L'IARPA cherche dans le cerveau des rats des moyens d'améliorer l'intelligence artificielle

Les mégadonnées et les ordinateurs plus rapides ont lancé une nouvelle vague de progrès et d'investissement dans l'intelligence artificielle. David Cox, neuroscientifique et informaticien à l'Université de Harvard, pense que le prochain grand bond dépendra de ce qui se passera dans la tête du rat lorsqu'elle jouera à des jeux vidéo.

David dirige le projet Ariadne de 28 millions de dollars, financé par la Intelligence Advanced Intelligence Agency ( IARPA ). Il cherche un indice dans le cerveau des mammifères qui aidera à rendre l'intelligence artificielle plus intelligente.

Aujourd'hui, de plus en plus de technologies reposent sur des réseaux de neurones. Grâce à une augmentation significative de la puissance de calcul et à une grande quantité de données sur Internet, Facebook peut identifier les visages, Siri peut reconnaître la parole et les voitures peuvent naviguer indépendamment dans l'espace. Cependant, ces algorithmes sont encore assez primitifs et reposent sur un processus d'analyse d'informations très simplifié. Par exemple, vous pouvez légèrement modifier les photos pour que le programme voiedes choses qui ne sont pas vraiment là. Cox a montré une photo de l'éditeur de MIT Technology Review avec un peu de bruit, et le programme l'a reconnue comme une autruche. Vous pouvez faire cette astuce vous-même en utilisant la démo en ligne du laboratoire de Cox.



Les réseaux de neurones, en règle générale, ne fonctionnent pas bien dans les environnements encombrés où l'ordinateur doit distinguer un objet d'un grand nombre d'autres objets, dont beaucoup se chevauchent. L'intelligence artificielle fait une mauvaise généralisation. Si vous montrez à un ordinateur une ou deux images d'un kangourou, il n'apprendra pas à identifier tous les kangourous. Il doit voir le kangourou sous différents angles et dans de nombreuses situations, avant d'apprendre à reconnaître avec précision l'animal. «Il semble que voir est facile: il suffit d'ouvrir les yeux. Mais il est difficile d'apprendre à un ordinateur à faire de même », explique David.

L'identification visuelle est la seule chose que le cerveau humain dépasse l'ordinateur. Nous pouvons distinguer les uns des autres dans une foule, nous concentrer sur une voix familière dans un environnement bruyant et dériver des motifs à partir de sons et d'images basés sur un ou plusieurs exemples. Une personne n'a pas besoin d'instructions pour apprendre à généraliser. Par conséquent, les scientifiques se sont tournés vers le cerveau pour trouver ce qui manquait à l'intelligence artificielle.

Maintenant, David et son équipe travaillent avec des rats, qui entraînent leurs compétences de reconnaissance à l'aide de jeux vidéo spécialement conçus. Un microscope laser à deux photons sera utilisé pour mesurer l'activité cérébrale des rongeurs. Pour voir le travail des neurones, les scientifiques introduiront une protéine fluorescente sensible au calcium. Lorsque les neurones commencent à répondre, les ions calcium vont pénétrer dans la cellule et la mettre en évidence. «C'est comme l'écoute électronique d'un grand nombre de cellules cérébrales; vous voyez ce qu'un rat peut penser », explique David.

Un autre domaine du projet comprend une tentative de création d'une carte 3D du réseau neuronal du cerveau de rat en utilisant des piles de sections de 30 nanomètres de tissu cérébral, étudiées à l'aide d'un microscope laser à deux photons. Le modèle résultant est assez difficile à étudier, car les neuroscientifiques ne savent toujours pas complètement quelle fonction remplit telle ou telle cellule. Mais Cox dit que leur «complexité incroyable» est encourageante. Il suggère que "le cerveau peut encore nous apprendre beaucoup pour construire l'intelligence artificielle".



En plus d'Ariane, deux autres équipes participent à la recherche, dirigée par un scientifique de l'Université Carnegie Mellon Tai Sing Lee et un neuroscientifique du Baylor College of Medicine Andres Tolias. Chaque groupe de scientifiques a abordé le même problème sous différents angles. Ainsi, par exemple, l'équipe d'Andreas Tolias utilise une approche largement similaire à la technique de David Cox.

Pour étudier les couches profondes du cerveau, et pas seulement les couches supérieures étudiées par Cox et ses collègues, Tolias a utilisé la microscopie à trois photons. Une équipe de chercheurs dirigée par Tolias a déjà fait des progrès significatifs, établissant des connexions entre 11 000 paires de neurones et découvrant cinq nouveaux types de neurones dans le processus. Tai Sing Lee prévoit d'utiliser le code à barres ADN: son équipe étiquetera chaque neurone avec une séquence nucléotidique unique et connectera chimiquement les codes à barres via des synapses pour restaurer le circuit. Lee espère que ce sera plus rapide et plus précis, voire pas du tout. Il note que «si la technologie des codes à barres fonctionne, elle changera fondamentalement toute l'idée de neurobiologie».



Tout le travail effectué ne représente que la moitié de l'ensemble du projet. Les scientifiques doivent trouver un moyen de rendre toutes ces informations utiles pour les algorithmes d'apprentissage automatique. D'une part, de nombreux chercheurs pensent que les neurones présentent des informations sensorielles sous la forme de distributions de probabilités, calculant l'interprétation la plus probable d'un événement sur la base d'une expérience antérieure. Cette hypothèse est principalement basée sur l'idée de rétroaction dans le cerveau. Il y a très probablement un processus constructif au cours duquel le cerveau maintient et crée une idée interne du monde, générant des attentes et des prédictions qui lui permettent d'expliquer les données entrantes et «d'inventer» comment les utiliser. «Ce qui manque actuellement à l'intelligence artificielle, c'est l'imagination et l'introspection. Je trouveque le système de rétroaction nous permet de présenter et d'analyser à une grande variété de niveaux », note Tai Sing Lee.

Le cerveau peut effectuer une analyse par synthèse de différentes manières, de sorte que chaque équipe explorera différentes possibilités. Un groupe dirigé par Cox voit le cerveau comme une sorte de moteur physique avec des modèles préexistants qu'il utilise pour créer une idée du monde. L'équipe de Tai Ling Xi suggère que le cerveau constitue une «bibliothèque» de petits morceaux et parties d'objets et les étudie avant de les assembler. Tolias travaille avec l'hypothèse que le cerveau crée des théories statistiques sur le monde.

Source: https://habr.com/ru/post/fr398409/