← Accueil actu | Salle du marché
2026-11-03 · Source:36氪快讯·中继

Le modèle de décodage cérébral développé par l'équipe de Michal Irani à l'institut Weizman traduit directement l'activité neuronale en langage d'images, ouvrant de nouvelles perspectives pour les interfaces cerveau-machine et la vision par ordinateur.
Les machines, sans regarder à travers un objectif, peuvent désormais reproduire ce que vos yeux voient. L'équipe du professeur Michal Irani de l'institut des sciences Weizman en Israël a récemment mis au point un modèle d'IA nommé Brain-IT, capable de reconstruire l'image visuelle observée par un sujet en analysant ses données d'imagerie par résonance magnétique fonctionnelle (fMRI). La portée de cette avancée réside dans le fait qu'elle fait passer les données d'imagerie cérébrale, longtemps confinées à la recherche, au premier plan de la génération de contenu.
La fMRI est un outil classique des neurosciences pour observer l'activité cérébrale : elle capture les variations du flux sanguin et des signaux cérébraux, ne reflétant qu'indirectement l'activité neuronale. Auparavant, ces données servaient surtout à répondre à la question « quelles zones cérébrales participent au traitement visuel », en restant au stade de la localisation et de l'attribution. Brain-IT inverse le problème : le modèle ne se contente plus d'observer, il reconstruit directement, à partir des données cérébrales du sujet, l'image qu'il était en train de regarder. De la localisation des zones cérébrales à la restitution des images, le modèle accomplit une tâche de traduction bien plus difficile : réécrire en langage d'images les enregistrements d'activité neuronale.
Sur le plan technique, ces travaux relèvent de ce qu'on appelle le « décodage cérébral ». Les chercheurs font généralement d'abord visionner aux sujets, dans un IRM, un grand nombre d'images tout en collectant les signaux fMRI correspondants, puis entraînent un modèle à établir une correspondance entre signaux cérébraux et caractéristiques visuelles, avant de recourir à des modèles génératifs d'images pour reconvertir les signaux en pixels. La spécificité de Brain-IT est de viser directement la reconstruction d'images plutôt qu'une simple classification ou un appariement, ce qui implique que le modèle doit comprendre la manière dont l'information visuelle s'organise dans le cortex cérébral — un défi plus élevé tant pour l'apprentissage des représentations que pour la capacité générative.
Cette annonce porte un autre message : l'innovation en matière de modèles distinctifs ne se produit pas nécessairement lors des conférences des géants de la tech. Ce travail a été réalisé par l'institut des sciences Weizman en Israël, dont l'équipe de Michal Irani a ciblé la relation de correspondance entre le cerveau et les images, remettant la voie croisée « IA + neurosciences » sous les projecteurs de l'industrie. Pour les lecteurs industriels qui suivent la pointe des technologies de modèles, les progrès des universités et instituts de recherche dans les directions interdisciplinaires méritent d'être inscrits sur la liste de veille. Ces dernières années, de la génération de texte à partir de signaux cérébraux à la reconstruction d'images, plusieurs pistes technologiques ont progressé presque simultanément, signe que le débordement des capacités des modèles génératifs sous-jacents nourrit en retour la chaîne d'outils des neurosciences.
Pour les acheteurs de puissance de calcul IA et les planificateurs d'infrastructure, ces travaux présentent aussi une valeur de référence. L'entraînement et l'inférence des modèles de décodage cérébral restent essentiellement des opérations matricielles massives sur des données de haute dimension : les données fMRI sont volumineuses et de haute dimension d'échantillonnage, la phase d'entraînement nécessitant souvent un long soutien de clusters GPU, tandis que la phase de reconstruction générative constitue une charge typique de diffusion d'images ou de type autorégressif. Bien que Brain-IT soit un projet de recherche et ne génère pas directement de commandes commerciales de calcul, il annonce une tendance : les scénarios tels que l'imagerie médicale, les interfaces cerveau-machine et le calcul scientifique pourraient devenir de nouveaux consommateurs de puissance de calcul IA. Les centres de données et fournisseurs de calcul qui anticipent en s'adressant aux clients scientifiques et médicaux pourront prendre une longueur d'avance avant que cette courbe ne décolle.
Il convient toutefois de garder une vision lucide des limites techniques. Selon CSL, le modèle a été achevé récemment. Quant aux limites de précision de la reconstruction, aux scénarios applicables et aux usages potentiels, l'annonce n'a rien détaillé, et il faudra attendre que l'équipe dévoile davantage d'éléments. Les équipements fMRI sont coûteux, les scans chronophages, et les sujets doivent rester immobiles dans un champ magnétique puissant : ces conditions font que, à court terme, cette technologie restera probablement dans des scénarios de recherche et d'assistance clinique plutôt que dans des applications grand public. La question éthique est tout aussi cruciale : dès que la capacité de décoder les signaux visuels cérébraux parviendra à maturité, la délimitation des frontières entre vie privée et consentement éclairé deviendra un chantier réglementaire incontournable. De la percée scientifique au déploiement conforme, il reste encore un long chemin à parcourir.
Pour les décideurs en matière d'achat et d'investissement qui suivent cette direction, trois axes d'observation sont recommandés : premièrement, suivre les publications à venir de l'équipe et la mise en open source afin d'évaluer la reproductibilité technique ; deuxièmement, surveiller si des moyens de collecte de signaux cérébraux plus légers que la fMRI (électroencéphalographie, proche infrarouge) peuvent atteindre une qualité de reconstruction similaire, ce qui déterminera l'accessibilité de la technologie ; troisièmement, prêter attention aux tendances d'achat de puissance de calcul par les établissements médicaux et de recherche pour ce type de charges — le signal le plus direct de la température de ce secteur.
[Données réelles de marché] Aucune donnée de prix de vente n'est actuellement disponible pour ce modèle. Il convient de préciser que Brain-IT est un modèle de recherche, et non un équipement de calcul achetable ou un produit API commercial ; il n'existe donc pas, côté marché, d'information sur les unités en vente ni sur les fourchettes de prix. Les acheteurs souhaitant évaluer les configurations de calcul associées devraient se baser sur les prix généraux des serveurs GPU et des systèmes de stockage sous-jacents, et attendre que l'équipe publie davantage de détails techniques avant toute planification ciblée.
Dans l'ensemble, la valeur de Brain-IT ne réside pas dans un changement immédiat de la structure de coûts d'une industrie, mais dans la validation d'une voie : les données neuronales peuvent être « traduites » en contenu visuel par des modèles génératifs. Quand la lecture du cerveau en images quittera le laboratoire pour des scénarios plus larges, la cartographie de la demande en puissance de calcul IA pourrait bien s'enrichir d'une nouvelle part venue du cerveau humain.
Q : Par qui Brain-IT a-t-il été développé, et à partir de quelles données reconstruit-il les images ?
R : Ce modèle a été développé par l'équipe de Michal Irani de l'institut des sciences Weizman en Israël ; il reconstruit les images visuelles observées par les sujets en analysant leurs données d'imagerie par résonance magnétique fonctionnelle (fMRI).
Q : Peut-on actuellement acheter Brain-IT ou consulter son prix de marché ?
R : Non. Selon CSL, le modèle a été achevé récemment, et aucune donnée de prix de vente n'est actuellement disponible pour ce modèle ; la précision de reconstruction et les scénarios applicables restent à préciser par l'équipe dans de prochaines publications.
Q : Par qui Brain-IT a-t-il été développé, et à partir de quelles données reconstruit-il les images ?
R : Ce modèle a été développé par l'équipe de Michal Irani de l'institut des sciences Weizman en Israël ; il reconstruit les images visuelles observées par les sujets en analysant leurs données d'imagerie par résonance magnétique fonctionnelle (fMRI).
Q : Peut-on actuellement acheter Brain-IT ou consulter son prix de marché ?
R : Non. Selon CSL, le modèle a été achevé récemment, et aucune donnée de prix de vente n'est actuellement disponible pour ce modèle ; la précision de reconstruction et les scénarios applicables restent à préciser par l'équipe dans de prochaines publications.
Mots-clés: Brain-IT · Michal Irani · Weizmann Institute · fMRI · Image Reconstruction
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle