Les personnes qui utilisent une interface cerveau-machine (BCI, brain-computer interfaces) sont plus efficaces lorsqu’on permet à l’humain et à la machine d’apprendre. Des chercheurs de l’EPFL ont entraîné deux utilisateurs tétraplégiques pour l’International Cybathlon BCI Race. Tous deux ont progressivement appris comment contrôler la BCI, et atteint les meilleures performances pendant la compétition. De quoi confirmer l’hypothèse selon laquelle l’apprentissage mutuel joue un rôle fondamental.
Les interfaces cerveau-machine (BCI) sont considérées comme des moyens potentiels de redonner le contrôle de leur environnement aux individus atteints d’un handicap physique sévère.
Les BCI utilisent l’activité électrique du cerveau pour contrôler un dispositif externe. Leur usage s’est multiplié chez des gens atteints de graves handicaps moteur. Ils constituent un outil pour communiquer (en contrôlant un clavier), se mouvoir (en pilotant une chaise électrique), et vaquer à des activités quotidiennes (par le contrôle d’un bras mécanique ou d’autres dispositifs robotiques). Toutefois, mettre en place une telle interface n’est pas anodin.
Dans une étude publiée dans la revue PLOS Biology, un groupe de chercheurs de l’antenne de Genève de l’Ecole polytechnique fédérale de Lausanne (Campus Biotech), dirigé par José del R. Millán de la Faculté des sciences et techniques de l’ingénieur, suggère que le fait de laisser les humains s’adapter aux machines améliore les performances sur une interface cerveau-ordinateur.
Les scientifiques ont entraîné deux sujets tétraplégiques en vue de leur participation à la Cybathlon BCI Race 2016, une compétition internationale durant laquelle les concurrents contrôlent un avatar sur écran au moyen d’interfaces cerveau-machine. Les résultats suggèrent que lorsque l’on permet à l’humain et à la machine d’apprendre, on obtient les améliorations les plus significatives.
Comment ça marche ?
Avec les BCI, l’activité électrique est détectée sur un ou plusieurs points de la surface du crâne, au moyen d’électrodes électro-encéphalographiques non-invasives, puis transmise à un programme informatique.
Avec les années, les algorithmes d’apprentissage-machine sont devenus à la fois plus rapides et plus puissants. Les chercheurs se sont donc largement concentrés sur l’amélioration des performances de décodage, en identifiant des algorithmes de reconnaissance optimaux. Il a également été suggéré que la performance pouvait être améliorée si l’opérateur et la machine étaient tous deux engagés dans l’apprentissage de leur tâche mutuelle. Néanmoins, des preuves directes d’un tel mécanisme d’apprentissage étaient jusqu’à présent rares et dispersées.
Gagner la médaille d’or
A l’EPFL, deux hommes tétraplégiques adultes ont été entraînés avec un système de BCI conçu pour détecter des schémas d’ondes cérébrales multiples. L’entraînement a duré plusieurs mois, et culminé dans une compétition internationale appelée le Cybathlon, lors de laquelle les deux hommes se sont mesurés à dix autres équipes. Chaque participant contrôlait un avatar sur écran dans une course exigeant la maîtrise de commandes séparées pour tourner, sauter, glisser et marcher sans trébucher. Les deux participants ont réalisé à trois reprises la meilleure performance dans la compétition, l’un décrochant la médaille d’or et l’autre le record du tournoi.
Un entraînement spécifique
Les enregistrements encéphalographiques des sujets pendant leur entraînement ont montré que les schémas d’ondes cérébrales relatifs aux mouvements imaginés (appelés rythmes sensorimoteurs) pour contrôler l’avatar, se renforçaient avec le temps. Ce qui voulait dire que les sujets apprenaient petit à petit comment mieux contrôler la BCI.
Grâce à une recalibration peu fréquente de l’ordinateur, l’humain avait le temps de mieux apprendre comment contrôler les rythmes sensorimoteurs, pour susciter le plus efficacement possible le mouvement souhaité de l’avatar. Ainsi, les auteurs de l’étude pensent avoir maximisé les chances d’apprentissage chez l’humain. Ils suggèrent également que le fait de s’entraîner en vue d’une compétition peut aussi contribuer à un apprentissage plus rapide.
«Cette étude est l’une des rares à apporter de multiples preuves de l’efficacité de l’apprentissage du sujet pendant l’entraînement avec une BCI», ont déclaré les auteurs. «Contrairement à la tendance courante qui consiste à se concentrer sur les aspects d’apprentissage-machine de l’entraînement via BCI, une méthodologie globale d’apprentissage mutuel pourrait promouvoir fortement l’acquisition de compétences avec ces interfaces.»
https://actu.epfl.ch/news/humains-et-ordinateurs-apprennent-ensemble-et-gagn/
https://www.nccr-robotics.ch/research-areas/wearable-robotics/cybathlon/
