Intelligence Artificielle basée sur la Dynamique Cérébrale Lente

Les scientifiques de l’Université Bar-llan en Israël ont utilisé des expériences avancées sur des cultures neuronales et des simulations à grande échelle pour créer un nouvel intelligence artificielle ultra-rapide. Cette nouvelle intelligence artificielle est basée sur la dynamique cérébrale lente des humains. Cette dynamique cérébrale a de meilleurs taux d’apprentissage par rapport aux meilleurs algorithmes d’apprentissage que nous avons aujourd’hui.

L’apprentissage automatique est en fait fortement lié et basé sur la dynamique de notre cerveau. Avec la vitesse des ordinateurs modernes et leurs grands ensembles de données, nous avons pu créer des algorithmes d’apprentissage profond qui sont similaires à des experts humains dans divers domaines. Cependant, ces algorithmes d’apprentissage ont des caractéristiques différentes de celles du cerveau humain.

L’équipe de scientifiques de l’université a publié leur travail dans la revue Scientific Reports. Ils ont travaillé pour relier la neurobiologie et les algorithmes d’intelligence artificielle avancés, un domaine qui a été abandonné pendant des décennies.

Le professeur Ido Kanter de l’Université Bar-llan, département de physique et étude multidisciplinaire du cerveau Gonda (Goldschmied), et auteur principal de l’étude, a commenté les deux domaines.

“Le point de vue scientifique et technologique actuel est que la neurobiologie et l’apprentissage automatique sont deux disciplines distinctes qui progressent de manière indépendante”, a-t-il déclaré. “L’absence d’influence réciproque attendue est déroutante.”

“Le nombre de neurones dans un cerveau est inférieur au nombre de bits dans une taille de disque typique des ordinateurs personnels modernes, et la vitesse de calcul du cerveau est comme la main d’une montre, même plus lente que le premier ordinateur inventé il y a plus de 70 ans”, a-t-il déclaré.

“En outre, les règles d’apprentissage du cerveau sont très compliquées et éloignées des principes des étapes d’apprentissage dans les algorithmes d’intelligence artificielle actuels.”

Le professeur Kanter travaille avec une équipe de recherche comprenant Herut Uzan, Shira Sardi, Amir Goldental et Roni Vardi.

Lorsqu’il s’agit de la dynamique cérébrale, ils traitent des entrées asynchrones puisque la réalité physique change et se développe. En raison de cela, il n’y a pas de synchronisation pour les cellules nerveuses. C’est différent avec les algorithmes d’intelligence artificielle, car ils sont basés sur des entrées synchrones. Les entrées différentes dans le même cadre et leurs horodatages sont généralement ignorés.

Le professeur Kanter a expliqué cette dynamique.

“Lorsque l’on regarde vers l’avant, on observe immédiatement un cadre avec plusieurs objets. Par exemple, lors de la conduite, on observe des voitures, des passages piétons et des panneaux de signalisation, et on peut facilement identifier leur ordre temporel et leurs positions relatives”, a-t-il déclaré. “Le matériel biologique (règles d’apprentissage) est conçu pour traiter des entrées asynchrones et affiner leurs informations relatives.”

L’un des points que cette étude souligne est que les taux d’apprentissage ultra-rapides sont les mêmes, qu’il s’agisse d’un petit ou d’un grand réseau. Selon les chercheurs, “le désavantage du schéma d’apprentissage compliqué du cerveau est en fait un avantage.”

L’étude montre également que l’apprentissage peut se produire sans étapes d’apprentissage. Il peut être réalisé par auto-adaptation basée sur des entrées asynchrones. Dans le cerveau humain, ce type d’apprentissage se produit dans les dendrites, qui sont de courtes extensions des cellules nerveuses, et des terminaux différents de chaque neurone. Cela a été observé auparavant. Auparavant, on pensait que cela était sans importance que la dynamique du réseau sous l’apprentissage dendritique soit contrôlée par des poids faibles.

Cette nouvelle recherche et ces résultats peuvent signifier beaucoup de choses différentes. Ces algorithmes d’apprentissage profond efficaces et leur similitude avec la dynamique cérébrale très lente peuvent aider à créer une nouvelle classe d’intelligence artificielle avancée avec des ordinateurs rapides.

L’étude pousse également à la coopération entre les domaines de la neurobiologie et de l’intelligence artificielle, ce qui peut aider les deux domaines à progresser davantage. Selon le groupe de recherche, “Les connaissances des principes fondamentaux de notre cerveau doivent être à nouveau au centre de l’intelligence artificielle future.”