Résoudre des tâches d’apprentissage complexes dans des ordinateurs inspirés par le cerveau
Français
Suivez-nous sur notre page Facebook et notre canal Telegram
Développer une machine qui traite les informations aussi efficacement que le cerveau humain est un objectif de recherche de longue date vers une véritable intelligence artificielle. Une équipe de recherche interdisciplinaire de l’Université de Heidelberg et de l’Université de Berne (Suisse) dirigée par le Dr Mihai Petrovici s’attaque à ce problème à l’aide de réseaux de neurones artificiels d’inspiration biologique. Les réseaux de neurones à pointes, qui imitent la structure et la fonction d’un système nerveux naturel, représentent des candidats prometteurs car ils sont puissants, rapides et économes en énergie. L’un des principaux défis est de savoir comment former des systèmes aussi complexes. L’équipe de recherche germano-suisse a maintenant développé et mis en œuvre avec succès un algorithme qui réalise une telle formation.
Les cellules nerveuses (ou neurones) du cerveau transmettent des informations à l’aide de courtes impulsions électriques appelées pointes. Ces pics sont déclenchés lorsqu’un certain seuil de stimulus est dépassé. La fréquence à laquelle un seul neurone produit de telles pointes et la séquence temporelle des pointes individuelles sont essentielles pour l’échange d’informations. “La principale différence entre les réseaux de pointes biologiques et les réseaux de neurones artificiels est que, parce qu’ils utilisent le traitement de l’information basé sur les pointes, ils peuvent résoudre des tâches complexes telles que la reconnaissance et la classification d’images avec une efficacité énergétique extrême”, déclare Julian Göltz, doctorant en Groupe de recherche du Dr Petrovici.
Le cerveau humain et les réseaux de neurones artificiels artificiels similaires sur le plan architectural ne peuvent fonctionner à leur plein potentiel que si les neurones individuels sont correctement connectés les uns aux autres. Mais comment les systèmes inspirés par le cerveau, c’est-à-dire neuromorphiques, peuvent-ils être ajustés pour traiter correctement les pics d’entrée ? “Cette question est fondamentale pour le développement de puissants réseaux artificiels basés sur des modèles biologiques”, souligne Laura Kriener, également membre de l’équipe de recherche du Dr Petrovici. Des algorithmes spéciaux sont nécessaires pour garantir que les neurones d’un réseau de neurones à pointes se déclenchent au bon moment. Ces algorithmes ajustent les connexions entre les neurones afin que le réseau puisse effectuer la tâche requise, comme la classification des images avec une grande précision.
L’équipe sous la direction du Dr Petrovici a développé un tel algorithme. “Grâce à cette approche, nous pouvons former des réseaux de neurones à pointes pour coder et transmettre des informations exclusivement dans des pointes uniques. Ils produisent ainsi les résultats souhaités de manière particulièrement rapide et efficace”, explique Julian Göltz. De plus, les chercheurs ont réussi à mettre en œuvre un réseau neuronal formé avec cet algorithme sur une plate-forme physique – la plate-forme matérielle neuromorphique BrainScaleS-2 développée à l’Université de Heidelberg.
Selon les chercheurs, le système BrainScaleS traite les informations jusqu’à mille fois plus vite que le cerveau humain et nécessite beaucoup moins d’énergie que les systèmes informatiques conventionnels. Il fait partie du projet européen Human Brain Project, qui intègre des technologies telles que l’informatique neuromorphique dans une plate-forme ouverte appelée EBRAINS. “Cependant, nos travaux ne sont pas seulement intéressants pour l’informatique neuromorphique et le matériel d’inspiration biologique. Ils reconnaissent également la demande de la communauté scientifique de transférer les approches dites d’apprentissage profond aux neurosciences et ainsi de dévoiler davantage les secrets du cerveau humain”, souligne le Dr. Petrovici.
La recherche a été financée par la Fondation Manfred Stärk et le Human Brain Project, l’une des trois initiatives européennes phares dans le domaine des technologies futures et émergentes soutenues par le programme-cadre Horizon 2020 de l’Union européenne. Les résultats de la recherche ont été publiés dans la revue “Nature Machine Intelligence”.
Source de l’histoire :
Matériaux fourni par Université de Heidelberg. Remarque : Le contenu peut être modifié pour le style et la longueur.
