Quand les algorithmes deviennent créatifs —
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Notre cerveau est incroyablement adaptatif. Chaque jour, nous formons de nouveaux souvenirs, acquérons de nouvelles connaissances ou affinons des compétences existantes. Cela contraste fortement avec nos ordinateurs actuels, qui n’exécutent généralement que des actions préprogrammées. Au cœur de notre adaptabilité se trouve la plasticité synaptique. Les synapses sont les points de connexion entre les neurones, qui peuvent changer de différentes manières selon la façon dont ils sont utilisés. Cette plasticité synaptique est un sujet de recherche important en neurosciences, car elle est au cœur des processus d’apprentissage et de la mémoire. Pour mieux comprendre ces processus cérébraux et construire des machines adaptatives, des chercheurs dans les domaines des neurosciences et de l’intelligence artificielle (IA) créent des modèles des mécanismes sous-jacents à ces processus. De tels modèles d’apprentissage et de plasticité aident à comprendre le traitement de l’information biologique et devraient également permettre aux machines d’apprendre plus rapidement.
Les algorithmes imitent l’évolution biologique
Dans le cadre du projet européen sur le cerveau humain, des chercheurs de l’Institut de physiologie de l’Université de Berne ont développé une nouvelle approche basée sur des algorithmes dits évolutionnaires. Ces programmes informatiques recherchent des solutions à des problèmes en imitant le processus d’évolution biologique, comme le concept de sélection naturelle. Ainsi, l’aptitude biologique, qui décrit le degré d’adaptation d’un organisme à son environnement, devient un modèle pour les algorithmes évolutifs. Dans de tels algorithmes, la “fitness” d’une solution candidate est la façon dont elle résout le problème sous-jacent.
Incroyable créativité
L’approche nouvellement développée est appelée l’approche « évoluer pour apprendre » (E2L) ou « devenir adaptatif ». L’équipe de recherche dirigée par le Dr Mihai Petrovici de l’Institut de physiologie de l’Université de Berne et de l’Institut Kirchhoff de physique de l’Université de Heidelberg a confronté les algorithmes évolutifs à trois scénarios d’apprentissage typiques. Dans le premier, l’ordinateur devait détecter un motif répétitif dans un flux continu d’entrées sans recevoir de retour sur ses performances. Dans le deuxième scénario, l’ordinateur recevait des récompenses virtuelles lorsqu’il se comportait d’une manière particulière souhaitée. Enfin, dans le troisième scénario d'”apprentissage guidé”, l’ordinateur a été informé avec précision de l’écart entre son comportement et celui souhaité.
“Dans tous ces scénarios, les algorithmes évolutifs ont pu découvrir des mécanismes de plasticité synaptique, et ainsi résoudre avec succès une nouvelle tâche”, explique le Dr Jakob Jordan, correspondant et co-premier auteur de l’Institut de physiologie de l’Université de Berne. Ce faisant, les algorithmes ont fait preuve d’une créativité étonnante : “Par exemple, l’algorithme a trouvé un nouveau modèle de plasticité dans lequel les signaux que nous avons définis sont combinés pour former un nouveau signal. En fait, nous observons que les réseaux utilisant ce nouveau signal apprennent plus rapidement qu’auparavant. règles connues », souligne le Dr Maximilian Schmidt du RIKEN Center for Brain Science à Tokyo, co-premier auteur de l’étude. Les résultats ont été publiés dans la revue eVie.
“Nous considérons E2L comme une approche prometteuse pour acquérir des connaissances approfondies sur les principes d’apprentissage biologique et accélérer les progrès vers de puissantes machines d’apprentissage artificiel”, déclare Mihai Petrovoci. “Nous espérons que cela accélérera les recherches sur la plasticité synaptique du système nerveux”, conclut Jakob Jordan. Les résultats fourniront de nouvelles informations sur le fonctionnement des cerveaux sains et malades. Ils pourraient également ouvrir la voie au développement de machines intelligentes capables de mieux s’adapter aux besoins de leurs utilisateurs.
Source de l’histoire :
Matériaux fourni par Université de Berne. Remarque : Le contenu peut être modifié pour le style et la longueur.
