La capacité de traitement de la lumière du cerveau humain pourrait conduire à une meilleure détection robotique

Le cerveau humain sert souvent d’inspiration pour l’intelligence artificielle (IA), et c’est le cas encore une fois, car une équipe de chercheurs de l’armée a réussi à améliorer la détection robotique en étudiant la façon dont le cerveau humain traite la lumière vive et les contrastes. Cette nouvelle avancée peut contribuer à la collaboration entre les agents autonomes et les humains.

Selon les chercheurs, il est important que la détection des machines soit efficace dans des environnements changeants, ce qui conduit à des développements en autonomie.

La recherche a été publiée dans le Journal of Vision. 

Capacité d’affichage de 100 000 à 1

Andre Harrison est un chercheur au U.S. Army Combat Capabilities Development Command’s Army Research Laboratory. 

“Lorsque nous développons des algorithmes d’apprentissage automatique, les images du monde réel sont généralement compressées dans une plage plus étroite, comme le fait une caméra de téléphone portable, dans un processus appelé cartographie des tons,” a déclaré Harrison. “Cela peut contribuer à la fragilité des algorithmes de vision des machines, car ils sont basés sur des images artificielles qui ne correspondent pas tout à fait aux modèles que nous voyons dans le monde réel.” 

L’équipe de chercheurs a développé un système avec une capacité d’affichage de 100 000 à 1, ce qui leur a permis de mieux comprendre le processus de calcul du cerveau dans le monde réel. Selon Harrison, cela a permis à l’équipe de mettre en œuvre une résilience biologique dans les capteurs.

Les algorithmes de vision actuels ont encore un long chemin à parcourir avant de devenir parfaits. Cela est dû à la plage limitée de luminance, d’environ 100 à 1, en raison du fait que les algorithmes sont basés sur des études humaines et animales avec des moniteurs d’ordinateur. Le rapport de 100 à 1 est moins qu’idéal dans le monde réel, où la variation peut aller jusqu’à 100 000 à 1. Ce rapport élevé est appelé plage dynamique élevée, ou HDR.

Le Dr Chou Po Hung est un chercheur de l’armée. 

“Les changements et les variations importantes de lumière peuvent défier les systèmes de l’armée — les drones volant sous une canopée forestière peuvent être confondus par les changements de réflexion lorsque le vent souffle à travers les feuilles, ou les véhicules autonomes conduisant sur un terrain accidenté peuvent ne pas reconnaître les nids-de-poule ni d’autres obstacles parce que les conditions de lumière sont légèrement différentes de celles pour lesquelles leurs algorithmes de vision ont été formés,” a déclaré Hung. 

La capacité de compression du cerveau humain

Le cerveau humain est capable de compresser automatiquement l’entrée de 100 000 à 1 dans une plage plus étroite, et c’est ce qui permet aux humains d’interpréter la forme. L’équipe de chercheurs a cherché à comprendre ce processus en étudiant le traitement visuel précoce sous HDR. L’équipe s’est intéressée à des caractéristiques simples telles que la luminance HDR. 

“Le cerveau a plus de 30 aires visuelles, et nous n’avons encore qu’une compréhension rudimentaire de la façon dont ces aires traitent l’image de l’œil en une compréhension de la forme 3D,” a continué Hung. “Nos résultats sur les études de luminance HDR, basés sur le comportement humain et les enregistrements du scalp, montrent à quel point nous savons peu de choses sur la façon de combler le fossé entre le laboratoire et les environnements du monde réel. Mais ces découvertes nous permettent de sortir de cette boîte, en montrant que nos hypothèses antérieures basées sur des moniteurs d’ordinateur standard ont une capacité limitée à se généraliser au monde réel, et qu’elles révèlent des principes qui peuvent guider notre modélisation vers les mécanismes corrects.” 

En découvrant comment la lumière et les bords de contraste interagissent dans la représentation visuelle du cerveau, les algorithmes seront plus efficaces pour reconstruire le monde 3D dans des conditions de luminance du monde réel. Lorsqu’on estime la forme 3D à partir d’informations 2D, il y a toujours des ambiguïtés, mais cette nouvelle découverte permet de les corriger.

“Au fil de millions d’années d’évolution, nos cerveaux ont développé des raccourcis efficaces pour reconstruire la 3D à partir de l’information 2D,” a déclaré Hung. “Il s’agit d’un problème qui dure depuis des décennies et qui continue de défier les scientifiques de la vision des machines, même avec les récents progrès de l’IA.”

La découverte de l’équipe est également importante pour le développement d’appareils IA tels que le radar et la compréhension de la parole à distance, qui utilisent une détection à large plage dynamique. 

“Le problème de la plage dynamique n’est pas seulement un problème de détection,” a déclaré Hung. “Il peut également être un problème plus général de calcul cérébral, car les neurones individuels ont des dizaines de milliers d’entrées. Comment construire des algorithmes et des architectures qui peuvent écouter les bonnes entrées dans différents contextes ? Nous espérons que, en travaillant sur ce problème à un niveau sensoriel, nous pouvons confirmer que nous sommes sur la bonne voie, afin d’avoir les bons outils lorsque nous construirons des IA plus complexes.”