IA Révolutionnaire : Auto-organisation inspirée du cerveau humain
Des chercheurs de l’Université de Cambridge ont récemment présenté un système d’intelligence artificielle qui, en imitant les contraintes physiques du cerveau humain, a acquis une capacité d’auto-organisation comparable.
Les chercheurs ont élaboré un système d’intelligence artificielle basé sur des réseaux neuronaux récurrents spatialement intégrés (seRNNs), comme ils l’ont expliqué dans un communiqué. Ces réseaux sont spécifiquement conçus pour imiter la structure et le fonctionnement du cerveau humain, en intégrant des éléments reproduisant les contraintes physiques et biologiques auxquelles le cerveau est soumis.
Pour évaluer leur système d’IA, les chercheurs ont opté pour une tâche de navigation dans un labyrinthe, similaire à ceux utilisés dans les études comportementales sur des animaux tels que les rats et les macaques. Le système d’IA avait pour mission de déterminer le chemin le plus court pour atteindre un point final en intégrant plusieurs informations : le point de départ, le point d’arrivée et les étapes intermédiaires.
La réalisation de cette tâche exigeait que le système retienne et traite ces éléments pour réussir. Une fois la tâche maîtrisée, il devenait possible d’analyser quels nœuds du réseau étaient actifs à différents moments, permettant ainsi d’identifier ceux codant pour des aspects spécifiques, tels que les emplacements d’arrivée ou les itinéraires possibles.
Au début, le système rencontrait des erreurs dans l’exécution de la tâche, mais il s’améliorait progressivement grâce aux retours d’information, ajustant la force des connexions entre ses nœuds, de manière similaire aux cellules cérébrales qui modifient leurs connexions pendant l’apprentissage. Cependant, une contrainte physique imposée au système rendait plus difficile la création de connexions entre des nœuds éloignés, simulant ainsi les coûts énergétiques des connexions à longue distance dans le cerveau humain.
En réponse à cette contrainte, le système a développé des hubs, c’est-à-dire des nœuds hautement connectés facilitant la transmission d’informations. De plus, ces nœuds ont adopté un système de codage flexible, où un même nœud pouvait représenter différentes propriétés du labyrinthe à différents moments, une caractéristique également observée dans le cerveau d’organismes complexes.
En tirant inspiration de la structure et des contraintes du cerveau humain, le système d’IA élaboré par les chercheurs de Cambridge démontre une efficacité accrue, nécessitant notamment des ressources moindres pour son fonctionnement. Cette avancée revêt une pertinence particulière pour les appareils et systèmes où l’efficacité énergétique est cruciale.
