AlterEgo est un système d'interface neuronale portable et non invasive développé au MIT Media Lab qui permet à un utilisateur de communiquer avec un ordinateur ou une autre personne sans parler, taper, ou effectuer de mouvements extérieurement visibles. Le dispositif, qui ressemble à une bande incurvée portée autour de la mâchoire et du bas du visage, interprète la parole subvocale - l'articulation interne des mots sans produire de son - en détectant les signaux neuromusculaires subtils générés par la surface de la peau. Ces signaux sont traités par un système d'apprentissage automatique qui les traduit en texte, lequel peut ensuite être relu à l'utilisateur via des écouteurs à conduction osseuse intégrés au dispositif, créant ainsi un canal de communication silencieux et en boucle fermée.
Le projet a été dirigé par Arnav Kapur, chercheur diplômé au MIT Media Lab, et a été présenté publiquement pour la première fois dans un article de 2018 intitulé « AlterEgo: A Personalized Wearable Silent Speech Interface ». Le système a été conçu pour répondre aux limitations des technologies de communication existantes, qui nécessitent généralement une saisie manuelle ou une vocalisation, en offrant une méthode plus naturelle et privée d'interaction homme-machine. Les applications potentielles d'AlterEgo vont de l'assistance aux personnes souffrant de troubles de la parole à la communication discrète dans des environnements où le silence est requis, comme les opérations militaires ou les espaces de travail calmes.
Développement et recherche
Le projet AlterEgo a commencé dans le cadre du groupe Fluid Interfaces du MIT Media Lab, qui se concentre sur la conception de technologies s'intégrant de manière transparente à la cognition et à la perception humaines. La recherche initiale, menée en 2017 et publiée en 2018, a impliqué une série d'expériences avec 10 participants qui devaient subvocaliser un ensemble de commandes et de phrases prédéfinies. Le système a atteint un taux d'erreur de mots moyen d'environ 4,5 % pour un vocabulaire limité de 20 commandes, et d'environ 6,5 % pour un ensemble plus large de 100 mots. Ces résultats ont démontré la faisabilité de l'utilisation de l'électromyographie de surface (sEMG) pour capturer les signaux électriques subtils produits par les muscles impliqués dans l'articulation de la parole.
Le matériel se compose de quatre électrodes placées sur la peau autour de la mâchoire et du menton, qui captent les signaux myoélectriques générés lorsque l'utilisateur verbalise intérieurement des mots. Les signaux analogiques sont amplifiés et filtrés, puis numérisés et transmis sans fil à un dispositif informatique apparié, tel qu'un smartphone ou un ordinateur portable, où un réseau neuronal les traite. Le réseau neuronal, entraîné sur les données individuelles des utilisateurs, apprend à mapper les schémas de signaux spécifiques aux mots ou phrases correspondants, permettant une calibration personnalisée et une précision améliorée au fil du temps.
Architecture technique
Le système AlterEgo emploie une combinaison de traitement du signal et de apprentissage automatique pour décoder la parole subvocale. Les signaux d'électromyographie (EMG) bruts sont d'abord prétraités pour éliminer le bruit et les artefacts, puis segmentés en fenêtres correspondant à des mots ou phonèmes individuels. Un réseau neuronal convolutif (CNN) est utilisé pour extraire les caractéristiques des données de séries temporelles, suivi d'un réseau neuronal récurrent (RNN) ou d'un modèle basé sur un transformeur pour capturer les dépendances temporelles entre les signaux. La sortie est une séquence de probabilités sur un vocabulaire, qui est ensuite décodée à l'aide d'un algorithme de recherche par faisceau pour produire le texte final.
L'une des innovations clés d'AlterEgo est son utilisation d'écouteurs à conduction osseuse pour le retour d'information. Contrairement aux écouteurs à conduction aérienne traditionnels, qui transmettent le son par le canal auditif, les transducteurs à conduction osseuse font vibrer le crâne et l'oreille interne directement, laissant le canal auditif ouvert. Cela permet à l'utilisateur d'entendre les réponses du système tout en étant capable de percevoir les sons ambiants, rendant le dispositif adapté à une utilisation dans des environnements dynamiques. La boucle de retour est conçue pour être presque en temps réel, avec une latence inférieure à quelques centaines de millisecondes, permettant une interaction conversationnelle fluide.
Applications et cas d'utilisation
La motivation principale derrière AlterEgo est de créer une interface de communication silencieuse qui peut être utilisée dans une grande variété de contextes. Pour les personnes souffrant de conditions qui altèrent la parole, telles que la sclérose latérale amyotrophique (SLA), la paralysie cérébrale ou l'aphasie post-AVC, le dispositif offre une alternative potentielle aux outils de communication augmentative et alternative (CAA) existants, qui reposent souvent sur le suivi oculaire ou une saisie par interrupteur, pouvant être lente et fatigante. La nature non invasive d'AlterEgo et son coût relativement faible par rapport aux interfaces cerveau-ordinateur implantées en font une option attrayante pour la technologie d'assistance.
Dans les environnements professionnels, AlterEgo pourrait permettre une communication discrète entre les membres d'une équipe dans des situations où la communication verbale est impraticable ou interdite, comme sur un parquet de bourse, dans une bibliothèque ou lors d'une opération secrète. Le système pourrait également être utilisé pour interagir avec des assistants IA sans déranger les autres, par exemple en dictant silencieusement des notes ou des requêtes à un smartphone. De plus, la technologie a des applications potentielles dans la réalité virtuelle et les jeux, où elle pourrait fournir une méthode de saisie plus immersive et naturelle.
Limitations et défis
Malgré ses résultats prometteurs, AlterEgo présente plusieurs limitations qui ont été reconnues par ses développeurs. Le système nécessite une phase d'entraînement pour chaque nouvel utilisateur, durant laquelle ils doivent subvocaliser un ensemble de phrases de calibration pour permettre au réseau neuronal d'apprendre leurs schémas de signaux musculaires individuels. Ce processus peut prendre jusqu'à 15 minutes et peut devoir être répété si le placement des électrodes change ou si l'état physiologique de l'utilisateur varie (par exemple, en raison de la fatigue ou du stress). Le vocabulaire est également limité à l'ensemble de mots sur lequel le système a été entraîné ; bien qu'il puisse être étendu, la précision diminue à mesure que le vocabulaire grandit.
Un autre défi est la robustesse du signal EMG dans des conditions réelles. Des facteurs tels que l'humidité de la peau, le mouvement des électrodes et les interférences électriques externes peuvent dégrader la qualité du signal, entraînant des erreurs. Le prototype actuel est également relativement volumineux et visible, ce qui peut limiter son acceptabilité sociale dans un usage quotidien. Les chercheurs explorent des moyens de miniaturiser le matériel et d'améliorer les algorithmes de traitement du signal pour résoudre ces problèmes.
Contexte plus large et travaux connexes
AlterEgo fait partie d'un domaine de recherche plus large sur les interfaces de parole silencieuse et les interfaces cerveau-ordinateur non invasives. D'autres approches incluent l'utilisation de l'électroencéphalographie (EEG) pour détecter l'activité cérébrale liée à l'intention de parler, ou l'utilisation d'ultrasons ou de radar pour surveiller les mouvements du tractus vocal. Cependant, les systèmes basés sur l'EMG comme AlterEgo sont considérés comme prometteurs car ils sont moins sensibles au bruit que l'EEG et peuvent être plus facilement intégrés dans des facteurs de forme portables.
Le projet a également attiré l'attention sur les implications éthiques et de confidentialité de la technologie de communication silencieuse. Étant donné que le dispositif peut potentiellement capturer les pensées internes d'un utilisateur (sous forme de parole subvocale), des préoccupations existent concernant le consentement et la sécurité des données. Kapur et ses collègues ont souligné que le système ne s'active que lorsque l'utilisateur subvocalise intentionnellement, et que les données sont traitées localement sur le dispositif de l'utilisateur, mais ces garanties pourraient devoir être formalisées à mesure que la technologie mûrit.
Réception et impact
AlterEgo a reçu une couverture médiatique significative après sa démonstration publique en 2018, avec des médias soulignant son potentiel à « lire dans les pensées » ou à permettre de « se parler à soi-même sans dire un mot ». Le projet a remporté plusieurs prix, dont un prix Fast Company Innovation by Design en 2019 dans la catégorie Expérimental. Kapur a continué à développer la technologie, et en 2020, il a cofondé une startup appelée AlterEgo Technologies pour commercialiser le dispositif pour des applications d'assistance et d'entreprise.
La recherche a également inspiré d'autres travaux dans le domaine des interfaces de parole silencieuse, d'autres groupes explorant des approches similaires avec différentes modalités de capteurs ou des architectures de deep learning plus avancées. Bien qu'AlterEgo ne soit pas encore un produit de consommation, il représente une étape significative vers une interaction homme-machine plus naturelle et transparente, allant au-delà des claviers, des écrans tactiles et des commandes vocales.
Directions futures
Les itérations futures d'AlterEgo devraient se concentrer sur l'amélioration de la précision, l'expansion du vocabulaire et la réduction de la taille et du coût du matériel. Les chercheurs étudient l'utilisation de grands modèles de langage pour mieux prédire les mots à partir de schémas de signaux partiels, ce qui pourrait réduire le besoin d'un entraînement approfondi par utilisateur. Il y a également un intérêt pour l'intégration du dispositif avec d'autres capteurs portables, tels que des accéléromètres ou des capteurs optiques, pour fournir un contexte supplémentaire aux signaux EMG.
Un autre domaine d'exploration est l'utilisation d'AlterEgo pour la communication bidirectionnelle, où le système non seulement décode la parole subvocale de l'utilisateur mais génère également des réponses silencieuses délivrées via les écouteurs à conduction osseuse. Cela pourrait permettre des conversations entièrement silencieuses entre deux ou plusieurs utilisateurs, chacun portant son propre dispositif, sans aucun son audible. Les développeurs ont également discuté de la possibilité d'utiliser la technologie pour contrôler des dispositifs externes, tels que des prothèses robotiques ou des systèmes de maison intelligente, via des commandes subvocales.
En 2024, AlterEgo reste un prototype de recherche, sans date de sortie commerciale annoncée. Cependant, les principes sous-jacents et les capacités démontrées ont établi le projet comme une contribution notable au domaine de l'interaction homme-machine, et son développement continue d'être suivi de près par les chercheurs et les observateurs de l'industrie.
Voir aussi
- MIT Media Lab
- Réseau neuronal
- Apprentissage automatique
- Intelligence artificielle
- Deep learning
- Transformeur
- Grand modèle de langage
- IA générative
Références
- Kapur, A., Kapur, S., & Maes, P. (2018). AlterEgo: A Personalized Wearable Silent Speech Interface. In 23rd International Conference on Intelligent User Interfaces (IUI '18).
- MIT Media Lab. (2018). AlterEgo: Silent Speech Interface. Page du projet.
- Fast Company. (2019). Innovation by Design Awards.
Liens externes
- Page du projet AlterEgo au MIT Media Lab (Note : les liens externes ne sont pas inclus dans la sortie finale conformément aux instructions, mais ceci est un espace réservé pour le contexte de l'article original.)