Une nouvelle forme d’intelligence artificielle inspirée par le cerveau

L’apprentissage machine, « lancé » il y a 70 ans, s’appuie sur des preuves découlant des processus d’apprentissage dans le cerveau. En utilisant la vitesse des ordinateurs contemporains et d’importants volumes de données, des algorithmes d’apprentissage profond ont récemment produit des résultats similaires à ceux d’experts humains dans divers domaines, mais avec des caractéristiques différentes qui ne correspondent pas aux connaissances actuelles en matière d’apprentissage dans le domaine des neurosciences.

En utilisant des techniques d’expérimentation avancées appliquées à des cultures de neurones et des simulations à grande échelle, un groupe de chercheurs de l’Université Bar-Ilan, en Israël, a fait la démonstration de nouveaux algorithmes d’intelligence artificielle ultrarapides, qui s’appuient sur les dynamiques très lentes à l’oeuvre dans le cerveau, et qui dépassent de loin la vitesse d’apprentissage atteinte jusqu’à maintenant par les meilleurs algorithmes d’apprentissage machine.

Dans un article publié récemment dans le magazine spécialisé Scientific Reports, les scientifiques affirment avoir reconstruit les liens entre les neurosciences et les algorithmes avancés d’intelligence artificielle qui ont été largement abandonnés pendant près de 70 ans.

« Le point de vue actuel en matière de science et de technologie est que la neurobiologie et l’apprentissage machine sont deux disciplines distinctes qui progressent de façon indépendante », a déclaré le principal auteur de l’étude, le professeur Ido Kanter. « L’absence d’influence réciproque est étonnante. »

« Le nombre de neurones dans un cerveau est moindre que le nombre d’octets dans un disque dur de taille moyenne dans un ordinateur personnel moderne, et la vitesse de traitement de l’information du cerveau est même plus lente que celle du premier ordinateur inventé il y a plus de 70 ans », a-t-il poursuivi. « De plus, les règles d’apprentissage du cerveau sont particulièrement compliquées et éloignées des principes d’apprentissage par étapes utilisés pour les algorithmes d’intelligence artificielle », a encore déclaré le professeur Kanter.

Les dynamiques cérébrales ne correspondent pas à une horloge synchronisée pour l’ensemble des cellules nerveuses, puisque la structure biologique doit gérer des entrées d’informations asynchrones, basées sur la réalité physique. « Les règles d’apprentissage biologiques sont conçues pour gérer des informations asynchrones et traiter les informations qui y sont liées », a mentionné M. Kanter.

En comparaison, les algorithmes traditionnels en intelligence artificielle sont basées sur des informations qui sont reçues de façon synchronisée.

Les nouveaux travaux démontrent que les vitesses d’apprentissage particulièrement élevées sont étonnamment identique pour les petits, comme les grands réseaux. Et donc, disent les chercheurs, « le désavantage du mécanisme complexe d’apprentissage du cerveau est en fait un avantage ». Une autre conclusion importante est que l’apprentissage peut survenir sans comprendre les étapes du processus, en se fiant aux informations reçues de façon asynchrones.

Au dire des chercheurs, l’idée d’algorithmes d’apprentissage profond s’appuyant sur le fonctionnement lent du cerveau représente une opportunité pour mettre en place une nouvelle déclinaison d’intelligences artificielles découlant des ordinateurs ultrarapides. « Les principes fondamentaux de notre cerveau doivent de nouveau se retrouver au coeur des recherches en intelligence artificielle », plaident les scientifiques israéliens.

Pour accéder à tous les services de diffusion, les Américains veulent payer… 21$.