La capacité de trouver un chemin court, le plus direct du point «A» au point «B» ne ressemble pas à un test de rationalité impressionnant aujourd'hui. Cependant, selon un nouveau rapport
publié dans la revue Nature il y a quelque temps, dans lequel les chercheurs ont parlé de leur système de navigation de l'intelligence artificielle, la capacité d'explorer des espaces simulés complexes et de trouver le chemin le plus court vers un objectif place ces systèmes au même niveau que les humains. et d'autres animaux.
Une clé inattendue de la performance souhaitée était que pendant la formation, le réseau a spontanément développé l'équivalent de «cellules de grille» - un ensemble de cellules cérébrales qui permet à un certain nombre de mammifères de suivre leur position dans l'espace.
Pour les neurobiologistes, ce travail vous dira probablement un lien de connexion important pour comprendre comment les neurones de réseau dans le cerveau vivant vous permettent de développer des capacités de navigation. Les travaux montrent également comment les réseaux de neurones peuvent avoir un impact important sur la recherche future. Neil Burgess, de l'University College London, qui n'a pas participé à l'étude, a suggéré que de tels systèmes devraient "fournir un terrain fertile pour comprendre comment et pourquoi le cerveau fonctionne de cette manière".
Pendant ce temps, pour les chercheurs dans le domaine de l'intelligence artificielle, l'utilité de ces travaux pour améliorer les systèmes de navigation automatisés est évidente. Mais cela peut apporter une contribution encore plus grande aux principes généraux de la compréhension de l'intelligence et du développement de systèmes intelligents.
Selon les chercheurs Andrea Banino de DeepMind et Caswell Barry de l'University College London, qui étaient les principaux auteurs de l'article de Nature, le projet est né d'une question sur la fonction des neurones du réseau qu'ils ont étudiés. Les neurones en réseau sont souvent appelés «GPS du cerveau» en raison de leur rôle important dans la navigation de nombreux animaux. Edward Moser et May-Britt Moser ont reçu le prix Nobel en 2014, pour leur découverte neuf ans plus tôt. Ces amas de neurones, organisés en réseaux hexagonaux, donnent au total un résultat similaire aux systèmes de navigation inertielle des navires, des avions et des fusées - ils donnent une compréhension des mouvements du corps dans l'espace, même dans l'obscurité totale. "Relativement parlant, ils mettent à jour vos prévisions de l'endroit où vous vous trouvez en fonction de la façon dont vous vous déplacez", a ajouté Barry.
Pour cette raison, les neuroscientifiques attribuent aux neurones du réseau la fonction d '«intégration de chemin» - une forme de navigation intuitive subconsciente qui ne prend pas en compte les signaux externes: par exemple, «faites cinq pas en avant, tournez de 90 degrés vers la gauche, et avancez encore de 15 autres étapes». Mais certaines expériences ont donné des indices que ces neurones remplissent également d'autres fonctions, même au-delà de la navigation. Par exemple, certaines expériences ont montré l'implication de ce type de neurones dans des tâches telles que la mesure du temps et de la distance pendant le mouvement. Comme le note Barry, si les neurones sur réseau fournissent une référence spatiale d'objets et de lieux, "en principe, vous pouvez les utiliser pour calculer des itinéraires directs entre ces points", c'est-à-dire ce qui est essentiellement appelé "navigation vectorielle".
Pour étudier le rôle de ces neurones dans les problèmes de navigation, les chercheurs ont décidé d'utiliser des réseaux de neurones profondément entraînés. Pour comprendre comment fonctionne la recherche de chemin, ils ont d'abord créé un réseau neuronal pour un agent qui se déplace dans un petit espace simulé. «Nous voulions comprendre si nous pouvions créer un réseau de neurones afin qu'il commence lui-même à développer une similitude de neurones sur réseau», a déclaré Barry.
Le réseau de neurones a fait le travail et, selon Barry, "c'est incroyable à quel point cela a fonctionné." Au cours du processus, des «unités de grille» sont apparues spontanément, qui étaient étonnamment similaires à ce que nous voyons dans le cerveau des animaux, jusqu'au format de grille hexagonal.
Ces images montrent le déclenchement de neurones vivants et artificiels. Les modules du réseau apparaissant spontanément dans le réseau neuronal pour les tâches de navigation sont étonnamment similaires aux neurones du réseau dans le cerveau, jusqu'à leur forme hexagonale.Les chercheurs ont ensuite ajouté des capacités de réseau neuronal au système, ce qui a aidé les agents simulés à trouver le bon chemin vers l'objectif dans un labyrinthe virtuel. Un système avec des modules en treillis était d'un ordre de grandeur supérieur à un système similaire sans eux. Par exemple, le système pourrait comprendre si le passage précédemment fermé a donné un chemin plus court vers la cible et la choisir. Selon Banino, cette compétence a démontré que les modules de réseau dans le réseau neuronal fournissaient une navigation vectorielle car ils trouvaient des chemins plus courts et plus directs en fonction de la position de la cible.
«Je pense que grâce à ce travail, nous avons pu prouver comment les neurones sur réseau sont utilisés pour créer la recherche de chemin la plus courte», a déclaré Banino. Ainsi, les résultats confirment la théorie selon laquelle les neurones de réseau dans le cerveau sont capables d'effectuer à la fois la tâche d'intégration de chemin et la tâche de navigation vectorielle. Des preuves expérimentales comparables dans le cas des êtres vivants seront d'un ordre de grandeur plus difficile, a-t-il ajouté.
Dans une série d'expériences sur le labyrinthe, tous les réseaux de neurones testés ont pu atteindre l'objectif. Mais si l'une des barrières a été supprimée, alors seul le réseau de neurones en réseau l'a reconnu et a choisi cette voie comme la plus préférable. D'autres systèmes ont continué de choisir l'une des routes disponibles."Une découverte intéressante est qu'une approche similaire peut être utilisée pour d'autres tâches de neuroscience", a déclaré Barry. Par exemple, les chercheurs réfléchissent à la tâche du contrôle des membres. Les réseaux de neurones pourraient être formés pour contrôler un bras robotique, tout comme le cerveau contrôle un bras vivant, puis mener une série d'expériences qui peuvent fournir des indices importants sur la façon dont ces processus se produisent dans les systèmes vivants. «Cette approche pourrait potentiellement devenir un outil universel dans le domaine des neurosciences.»
"C'est un résultat assez impressionnant", résume Stefan Loytgeb, professeur de neurosciences à l'Université de Californie à San Diego. «Je pense qu'ils ont trouvé un très bon argument en faveur du fait que la navigation vectorielle est une fonction des neurones du réseau. Pendant longtemps, ce n'était qu'une hypothèse, mais je pense qu'ils se sont rapprochés le plus possible de la solution d'un éventuel mécanisme. »
Dans le même temps, il a noté que: «Toute approche informatique a ses limites. Et le fait qu'il puisse fonctionner sur un modèle ne signifie pas qu'il fonctionne de cette manière dans les organismes vivants. »
Francesco Savelli, neuroscientifiques à l'Université Johns Hopkins, qui a co-écrit les commentaires accompagnant l'article, a une perspective similaire. Il considère très intéressant que "vous obtenez en quelque sorte les neurones du réseau sans les programmer directement, mais ils apparaissent toujours comme une auto-organisation". Mais en même temps, "puisque ce n'est pas un système biologique exact, vous ne pouvez pas être complètement sûr de la conclusion qu'il donne."
"Bien que vous ne puissiez pas regarder dans cette boîte noire et rendre le réseau un peu plus comme un réseau biologique, à un moment donné, vous rencontrerez la limite concernant la recherche neurobiologique", a-t-il déclaré.
D'un autre côté, il est encourageant d'un point de vue technique que "ces systèmes d'apprentissage profond puissent résoudre des problèmes qui sont de plus en plus similaires aux fonctions cognitives supérieures du cerveau", a ajouté Savelli. «C'est une bonne démonstration que l'apprentissage en profondeur peut s'étendre à des tâches telles que les fonctions cognitives supérieures.»
On peut supposer que les chercheurs de DeepMind chercheront à utiliser ce réseau de navigation pour améliorer, par exemple, les capacités des robots de recherche ou des futurs drones. Mais selon Banino, leurs plans sont moins ciblés et plus ambitieux. "Nous pensons que la navigation est l'une des propriétés fondamentales de l'intelligence", a-t-il déclaré. "Personnellement, nous ne pensons à aucune application autre que la création d'un algorithme universel."
"Le cerveau est le seul exemple d'algorithme universel", a-t-il ajouté. "Alors pourquoi ne pas apprendre de lui."