Imaginez un monde où nous pourrions lire les murmures électriques de l'esprit pour aider les personnes paralysées à bouger leurs membres ou pour comprendre comment nous prenons des décisions. C'est le domaine des interfaces cerveau-ordinateur (BCI), un domaine où les scientifiques tentent de traduire les signaux chaotiques et vacillants des neurones en commandes claires pour les ordinateurs. Pendant longtemps, la meilleure façon de procéder consistait à dresser un chien : vous lui montrez un signal, vous lui dites exactement quel comportement s'est produit (comme « le bras s'est déplacé vers la gauche ») et il apprend à faire correspondre les deux. Mais cette méthode présente une faille majeure : elle nécessite la présence d'un enseignant pour chaque leçon. Dans le monde réel, nous disposons de montagnes de données cérébrales enregistrées où l'« enseignant » est absent — nous avons le bavardage neural, mais pas l'étiquette indiquant ce que l'animal faisait à ce moment précis. Jusqu'à présent, la plupart des modèles avancés de lecture du cerveau ne pouvaient apprendre qu'à partir de données « étiquetées », laissant de vastes bibliothèques d'enregistrements cérébraux « non étiquetés » prendre la poussière, incapables d'aider à améliorer le décodeur.

Entrez dans une nouvelle approche qui traite le cerveau comme un langage. Tout comme les grands modèles de langage (ceux qui écrivent des histoires ou répondent à des questions) apprennent en lisant des milliards de livres sans avoir besoin qu'un humain explique chaque phrase, cette nouvelle recherche suggère que nous pouvons enseigner aux modèles de décodage cérébral à comprendre la « grammaire » de l'activité neurale par eux-mêmes. Le papier présente une méthode appelée MOJO (Masked autOencoder-based JOint training). Voyez cela comme un étudiant qui étudie à la fois un manuel avec des réponses (données étiquetées) et une immense bibliothèque de romans policiers sans corrigés (données non étiquetées). En essayant de remplir les pages manquantes des romans policiers, l'étudiant apprend si bien la structure sous-jacente de l'histoire que, lorsqu'il passe enfin l'examen avec le manuel, il réussit haut la main. Les chercheurs ont découvert qu'en combinant ces deux styles d'apprentissage, leur modèle est devenu un bien meilleur décodeur, surtout lorsqu'il y avait très peu d'exemples étiquetés pour commencer, et qu'il fonctionnait même sur différentes espèces et différents types de signaux cérébraux.

Le Problème : Le goulot d'étranglement de l'« Étiquette »

Imaginez que vous essayez d'apprendre une nouvelle langue. Vous avez un dictionnaire qui vous dit que le mot « pomme » désigne un fruit rouge. Si vous n'avez que ce dictionnaire (données étiquetées), vous pouvez apprendre le mot « pomme ». Mais si vous voulez devenir fluide, vous devez lire des milliers de livres, d'articles et d'histoires (données non étiquetées) pour comprendre comment les mots s'assemblent, comment les phrases s'enchaînent et comment le contexte change le sens d'un mot.

Pendant des années, les modèles de décodage cérébral les plus avancés, connus sous le nom de modèles de « tokenisation de pics » (comme la famille POYO), étaient comme des étudiants qui n'avaient que le dictionnaire. Ils étaient incroyablement doués pour faire correspondre des signaux cérébraux spécifiques à des mouvements spécifiques, mais ils ne pouvaient apprendre que des données où les scientifiques avaient soigneusement enregistré exactement ce que l'animal faisait à chaque instant. C'est une limitation énorme car la collecte de données étiquetées est coûteuse, chronophage et souvent impossible pour certaines expériences. Pendant ce temps, les neuroscientifiques ont collecté des téraoctets de données cérébrales « non étiquetées » — des enregistrements de neurones qui déchargent sans savoir ce que l'animal pensait ou faisait à cette seconde précise. Ces modèles ignoraient de fait ce trésor de l'information.

La Solution : L'astuce du « Remplissage de blancs » de MOJO

Les auteurs de ce papier, Ximeng Mao, Nanda H Krishna et leur équipe, ont créé MOJO pour résoudre ce problème. Ils voulaient enseigner à ces modèles à apprendre à partir des données non étiquetées, tout comme un modèle de langage apprend à partir d'un livre.

Pour ce faire, ils ont utilisé une astuce ingénieuse appelée auto-encodage masqué. Imaginez que vous ayez la phrase : « Le chat est assis sur le tapis. » Si vous cachez le mot « assis », pouvez-vous deviner ce qu'il était ? Si vous avez lu assez d'histoires sur les chats, vous pouvez probablement deviner « assis », « debout » ou « sauté » en fonction du contexte. MOJO fait cela avec les signaux cérébraux. Il prend une séquence de pics neuraux (la « phrase »), cache (masque) aléatoirement certains des signaux, et demande au modèle de prédire quels étaient ces signaux manquants.

Voici la magie : le modèle doit apprendre les règles cachées de la façon dont les neurones communiquent entre eux pour faire ces suppositions. Il apprend la « grammaire » du cerveau. Mais le modèle ne se contente pas de deviner ; il conserve également sa tâche originale de prédire le comportement (comme le mouvement du bras) en utilisant les données étiquetées. Il fait les deux en même temps. C'est ce qu'on appelle l'entraînement conjoint. Le modèle apprend la structure profonde du cerveau à partir des données non étiquetées, ce qui l'aide à mieux comprendre les données étiquetées.

Les Résultats : Plus Intelligent, Plus Rapide et Plus Flexible

L'équipe a testé MOJO sur trois types de données cérébrales très différents :

1. Atteinte de Singe : Des singes atteignant des cibles sur un écran.
2. Vision de Souris : Des souris regardant différents motifs visuels.
3. Parole Humaine : Des humains prononçant des syllabes, enregistrées via des électrodes sur la surface du cerveau (ECoG).

Dans chaque test, MOJO a surpassé les modèles qui n'utilisent que des données étiquetées. Mais la partie la plus excitante est ce qui s'est passé lorsqu'ils disposaient de très peu de données étiquetées.

Le Superpouvoir du « Few-Shot »
Habituellement, si vous avez très peu d'exemples pour enseigner à un modèle (un scénario de type « few-shot »), celui-ci éprouve des difficultés. Mais MOJO a été un champion en la matière. Dans une expérience avec des singes, l'équipe a tenté d'enseigner au modèle à décoder des mouvements en utilisant seulement deux essais étiquetés (tentatives de calibration). Un modèle standard a échoué lamentablement. MOJO, cependant, a utilisé les données non étiquetées pour comprendre le « ressenti » général de l'activité cérébrale. Lorsqu'ils lui ont donné seulement deux essais étiquetés, il a atteint plus de 60 % de la performance d'un modèle entraîné sur un jeu de données complet. Avec seulement quatre essais étiquetés, il a atteint 75 %. C'était comme un étudiant qui, après avoir lu mille romans policiers, pouvait résoudre un nouveau mystère avec seulement deux indices.

Trans-espèces et Trans-modalités
Les chercheurs ont également testé si MOJO pouvait apprendre d'une espèce et l'appliquer à une autre. Ils ont pré-entraîné le modèle sur des données d'atteinte de singe, puis l'ont affiné sur des données de vision de souris. Le modèle a transféré ses connaissances avec succès, montant que la « grammaire » du cerveau qu'il avait apprise était suffisamment universelle pour l'aider à comprendre le cerveau d'un animal différent.

Plus surprenant encore, ils ont testé MOJO sur des données de parole humaine (ECoG), qui est un signal continu, et non des « pics » discrets de neurones. Bien que MOJO ait été conçu pour les pics, il s'est adapté et a performé aussi bien que les modèles spécifiquement construits pour les signaux continus. Cela suggère que l'idée centrale consistant à apprendre à partir de données non étiquetées est un outil puissant qui fonctionne à travers différents types d'enregistrements cérébraux.

Les Aperçus « Cachés »
L'un des effets secondaires les plus intéressants de MOJO était que le modèle a appris à comprendre la structure du cerveau sans qu'on lui dise explicitement de le faire. Les chercheurs ont demandé au modèle de deviner de quelle partie du cerveau provient un neurone (par exemple, le cortex visuel versus l'hippocampe) simplement en regardant son « embedding » interne (son empreinte numérique). Le modèle a réussi dans 94 % des cas pour certaines tâches, alors qu'il n'avait jamais été entraîné pour cette classification. Il a également appris à prédire les taux de décharge des neurones avec une grande précision. Cela signifie que le modèle ne se contentait pas de mémoriser des réponses ; il apprenait réellement une carte riche et interprétable du fonctionnement du cerveau.

Pourquoi cela compte

Le papier suggère qu'en combinant l'apprentissage supervisé (apprendre avec des réponses) et l'apprentissage auto-supervisé (apprendre à partir de motifs dans les données), nous pouvons construire des interfaces cerveau-ordinateur beaucoup plus flexibles et puissantes. Nous n'avons pas besoin de jeter les montagnes de données non étiquetées que nous possédons déjà ; nous pouvons les utiliser pour enseigner à nos modèles les règles fondamentales du cerveau.

Cette approche facilite l'entraînement de modèles pour de nouvelles tâches ou de nouveaux patients avec un temps de calibration très court. Elle ouvre également la porte aux « modèles de fondation neuro » (neuro-foundation models) — des modèles cérébraux massifs et polyvalents qui peuvent être adaptés à de nombreuses tâches différentes, de l'aide aux personnes paralysées pour bouger à la compréhension de la manière dont nous prenons des décisions. Les auteurs notent que bien qu'il s'agisse d'une étape importante, les modèles ont encore besoin de beaucoup de données pour apprendre la dynamique complexe du cerveau, et qu'il reste des défis dans la gestion parfaite de différents types de signaux. Mais la voie est tracée : l'avenir du décodage du cerveau réside dans l'enseignement de ces modèles pour qu'ils lisent les histoires « non étiquetées » de nos esprits.