Entraîner la vision par ordinateur à penser comme le cerveau améliore les performances et la robustesse

Des chercheurs du MIT et d'IBM ont découvert que l'entraînement de réseaux de neurones artificiels pour imiter les schémas de traitement du cortex visuel du cerveau peut considérablement améliorer les systèmes de vision par ordinateur. En intégrant des schémas d'activité neuronale issus du cortex temporal inférieur (IT) du cerveau, l'équipe a observé une amélioration des capacités de reconnaissance d'objets et une résilience accrue face aux attaques adverses. Cette percée dans l'alignement de la vision par ordinateur avec la vision humaine a le potentiel de faire avancer le domaine et dapprofondir notre compréhension des réseaux neuronaux biologiques.

Améliorer la vision par ordinateur grâce à la similarité neuronale

Le professeur James DiCarlo du MIT et son équipe ont cherché à améliorer les modèles de vision par ordinateur en y intégrant des caractéristiques inspirées du cerveau. Ils ont conçu un modèle de vision par ordinateur à partir de données neuronales collectées dans le cortex IT des singes, une région essentielle pour la reconnaissance d'objets. En entraînant le réseau de neurones artificiel à imiter le comportement des neurones traitant la vision chez les primates, les chercheurs visaient à aligner les processus internes du modèle sur les mécanismes neuronaux du cerveau.

Les résultats étaient prometteurs : le modèle informé biologiquement a montré des performances améliorées dans les tâches de reconnaissance d'objets. La couche IT artificielle du modèle correspondait étroitement aux réponses des neurones IT biologiques, même face à des images déformées. Les interprétations du modèle s'alignaient davantage avec la perception humaine, démontrant une compréhension des images plus proche de celle des humains. Cette découverte offre des informations précieuses sur le traitement de l'information visuelle dans le cerveau.

Application de l'alignement neuronal aux attaques adverses

Les systèmes de vision par ordinateur sont vulnérables aux attaques adversariales, où de légères distorsions dans les images peuvent tromper les réseaux de neurones artificiels. Les chercheurs ont constaté que le modèle aligné sur la neuroscience présentait une plus grande résistance à ces attaques par rapport aux modèles conventionnels. Bien que des attaques plus puissantes puissent encore tromper le modèle, ce phénomène reflète la perception humaine. De nouvelles recherches sont en cours pour comprendre les limites de la robustesse adversariale chez l'homme.

La collaboration entre les neurosciences et l'informatique s'est révélée fructueuse, les deux domaines bénéficiant d'idées partagées. À mesure que les chercheurs en vision par ordinateur et en IA acquièrent de nouvelles méthodes pour atteindre la robustesse, les neuroscientifiques et les scientifiques cognitifs peuvent développer des modèles mécanistiques plus précis de la vision humaine. Ce cycle vertueux favorise le progrès et l'innovation tant dans l'intelligence naturelle que dans l'intelligence artificielle.

Axes futurs

Pour améliorer davantage les systèmes de vision par ordinateur, les chercheurs visent à combiner l'approche d'alignement neuronal avec d'autres techniques inspirées du cerveau. En alignant plusieurs couches de traitement visuel sur des motifs d'activité neuronale, de nouveaux modèles peuvent être développés pour simuler la hiérarchie complexe du traitement visuel cérébral. Cette intégration des neurosciences et de l'informatique promet des avancées encore plus importantes dans le domaine de la vision par ordinateur.

L'intégration des réseaux de neurones artificiels avec des techniques inspirées du cerveau a démontré son potentiel pour améliorer les systèmes de vision par ordinateur. En entraînant les modèles à penser comme le cerveau humain, les chercheurs ont obtenu une reconnaissance d'objets améliorée et une résilience accrue face aux attaques adverses. L'alignement de la vision par ordinateur sur la vision humaine conduit non seulement à des applications pratiques, mais approfondit également notre compréhension du fonctionnement complexe du cerveau. Cette synergie collaborative entre les neurosciences et l'informatique ouvre de nouvelles voies d'innovation et de progrès dans le domaine de l'intelligence artificielle.