires à celles du cerveau.

Développement de Nouvelles Applications

Cette correspondance fonctionnelle peut ensuite être utilisée pour guider la génération d’images similaires à ce que voient les participants dans le scanner. Bien que les images générées restent imparfaites, elles préservent un ensemble riche de caractéristiques de haut niveau, telles que les catégories d’objets. Cependant, le système d’IA a souvent du mal avec les détails de bas niveau, ce qui peut entraîner un placement incorrect ou une mauvaise orientation de certains objets dans les images générées.

Un Avenir Prometteur

Dans l’ensemble, nos résultats montrent que le MEG peut être utilisé pour décoder avec une précision de la milliseconde l’émergence de représentations complexes dans le cerveau. Cette recherche renforce l’initiative de recherche à long terme de Meta pour comprendre les fondements de l’intelligence humaine, identifier ses similitudes et différences par rapport aux algorithmes d’apprentissage automatique actuels, et guider le développement de systèmes d’IA conçus pour apprendre et raisonner comme les humains.