Une nouvelle ère pour les algorithmes d'apprentissage inspirés du cerveau

Des chercheurs de l'unité de dynamique des réseaux cérébraux du MRC et du département d'informatique de l'université d'Oxford ont dévoilé un principe révolutionnaire qui éclaire la façon dont le cerveau humain s'adapte et ajuste les connexions entre les neurones pendant l'apprentissage. 

Cette découverte améliore non seulement notre compréhension de l’apprentissage au sein des réseaux cérébraux, mais elle a également le potentiel d’inspirer le développement d’algorithmes d’apprentissage plus rapides et plus robustes en intelligence artificielle (IA).

Principe d'apprentissage cérébral : Configuration prospective

L'essence de l'apprentissage réside dans l'dentdes composants du processus de traitement de l'information responsables des erreurs de sortie. En intelligence artificielle, cela se fait par rétropropagation, où les paramètres d'un modèle sont ajustés afin de minimiser ces erreurs.

On a longtemps cru que le cerveau humain utilisait un principe d'apprentissage similaire. Cependant, le cerveau biologique surpasse les systèmes d'apprentissage automatique actuels à plusieurs égards.

Par exemple, les humains peuvent apprendre de nouvelles informations après une seule exposition, tandis que les systèmes artificiels nécessitent souvent des centaines de répétitions des mêmes données pour les assimiler. De plus, les humains peuvent acquérir de nouvelles connaissances tout en conservant celles déjà acquises, alors que l'introduction de nouvelles données dans les réseaux neuronaux artificiels peut perturber et dégrader les connaissances existantes.

Ces observations ont incité les chercheurs à rechercher le principe fondamental qui régit le processus d'apprentissage du cerveau. Ils ont examiné des ensembles d'équationsmaticexistants décrivant les changements de comportement neuronal et les connexions synaptiques, et ont mené des analyses et des simulations approfondies. Leurs découvertes ont remis en question les idées reçues.

Dans les réseaux neuronaux artificiels, les algorithmes externes visent à modifier les connexions synaptiques afin de minimiser les erreurs, mais les chercheurs proposent que le cerveau humain établisse d'abord l'activité des neurones dans une configuration équilibrée optimale avant d'ajuster les connexions synaptiques. 

Cette approche unique, appelée « configuration prospective », est considérée comme une caractéristique efficace de l'apprentissage humain, réduisant les interférences et préservant les connaissances existantes, accélérant ainsi le processus d'apprentissage.

Simulation et validation

Les chercheurs ont étayé leurs conclusions par des simulations informatiques, démontrant que les modèles utilisant une configuration prospective surpassaient les réseaux neuronaux artificiels dans les tâches couramment rencontrées par les animaux et les humains dans leur milieu naturel.

Pour illustrer ce concept, les chercheurs ont utilisé l'exemple d'un ours pêchant le saumon. Dans un réseau neuronal artificiel, si l'ours perd la capacité d'entendre la rivière (à cause d'une lésion de l'oreille), il perdrait également la capacité de sentir le saumon, ce qui le conduirait à la conclusion erronée qu'il n'y a pas de saumon dans la rivière. 

Cependant, dans le cerveau de l'animal, l'absence de son n'interfère pas avec la connaissance que l'odeur du saumon est toujours présente, permettant à l'ours de poursuivre sa quête avec succès.

Combler le fossé

Le professeur Rafal Bogacz, chercheur principal de l'unité de dynamique des réseaux cérébraux du MRC et du département Nuffield de neurosciences cliniques d'Oxford, a souligné la nécessité de combler le fossé entre les modèlestracet notre compréhension de l'anatomie cérébrale. Les recherches futures visent à élucider comment l'algorithme de configuration prospective est mis en œuvre dans les réseaux corticauxdentanatomiquement.

Le Dr Yuhang Song, premier auteur de l'étude, a souligné les difficultés liées à la mise en œuvre de la configuration prospective sur les ordinateurs actuels, en raison des différences fondamentales entre les systèmes informatiques et le cerveau biologique. Il a plaidé pour le développement d'un nouvel ordinateur ou d'un matériel dédié, inspiré du cerveau, capable de mettre en œuvre rapidement et efficacement la configuration prospective.