Évaluation du potentiel de traitement de l'information biohybride
Alors que le volume de données générées dans le monde connaît une croissance aux proportions inédites, la demande en matière de nouveaux moyens de traitement de l'information s'accélère. Les artéfacts biohybrides résultent de la fusion des technologies de l'information et de la communication (TIC) avec les entités biologiques. Cette disposition synergique promet d'ouvrir la voie aux nouvelles formes de sensation, de communication et de traitement nécessaires pour faire face à la surcharge de données. En utilisant des neurones biologiques comme processeurs parallèles naturellement efficaces, l'objectif du projet européen INPRO consistait à développer une nouvelle méthode de traitement de l'information en combinant les neurones avec la technologie des puces. Une analyse de marché a été effectuée dans le cadre du projet INPRO, après la recherche, pour évaluer le potentiel des réseaux de neurones pour le traitement de l'information. Au cours de l'analyse, des entretiens ont été conduits auprès de nombreuses institutions universitaires et industrielles. Cette étape a vu la naissance d'un consensus sur le fait que les obstacles qui existaient auparavant et ralentissaient les progrès dans le domaine des neurosciences pures et appliquées avaient été surmontés avec succès par la recherche menée dans le cadre du projet. Cependant, avant qu'une large gamme d'applications avec des interfaces cerveau/machine puisse se concrétiser, les bases solides établies par le projet INPRO doivent être encore développées. Les recherches prévues incluent l'utilisation de matrices de microélectrodes (MEA, de l'anglais microelectrode arrays) pour maintenir des assemblages importants de neurones sur le long terme. Le développement de la technologie de cette manière promet de révéler la nature des propriétés neuronales telles que la plasticité et son lien avec la mémoire. L'application des variables contribuant à la plasticité synaptique et la force variable du signal entre neurones pourrait permettre d'élucider les phénomènes mal connus de l'apprentissage. En tant que tel, cela peut permettre de développer de nouveaux algorithmes qui pourraient révolutionner le domaine de l'informatique.
