Cartographier le cerveau pour construire de meilleures intelligences artificielles

Une quête pour déchiffrer les algorithmes du cerveau pourrait révolutionner le Machine Learning.


La cartographie du cerveau pour créer de meilleures intelligences artificielles et Machine Learning

Traduit d’un article de Quanta Magazine

Emmenez un enfant de 3 ans au zoo et il saura instinctivement que la créature au long cou qui mange des feuilles est la même que la girafe dans son cahier de dessin. Cette reconnaissance, en apparence facile, est en réalité une tâche très sophistiquée. Le dessin de la girafe est une simple silhouette avec des lignes tandis que le vrai animal est rempli de couleurs, de textures et de mouvements. Il peut bouger de différentes façons et il aura l’air différent selon différents angles.

Les humains excellent à ce type de tâche. Nous pouvons reconnaitre les caractéristiques les plus importantes d’un objet avec seulement quelques exemples et nous pouvons les extrapoler à des objets inconnus. En revanche, les ordinateurs auraient besoin d’une grande base de données remplie d’exemple de girafe qui est affichée dans plusieurs configurations et perspectives pour être capable de reconnaitre un vrai animal.

L’identification visuelle est l’un de nombreux domaines où les humains surpassent les ordinateurs. Nous sommes aussi plus forts pour trouver une information pertinente dans un flux de données, résoudre des problèmes déstructurés ou apprendre sans l’aide d’un professeur. Ainsi, un enfant va apprendre la gravitation quand il jouera avec des blocs. Les humains sont d’excellents généralistes selon Tai Sing Lee, un informaticien et neuroscientifique à l’université de Carnegie Mellon à Pittsburgh. Nous sommes plus flexibles pour penser, anticiper, imaginer et créer de futurs événements.

Le projet de l’IARPA

Un nouveau programme ambitieux, financé par le département du renseignement du gouvernement fédéral, veut élever l’ à la hauteur de nos pouvoirs mentaux. 3 équipes composées de neuroscientifiques et d’informaticiens vont tenter de comprendre la manière dont le traite l’identification visuelle pour créer des machines qui imitent ce comportement. Le échoue dans les tâches où les humains sont les meilleurs selon Jacob Vogelstein, qui dirige le programme à l’Intelligence Advanced Research Projects Activity (IARPA). Nous voulons révolutionner le Machine Learning en faisant de l’ingénierie inverse sur les algorithmes et les calculs du cerveau.

Le délai est court. Chaque équipe modélise une partie du cortex dans un niveau de détails sans précédent. En parallèle, les équipes développent des algorithmes qui se basent sur ce qu’ils apprennent du cerveau. L’été prochain, on va donner un item inconnu à chacun de ces algorithmes et on va lui demander de choisir des items similaires dans une base de données déstructurée. C’est un délai très agressif selon Christof Koch, président et responsable de l’Allen Institute for Brain Science, qui travaille avec l’une des équipes.

Koch et ses collègues sont en train de créer le schéma de câblage complet d’un petit cube de cerveau. Un million de microns cubiques qui totalisent un cinq centième du volume d’une graine de pavot. Ce petit cube est l’un des schémas de câblage les plus détaillés et il a fallu 6 ans pour le créer. À la fin du projet de 5 ans, le projet d’IARPA, appelé Machine Intelligence from Cortical Networks (Microns), veut cartographier un cube du cortex d’un millimètre. Ce petit cube va posséder 100 000 neurones, 3 à 15 millions de connexions neuronales (des synapses) et un câblage neuronal qui fait la largeur de Manhattan. Et tout ce beau monde sera interconnecté et fonctionnera ensemble.

Personne n’a jamais tenté de reconstruire une pièce du cerveau de cette ampleur. Mais des tentatives précédentes, plus modestes, ont montré qu’elles nous permettraient de comprendre le fonctionnement interne du cortex. Dans un papier publié dans la revue Nature (Lien vers le papier complet via Sci-Hub), Wei-Chung Allen Lee de l’université d’Harvard, qui travaille avec l’équipe de Koch, et ses collaborateurs ont cartographié un schéma de câblage de 50 neurones et 1 000 de leurs partenaires. En associant cette carte avec l’information de chaque tâche du neurone dans le cerveau, ils ont pu définir une simple règle sur la connexion anatomique des neurones dans cette partie du cortex. Ils ont trouvé que les neurones avec des fonctions similaires ont tendance à s’interconnecter pour avoir des connexions plus larges par rapport à d’autres types de neurones.

L’objectif implicite du projet Microns est technologique. L’IARPA finance la recherche en espérant que ce nouveau Machine Learning va aider le renseignement gouvernemental. Mais la priorité est de comprendre le fonctionnement du cerveau. Andreas Tolias, un neuroscientifique du Baylor College of Medicine qui co-dirige l’équipe de Koch, compare notre compréhension actuelle du cortex à une image floue. Il espère que le projet Microns va améliorer la netteté de cette image en exposant les règles sophistiquées qui gouvernent nos circuits cérébraux.

Les processeurs du cerveau

Les formes alambiquées de la surface du cerveau forment le cortex cérébral. Ce dernier est une feuille de tissu de la taille d’une pizza qui est froissée pour s’adapter à notre crâne. Le cortex est le processeur du cerveau. La feuille de tissu, d’une épaisseur de 3 millimètres, est composée d’une série de modules répétitifs, ou microcircuits et on peut les comparer à un ensemble de portes logiques dans une puce électronique. Chaque modèle contient environ 100 000 neurones qui sont organisés dans un réseau complexe de cellules interconnectées. Les preuves suggèrent que la structure basique de ces modules est similaire à travers tout le cortex. Cependant, les modules dans différentes régions sont spécialisés dans des tâches spécifiques telles que la vision, le mouvement ou l’audition.

Andreas Tolias (sur la gauche) avec un de ses étudiants

Andreas Tolias (sur la gauche) avec un de ses étudiants

Les scientifiques ont une idée approximative sur l’apparence et le comportement de ces modules. Ils sont limités par l’étude du cerveau dans des dimensions microscopiques qui concernent 10 ou 100 neurones. De nouvelles technologies ont permis de tracer la forme, l’activité et la connectivité de milliers de neurones pour permettre aux chercheurs d’analyser l’interaction des cellules d’un module avec un autre. Pour la première fois dans l’histoire, on peut interroger ces modules plutôt que deviner leur fonctionnement selon Vogelstein. Différentes équipes ont différents indices sur ce qui se passe à l’intérieur.

Les chercheurs vont se concentrer sur la partie du cortex qui traite la vision. Un système sensoriel qui est étudié de manière intensive pour le simuler dans les ordinateurs. Pour vous, c’est simple, car il suffit d’ouvrir les yeux, mais il est difficile d’apprendre la même chose aux ordinateurs selon David Cox, un neuroscientifique d’Harvard qui mène l’une des équipes d’IARPA. Chaque équipe commence avec la même idée sur le fonctionnement de la vision. Une théorie datant de plusieurs décennies connues comme l’analyse par synthèse. Selon cette idée, le cerveau fait des prédictions sur ce qui se produira dans le futur immédiat et réconcilie ces prédictions avec ce qu’il voit. La puissance de cette approche se base sur son efficacité, car il nécessite moins de puissance de calcul puisqu’il n’a pas à recréer chaque moment à chaque fois.

Le cerveau peut effectuer l’analyse par synthèse de différentes manières et c’est pourquoi chaque équipe explore différentes possibilités. L’équipe de Cox voit le cerveau comme un moteur physique avec des modèles physiques existants pour simuler l’apparence du monde. L’équipe de Tai Sing Lee, co-dirigé par George Church, suppose que le cerveau possède une bibliothèque de composants. Ces composants sont des objets, des personnes et il a des règles qui lui permettent de combiner ces composants. Par exemple, les feuilles tendent à apparaitre sur des branches. Le groupe de Tolias se concentre sur une approche basée sur les données où le cerveau crée des prédictions statistiques du monde dans lequel il vit. Son équipe va tester différentes hypothèses sur la manière dont les différentes parties du circuit apprennent à communiquer.

Les 3 équipes vont surveiller l’activité neuronale de dizaines de milliers de neurones dans un cube du cerveau. Ensuite, ils ont utilisé différentes méthodes pour créer un schéma de câblage de ces cellules. L’équipe de Cox va couper les tissus cérébraux dans des couches plus fines qu’un cheveu humain et analysera chaque coupe avec la microscopie électronique. L’équipe va ensuite coudre chaque coupe transversale pour créer une carte en 3 dimensions très dense qui retracera des millions de câblages neuronaux et leurs trajectoires complexes dans le cerveau. Avec une carte et un pattern de l’activité neuronale, l’équipe va tenter de déterminer les règles basiques qui gouvernent un circuit. Ensuite, ils vont programmer ces règles dans une simulation et mesurer la correspondance avec un vrai cerveau.

Tolias et ses collaborateurs ont déjà une idée du potentiel de cette approche. Dans un papier publié dans la revue Science (Lien vers le papier complet via Sci-Hub) en novembre 2015, ils ont cartographié les connexions entre 11 000 paires neuronales découvrant 5 nouveaux types de neurones dans le processus. Nous n’avons pas une liste complète des parties qui font le cortex, l’apparence des cellules individuelles et comment elles sont connectées selon Koch. Tolias va tenter de créer cette liste.

Parmi ces milliers de connexions neuronales, l’équipe de Tobias a découvert des règles générales qui gouvernent la manière dont les cellules sont connectées. Certaines communiquent principalement avec les neurones qui leur ressemblent, d’autres évitent les neurones similaires en communiquant exclusivement avec des neurones très différents et d’autres communiquent uniquement avec une poignée de neurones. Ces 3 règles ont permis de simuler précisément le circuit. Maintenant, le défi est de comprendre ces règles dans une forme algorithmique selon Tolias. Quels sont les calculs qu’ils peuvent faire ?

Des réseaux neuronaux basés sur de vrais neurones

Andreas Tolias et ses collaborateurs ont cartographié les connexions parmi des paires de neurones et enregistré leurs activités électriques. L'anatomie complexe de 5 neurones (sur la gauche en haut) peut être retranscrit via un simple diagramme de circuit (sur la droite en haut). Injection de courant électrique dans le neuron 2 le déclenche, Des changements électriques dans 2 cellules en aval sur les neurones 1 et 5 (sur le bas).

Andreas Tolias et ses collaborateurs ont cartographié les connexions parmi des paires de neurones et enregistré leurs activités électriques. L’anatomie complexe de 5 neurones (sur la gauche en haut) peut être retranscrit via un simple diagramme de circuit (sur la droite en haut). Injection de courant électrique dans le neuron 2 le déclenche, Des changements électriques dans 2 cellules en aval sur les neurones 1 et 5 (sur le bas).

Une intelligence artificielle ressemblant au cerveau est une idée qui date de plusieurs décennies. Ces réseaux neuronaux, qui imitent la structure basique du cerveau, étaient très populaires dans les années 1980. Mais à cette époque, on n’avait pas suffisamment de puissance de calcul et de données pour que les algorithmes deviennent efficaces. Il n’y avait pas de millions d’images de chat sur internet. Et bien que les réseaux neuronaux ont bénéficié d’une nouvelle naissance, les règles qui les gouvernent sont très différents que ceux employés par le cerveau. Les réseaux neuronaux ont du succès pour la reconnaissance de visage et d’image et AlphaGo, le programme qui a battu le champion du monde du jeu de Go, utilise aussi cette technique.

Ces réseaux neuronaux, qui font la une des médias, se basent sur ce que nous savions du cerveau dans les années 1960 selon Terry Sejnowski, un neuroscientifique du Salk Institute à San Diego qui a développé les premiers réseaux neuronaux. Mais notre connaissance du cerveau a explosé depuis cette époque. Aujourd’hui, les réseaux neuronaux sont composés d’une architecture de type Feed-Forward où l’information s’écoule de l’entrée vers la sortie à travers une série de couches. Chaque couche est entrainée pour reconnaitre certaines caractéristiques telles qu’un oeil ou une moustache. Cette analyse est ensuite envoyée à la couche suivante et chaque couche effectue des calculs complexes sur les données. Ainsi, un réseau neuronal va commencer par une série de pixels dans une première couche, reconnaitre des poils dans la seconde couche, des formes d’oreille dans une troisième pour finalement dire que c’est une image d’un chat grognon.

Mais cette structure de type Feed-forward néglige un composant vital du système biologique qui est le Feedback (le retour) sur toutes les couches. Dans le vrai cerveau, les neurones dans une couche du cortex sont connectés à leurs voisins ainsi qu’aux couches supérieures et inférieures en créant un réseau enchevêtré de boucles. Les connexions Feedback sont très importantes pour les réseaux corticaux selon Sejnowski. Il y a autant de retours sur les données que d’envois. Les neuroscientifiques ne comprennent pas précisément le fonctionnement de ces boucles de Feedback, mais ils savent qu’ils sont importants pour capter notre attention. Ils nous permettent d’écouter une voix tandis qu’on est distrait par les bruits de la rue. L’analyse par synthèse fournit une raison pour toutes ces connexions récurrentes. Elles permettent au cerveau de comparer ses prédictions avec la réalité.

Les chercheurs de Microns veulent déchiffrer les règles qui gouvernent les boucles de Feedbacks. Les cellules auxquelles ces boucles se connectent, ce qui déclenche leur activité et comment cette activité affecte la sortie du circuit. Et enfin, on doit traduire ces règles en algorithmes. L’intelligence artificielle manque cruellement d’imagination et d’introspection. Je pense que le circuit de Feedback nous permet d’imaginer et de faire des introspections à différents niveaux selon Tai Sing Lee.

Peut-être que le circuit du Feedback va permettre aux machines d’avoir des traits qui sont uniques aux humains. Si vous pouvez implémenter le circuit Feedback dans un réseau profond, alors vous pouvez aller d’un réseau qui fait uniquement des réactions viscérales (Fournir une entrée pour avoir une sortie) à un réseau qui est plus réfléchi. Ce type d’intelligence peut réfléchir sur les entrées qu’on lui a fournies et tester des hypothèses selon Sejnowski, qui est le conseiller de l’initiative BRAIN lancé par Obama. Et le projet Microns fait partie de cette initiative.

Des indices sur la conscience

Comme tous les programmes IARPA, le projet Microns est assez risqué. Les technologies pour cartographier l’activité et le câblage neuronal existent, mais personne ne l’a appliqué à une telle échelle. Un défi sera de gérer la quantité immense de données produite par la recherche. Cela représente 1 à 2 pétaoctets de données pour chaque cube du cerveau d’un millimètre. Les équipes ont besoin de développer des outils de Machine Learning pour analyser toutes les données.

On ignore aussi si les leçons apprises d’une petite partie du cerveau seront efficaces pour illustrer les plus grands talents du cerveau qui sont encore des mondes inconnus. Le cerveau n’est pas juste une pièce de cortex selon Sejnowski. Le cerveau est des centaines de systèmes spécialisés pour différentes fonctions. Le cortex ressemble à des unités qui font des tâches répétitives. Mais les autres parties du cerveau peuvent fonctionner de manière différente. Le Reinforcement Learning utilisé par AlphaGo est lié aux processus des Ganglions de la base. Ces derniers sont des parties du cerveau qui sont impliquées dans l’addiction. Si vous voulez que l’intelligence artificielle puisse aller au-delà d’un simple pattern de reconnaissance, alors vous avez besoin de nombreuses parties différentes.

Si le projet Microns réussit, alors il fera plus que de l’analyse de renseignement. Un algorithme réussi va révéler des vérités importantes sur la manière dont le cerveau perçoit le monde. Plus précisément, il permettra de confirmer si le cerveau fonctionne par l’analyse de synthèse où il compare ses propres prédictions concernant le monde avec les données entrantes qui arrivent par nos yeux. Il révèlera que le principal ingrédient de la conscience est un mélange d’imagination et de perception. C’est l’imagination qui nous permet de prédire les événements futurs et c’est elle qui guide nos actions selon Tai Sing Lee. En construisant des machines qui peuvent penser, ces chercheurs espèrent révéler les secrets de la Pensée en personne.

 

N'oubliez pas de voter pour cet article !
1 étoile2 étoiles3 étoiles4 étoiles5 étoiles (No Ratings Yet)
Loading...
mm

Jacqueline Charpentier

Ayant fait une formation en chimie, il est normal que je me sois retrouvée dans une entreprise d'emballage. Désormais, je publie sur des médias, des blogs et des magazines pour vulgariser l'actualité scientifique et celle de la santé.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *