Des scientifiques de l’Université de Cambridge au Royaume-Uni ont créé un système auto-organisé et artificiellement intelligent qui utilise les mêmes astuces que le cerveau humain pour résoudre des tâches spécifiques.
Cette découverte permet non seulement de développer des réseaux neuronaux plus efficaces dans le domaine de l’apprentissage automatique, mais pourrait également fournir de nouvelles informations sur le fonctionnement interne du cerveau humain lui-même. A déclaré l’un des auteurs de l’étude Semaine d’actualités ils ont été « très surpris » par les résultats.
Le cerveau humain et d’autres organes complexes se développent sous diverses restrictions et exigences concurrentes. Par exemple, nos réseaux de neurones doivent être optimisés pour le traitement de l’information mais ne pas consommer trop d’énergie ou de ressources. Ces compromis façonnent notre cerveau pour créer un système efficace qui fonctionne dans le cadre de ces contraintes physiques.
“Les systèmes biologiques évoluent généralement pour tirer le meilleur parti des ressources énergétiques dont ils disposent”, a déclaré le co-auteur principal Danyal Akarca, de l’unité des sciences de la cognition et du cerveau du Conseil de recherches médicales de l’Université de Cambridge, dans un communiqué. « Les solutions auxquelles ils parviennent sont souvent très élégantes et reflètent des compromis entre diverses forces qui leur sont imposées. »
En collaboration avec le co-auteur principal Jascha Achterberg, neuroscientifique informatique du même département, Akarca et son équipe ont créé un système artificiel avec des contraintes physiques imposées destinées à modéliser une version simplifiée du cerveau. Leurs conclusions ont été publiées dans la revue Intelligence artificielle de la nature le 20 novembre.
Notre cerveau est constitué d’un réseau complexe de cellules cérébrales interconnectées appelées neurones. Ces neurones se connectent les uns aux autres pour former des autoroutes de l’information qui se propagent vers différentes zones du cerveau. Au lieu d’utiliser de vrais neurones, le système d’IA de l’équipe a utilisé des nœuds de calcul, chacun se voyant attribuer une position spécifique dans l’espace virtuel. Et, comme nos neurones, plus les deux nœuds étaient éloignés, plus il leur était difficile de communiquer. Le système a ensuite été invité à effectuer une tâche labyrinthique qui nécessitait plusieurs entrées et traitements d’informations pour être résolue.
“Cette simple contrainte – il est plus difficile de connecter des nœuds éloignés les uns des autres – force les systèmes artificiels à produire des fonctionnalités plutôt compliquées”, a déclaré le co-auteur Duncan Astle, professeur au département de psychiatrie de Cambridge, dans un communiqué. “Fait intéressant, ce sont des caractéristiques partagées par des systèmes biologiques comme le cerveau humain. Je pense que cela nous dit quelque chose de fondamental sur la raison pour laquelle nos cerveaux sont organisés comme ils le sont.”
En d’autres termes, lorsque le système a été soumis à des contraintes physiques similaires à celles appliquées au cerveau humain, il a commencé à utiliser certaines des mêmes astuces que celles utilisées par les vrais cerveaux humains pour résoudre cette tâche spécifique.
“Nous avons été très surpris par nos résultats”, a déclaré Achterberg. Semaine d’actualités. “Le système d’intelligence artificielle que nous créons dans notre travail est similaire au cerveau à bien des égards. Les nombreuses fonctionnalités que nous décrivons dans notre article peuvent être grossièrement regroupées en deux groupes :
L’équipe espère que leur système d’IA pourra être développé pour faire la lumière sur la façon dont des contraintes spécifiques contribuent aux différences que nous observons dans le cerveau humain, en particulier celles observées chez les personnes aux prises avec des difficultés cognitives ou de santé mentale.
“Ces cerveaux artificiels nous donnent un moyen de comprendre les données riches et déroutantes que nous obtenons lorsque l’activité de vrais neurones est enregistrée dans de vrais cerveaux”, a déclaré le co-auteur John Duncan.
Achterberg a déclaré : « Nous avons montré que considérer les capacités du cerveau à résoudre des problèmes parallèlement à son objectif de dépenser le moins de ressources possible peut nous aider à comprendre pourquoi le cerveau ressemble à tel qu’il est.
“Les “cerveaux” artificiels nous permettent de poser des questions qui seraient impossibles à examiner dans un système biologique réel. Nous pouvons entraîner le système à effectuer des tâches, puis jouer expérimentalement avec les contraintes que nous imposons, pour voir s’il commence à ressembler davantage au système biologique réel. ” cerveaux d’individus particuliers.
“[Our research] Cela suggère fortement que même si le cerveau possède toutes ces caractéristiques et fonctionnalités très complexes que nous observons dans les études en neurosciences, il peut y avoir des principes sous-jacents très simples à l’origine de toutes ces caractéristiques complexes. »
Leurs découvertes pourraient également contribuer au développement de systèmes d’intelligence artificielle plus efficaces, en particulier ceux qui doivent traiter de grandes quantités d’informations en constante évolution avec des ressources énergétiques limitées.
“Les chercheurs en IA tentent constamment de comprendre comment créer des systèmes neuronaux complexes capables de coder et de s’exécuter de manière flexible et efficace”, a déclaré Akarca. “Pour y parvenir, nous pensons que la neurobiologie nous donnera beaucoup d’inspiration. Par exemple, le coût global du câblage du système que nous avons créé est bien inférieur à celui que nous trouverions dans un système d’IA typique.”
Achterberg a déclaré : « Les cerveaux des robots utilisés dans le monde physique réel ressembleront probablement davantage à nos cerveaux car ils pourraient être confrontés aux mêmes défis que nous. Ils doivent constamment traiter de nouvelles informations provenant de leurs capteurs lorsqu’ils contrôlent leur corps. se déplacer dans l’espace vers un but. De nombreux systèmes devront effectuer tous leurs calculs avec un approvisionnement limité en énergie électrique et ainsi, pour équilibrer ces contraintes énergétiques avec la quantité d’informations qu’ils doivent traiter, ils auront probablement besoin d’une structure cérébrale similaire à la nôtre. »
