Les différences de cellules cérébrales pourraient être la clé de l’apprentissage chez les humains et l’IA

Les différences de cellules cérébrales pourraient être la clé de l'apprentissage chez les humains et l'IA

Réseaux de neurones identifiant les gestes de la main. Crédit : Imperial College de Londres

Les chercheurs ont découvert que la variabilité entre les cellules du cerveau pourrait accélérer l’apprentissage et améliorer les performances du cerveau et de l’IA future.

La nouvelle étude a révélé qu’en modifiant les propriétés électriques des cellules individuelles dans les simulations de réseaux cérébraux, les réseaux apprenaient plus rapidement que les simulations avec des cellules identiques.

Ils ont également constaté que les réseaux nécessitaient moins de cellules modifiées pour obtenir les mêmes résultats et que la méthode consomme moins d’énergie que les modèles avec des cellules identiques.

Les auteurs disent que leurs découvertes pourraient nous apprendre pourquoi notre cerveau est si doué pour l’apprentissage, et pourraient également nous aider à construire de meilleurs systèmes artificiellement intelligents, tels que des assistants numériques capables de reconnaître les voix et les visages, ou la technologie des voitures autonomes.

Premier auteur Nicolas Perez, Ph.D. étudiant au département de génie électrique et électronique de l’Imperial College de Londres, déclare que « le cerveau doit être économe en énergie tout en étant capable d’exceller dans la résolution de tâches complexes. Notre travail suggère qu’avoir une diversité de neurones dans le cerveau et l’IA remplit à la fois ces exigences et pourrait stimuler l’apprentissage.

La recherche est publiée dans Communication Nature.

Les différences de cellules cérébrales pourraient être la clé de l'apprentissage chez les humains et l'IA

Les chercheurs ont chargé les réseaux de neurones d’IA d’apprendre et d’identifier les gestes de la main. Crédit : Imperial College de Londres

Pourquoi un neurone ressemble-t-il à un flocon de neige ?

Le cerveau est composé de milliards de cellules appelées neurones, qui sont reliées par de vastes « réseaux de neurones » qui nous permettent d’en apprendre davantage sur le monde. Les neurones sont comme des flocons de neige : ils se ressemblent de loin, mais en y regardant de plus près, il est clair qu’il n’y en a pas deux exactement pareils.

En revanche, chaque cellule d’un réseau de neurones artificiels – la technologie sur laquelle repose l’IA – est identique, seule leur connectivité variant. Malgré la vitesse à laquelle la technologie de l’IA progresse, leurs réseaux de neurones n’apprennent pas aussi précisément ou rapidement que le cerveau humain – et les chercheurs se sont demandé si leur manque de variabilité cellulaire pouvait être en cause.

Ils ont entrepris d’étudier si l’émulation du cerveau en faisant varier les propriétés des cellules du réseau neuronal pouvait stimuler l’apprentissage en IA. Ils ont découvert que la variabilité des cellules améliorait leur apprentissage et réduisait la consommation d’énergie.

L’auteur principal, le Dr Dan Goodman, également du département de génie électrique et électronique de l’Impériale, a déclaré : « L’évolution nous a donné d’incroyables fonctions cérébrales, dont nous commençons à peine à comprendre la plupart. Nos recherches suggèrent que nous pouvons tirer des leçons vitales de notre propre biologie pour que l’IA fonctionne mieux pour nous. »

Timing modifié

Pour mener à bien l’étude, les chercheurs se sont concentrés sur la « constante de temps », c’est-à-dire la rapidité avec laquelle chaque cellule décide ce qu’elle veut faire en fonction de ce que font les cellules qui lui sont connectées. Certaines cellules décideront très rapidement, en ne regardant que ce que les cellules connectées viennent de faire. Les autres cellules réagiront plus lentement, en fondant leur décision sur ce que les autres cellules font depuis un certain temps.

Après avoir fait varier les constantes de temps des cellules, ils ont chargé le réseau d’effectuer des tâches d’apprentissage machine de référence : classer des images de vêtements et des chiffres manuscrits ; reconnaître les gestes humains; et pour identifier les chiffres et les commandes prononcés.

Les résultats montrent qu’en permettant au réseau de combiner des informations lentes et rapides, il était mieux à même de résoudre des tâches dans des contextes plus complexes et réels.

Lorsqu’ils ont modifié la quantité de variabilité dans les réseaux simulés, ils ont découvert que ceux qui fonctionnaient le mieux correspondaient à la quantité de variabilité observée dans le cerveau, ce qui suggère que le cerveau a peut-être évolué pour avoir juste la bonne quantité de variabilité pour un apprentissage optimal.

Nicolas a ajouté qu’ils « ont démontré que l’IA peut être rapprochée du fonctionnement de notre cerveau en émulant certaines propriétés cérébrales. Cependant, les systèmes d’IA actuels sont loin d’atteindre le niveau d’efficacité énergétique que nous trouvons dans les systèmes biologiques.

« Ensuite, nous examinerons comment réduire la consommation d’énergie de ces réseaux pour rapprocher les réseaux d’IA d’une performance aussi efficace que le cerveau. »

« Neural heterogeneity favorise l’apprentissage robuste » de Nicolas Perez-Nieves, Vincent CH Leung, Pier Luigi Dragotti et Dan FM Goodman, publié le 4 octobre 2021 dans Communication Nature.


Des réseaux de neurones artificiels modelés sur de vrais cerveaux peuvent effectuer des tâches cognitives


Plus d’information:
Nicolas Perez-Nieves et al, L’hétérogénéité neuronale favorise un apprentissage robuste, Communication Nature (2021). DOI : 10.1038/s41467-021-26022-3

Fourni par l’Imperial College de Londres

Citation: Les différences de cellules cérébrales pourraient être la clé de l’apprentissage chez l’homme et l’IA (2021, 6 octobre) récupéré le 6 octobre 2021 à partir de https://techxplore.com/news/2021-10-brain-cell-differences-key-humans.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.