Progressons-nous de plus en plus vers l’Intelligence Artificielle Générale ou IAG ? Si l’atteinte de cette forme d’IA reste un objectif ambitieux pour les experts de ce secteur, une chose est sûre. Les entreprises IA ainsi que les chercheurs s’investissent sans relâche pour repousser les limites de l’IA. Récemment, des scientifiques de l’Université de Cambridge ont développé un système d’IA qui s’auto-organise comme le cerveau humain.
Une IA basée sur des réseaux neuronaux récurrents spatialement intégrés
Le cerveau humain comprend des systèmes neuronaux qui jouent un rôle clé dans le fonctionnement du système nerveux. Ceux-ci doivent consacrer des ressources et de l’énergie pour maintenir et développer leur réseau de connexions. En même temps, il leur faut optimiser leur organisation spatiale pour être efficaces dans le traitement de l’information. Comme les ressources sont limitées, le cerveau se doit de trouver un équilibre entre les demandes concurrentes et les ressources disponibles.
Les chercheurs de Cambridge ont conçu une IA qui imite ce fonctionnement du cerveau humain ainsi que sa structure. Ce système repose sur des réseaux neuronaux récurrents spatialement intégrés (seRNNs). Ce dernier intègre des éléments qui reproduisent les contraintes physiques et biologiques auxquelles le cerveau humain est soumis.
Pour cela, les seRNNs prennent en compte la disposition spatiale des neurones. Elle reproduit aussi les contraintes physiques comme la consommation d’énergie associée aux connexions longue distance des neurones. L’objectif des scientifiques est de concevoir un modèle de traitement de l’information qui se rapproche davantage du fonctionnement du cerveau.
Des comportements proches du cerveau humain
Afin d’évaluer les performances de leur système d’IA, les chercheurs ont opté pour une tâche de navigation dans un labyrinthe. Celle-ci est similaire à celles qui sont utilisées dans les études comportementales des animaux. L’IA a pour mission d’identifier le trajet le plus court pour parvenir à la destination finale. Pour cela, elle doit combiner différentes informations, notamment les points de départ et d’arrivée ainsi que les étapes entre les deux.
Au départ, le système ne parvenait pas à exécuter correctement la tâche. Mais, grâce au feed-back, il a appris de ses erreurs et s’est progressivement amélioré. Au cours de son apprentissage automatique, l’IA a adapté la force des connexions entre les différents nœuds, de manière identique au processus d’adaptation des connexions entre les cellules cérébrales du cerveau humain.
Toutefois, comme le système est soumis à une contrainte physique, il lui était difficile d’établir des connexions entre des nœuds éloignés. Mais, l’IA a réussi à contourner cette difficulté en créant des hubs. Ces derniers agissent comme des facilitateurs qui améliorent la circulation des informations dans le réseau.
Ces hubs ont par ailleurs adopté un système de codage flexible. Ce dernier permet à l’IA de s’adapter et de répondre de manière dynamique aux différents aspects et exigences de la tâche, améliorant ainsi son efficacité et ses performances globales. Cette caractéristique est également observée dans le cerveau des organismes complexes comme celui des humains. Cela permet à ces derniers d’accomplir un large éventail de tâches et de s’adapter à leur environnement.
Une IA efficiente ouvrant de nouvelles perspectives
Lorsque l’IA résout la tâche de navigation qui lui est assignée, différents nœuds du réseau neuronal s’activent à des moments précis. En les analysant, les chercheurs ont réussi à identifier les parties du réseau qui encodent les aspects spécifiques de la tâche tels que l’arrivée à un certain point. Ce qui leur permet de comprendre comment le réseau neuronal apprend à représenter ces informations et à les utiliser pour résoudre la tâche.
Cette recherche pourrait aider les scientifiques à cartographier les déficits de fonctionnement dans le cerveau et d’identifier les parties ou les processus affectés. Ce qui offre de nouvelles perspectives dans le domaine des troubles cognitifs et mentaux. Mais cette avancée ouvre aussi la voie à des modèles d’IA inspirés du cerveau ayant une meilleure capacité de flexibilité et d’adaptation dans la résolution des tâches complexes.
- Partager l'article :
