Des neuroscientifiques conçoivent un modèle pour refléter l'apprentissage visuel humain

En programmant l'intelligence artificielle (IA) basée sur ordinateur pour utiliser une technique plus rapide d'apprentissage de nouveaux objets, l'IA commence à fonctionner davantage comme l'intelligence humaine. Cela survient alors que deux neuroscientifiques ont conçu un modèle pour refléter l'apprentissage visuel humain.

La recherche de Maximillian Riesenhuber, PhD, professeur de neurosciences au Georgetown University Medical Center, et Joshua Rule, PhD, chercheur postdoctoral à UC Berkeley, a été publiée dans la revue Frontières en neurosciences computationnelles. 

L'IA apprend de nouveaux concepts visuels

Les neuroscientifiques ont démontré comment la nouvelle approche améliore la capacité des logiciels d'IA à apprendre rapidement de nouveaux concepts visuels.

"Notre modèle fournit un moyen biologiquement plausible pour les réseaux de neurones artificiels d'apprendre de nouveaux concepts visuels à partir d'un petit nombre d'exemples", explique Riesenhuber. "Nous pouvons faire en sorte que les ordinateurs apprennent beaucoup mieux à partir de quelques exemples en tirant parti de l'apprentissage antérieur d'une manière qui, selon nous, reflète ce que fait le cerveau."

Les humains ont la capacité d'apprendre très rapidement et avec précision de nouveaux concepts visuels à partir de données rares. Nous possédons cette capacité à un très jeune âge, dès l'âge de trois mois. Cependant, les ordinateurs ont besoin de nombreux exemples d'un même objet pour enfin savoir de quoi il s'agit.

« La puissance de calcul de la hiérarchie du cerveau réside dans le potentiel de simplifier l'apprentissage en exploitant les représentations précédemment apprises à partir d'une banque de données, en quelque sorte, pleine de concepts sur les objets », explique Riesenhuber.

Réseaux de neurones artificiels vs système visuel humain

Riesenhuber et Rule ont découvert que les réseaux de neurones artificiels peuvent apprendre de nouveaux concepts visuels beaucoup plus rapidement, se rapprochant du niveau de capacité humaine.

"Plutôt que d'apprendre des concepts de haut niveau en termes de fonctionnalités visuelles de bas niveau, notre approche les explique en termes d'autres concepts de haut niveau", explique Rule. "C'est comme dire qu'un ornithorynque ressemble un peu à un canard, un castor et une loutre de mer."

L'apprentissage des concepts visuels humains repose fortement sur les réseaux de neurones impliqués dans le processus de reconnaissance d'objets, et on pense que le lobe temporal antérieur du cerveau a la capacité d'aller au-delà de la forme en ce qui concerne les représentations de concepts. Parce que ces hiérarchies neuronales impliquées dans la reconnaissance visuelle sont si complexes, les humains peuvent apprendre de nouvelles tâches et tirer parti des apprentissages antérieurs.

"En réutilisant ces concepts, vous pouvez plus facilement apprendre de nouveaux concepts, une nouvelle signification, comme le fait qu'un zèbre est simplement un cheval d'une raie différente", explique Riesenhuber.

L'IA n'a toujours pas atteint le même niveau que le système visuel humain, qui a une capacité supérieure à généraliser à partir de quelques exemples, à gérer les variations d'image et à comprendre les scènes. Cependant, les progrès le rapprochent.

"Nos résultats suggèrent non seulement des techniques qui pourraient aider les ordinateurs à apprendre plus rapidement et plus efficacement, mais ils peuvent également conduire à des expériences de neurosciences améliorées visant à comprendre comment les gens apprennent si rapidement, ce qui n'est pas encore bien compris", déclare Riesenhuber.