ERC Starting Grant, 2017-2022
PI: Fabien Lotte
Présentation:
- ERC Starting Grant (Responsable: Fabien Lotte)
- Date: 2017-2022
- Résumé :
Les Interfaces Cerveau-Ordinateur ou BCI (de l’anglais “Brain-Computer Interfaces”) sont des systèmes de communication permettant à leurs utilisateurs d’envoyer des commandes à un ordinateur en utilisant uniquement leurs signaux cérébraux, grâce à la mesure et au traitement de ces signaux. Puisque les BCI permettent de contrôler un ordinateur sans aucune activité physique, elles promettent de révolutionner de nombreux domaines d’application, notamment les technologies d’assistance, par exemple pour contrôler des fauteuils roulants, et l’interaction homme-machine. Malgré ce potentiel prometteur, les BCIs sont encore très peu utilisées en dehors des laboratoires, à cause de leur pauvre fiabilité. Par exemple, des BCIs utilisant seulement deux mouvements imaginés des mains comme commande mentale, décode correctement moins de 80% de ces commandes en moyenne, tandis que 10 à 30% des utilisateurs ne parviennent pas du tout à contrôler ces systèmes.
Une BCI doit être considérée comme un système de communication co-adaptatif : ses utilisateurs apprennent à encoder des commandes dans leurs signaux cérébraux (avec des tâches d’imagination mentale) que la machine apprend à décoder en utilisant des méthodes de traitement du signal. La majorité des efforts de recherche jusqu’à présent ont été dédiés au décodage des commandes. Cependant, le contrôle d’une BCI est une compétence que les utilisateurs doivent apprendre. Malheureusement, comment les utilisateurs de BCI apprennent à encoder ces commandes est essentiel mais à peine étudié, et il y a un manque de connaissances fondamentales sur l’apprentissage humain en BCI. De plus, les approches d’apprentissage standard sont seulement basées sur des heuristiques et ne respectent pas les principes d’apprentissage humain issus de la psychologie et de l’ingénierie pédagogique. Ainsi, la mauvaise fiabilité des BCI est très probablement majoritairement due à un apprentissage humain très sous-optimal.
Afin d’obtenir des BCIs vraiment fiables, nous devons complètement redéfinir l’apprentissage humain en BCI. Pour ce faire, dans mon projet ERC intitulé BrainConquest, je propose d’étudier et de modéliser statistiquement comment les utilisateurs apprennent à encoder des commandes BCI. Ensuite, à l’aide de principes d’apprentissage humain et à l’aide de ces modèles, je propose de créer une nouvelle génération de BCIs garantissant que leurs utilisateurs peuvent encoder avec succès et de manière claire des commandes mentales dans leurs signaux cérébraux, rendant ainsi les BCIs substantiellement plus fiables. De telles BCIs enfin fiables pourront positivement changer l’interaction homme-machine, comme les BCIs avaient promis de le faire, mais échoué jusqu’à présent.
