Appelez cela un développement a-MAZE-ing :une équipe de chercheurs basée au Royaume-Uni a développé un programme d'intelligence artificielle qui peut apprendre à prendre des raccourcis à travers un labyrinthe pour atteindre son objectif. Dans le processus, le programme a développé des structures semblables à celles du cerveau humain.

L'émergence de ces « cellules de grille, " décrit dans le journal La nature , pourrait aider les scientifiques à concevoir de meilleurs logiciels de navigation pour les futurs robots et même offrir une nouvelle fenêtre à travers laquelle sonder les mystères du cerveau des mammifères.

Dans les années récentes, Les chercheurs en IA ont développé et affiné des réseaux d'apprentissage en profondeur, des programmes en couches qui peuvent proposer de nouvelles solutions pour atteindre l'objectif qui leur est assigné. Par exemple, un réseau de deep learning peut savoir quel visage identifier dans une série de photos différentes, et à travers plusieurs cycles de formation, peut régler ses algorithmes jusqu'à ce qu'il repère le bon visage pratiquement à chaque fois.

Ces réseaux sont inspirés du cerveau, mais ils ne fonctionnent pas tout à fait comme eux, dit Francesco Savelli, un neuroscientifique de l'Université Johns Hopkins qui n'était pas impliqué dans l'article. Jusque là, Les systèmes d'IA ne sont pas près d'imiter l'architecture du cerveau, la diversité des vrais neurones, la complexité des neurones individuels ou même les règles par lesquelles ils apprennent.

"On pense que la plupart de l'apprentissage se produit avec le renforcement et l'affaiblissement de ces synapses, " Savelli a déclaré dans une interview, se référant aux connexions entre les neurones. "Et c'est aussi vrai pour ces systèmes d'IA, mais exactement comment vous le faites, et les règles qui régissent ce type d'apprentissage, pourrait être très différent dans le cerveau et dans ces systèmes."

Indépendamment, L'IA a été très utile pour un certain nombre de fonctions, de la reconnaissance faciale au déchiffrement de l'écriture manuscrite et à la traduction des langues, dit Savelli. Mais les activités de niveau supérieur, telles que la navigation dans un environnement complexe, se sont avérées beaucoup plus difficiles.

Un aspect de la navigation que notre cerveau semble effectuer sans effort conscient est l'intégration de chemin. Les mammifères utilisent ce processus pour recalculer leur position après chaque pas qu'ils font en tenant compte de la distance qu'ils ont parcourue et de la direction à laquelle ils font face. On pense que c'est la clé de la capacité du cerveau à produire une carte de son environnement.

Parmi les neurones associés à ces « cartes cognitives » :les cellules de lieu, qui s'allument lorsque leur propriétaire se trouve dans un endroit particulier de l'environnement ; cellules en direction de la tête, qui indiquent à leur propriétaire dans quelle direction ils font face ; et les cellules de la grille, qui semblent répondre à une grille hexagonale imaginaire cartographiée sur le terrain environnant. Chaque fois qu'une personne marche sur un "nœud" de cette grille, le neurone se déclenche.

« On pense que les cellules de la grille confèrent à la carte cognitive des propriétés géométriques qui aident à planifier et à suivre des trajectoires, " Savelli et son collègue neuroscientifique de Johns Hopkins James Knierim ont écrit dans un commentaire sur l'article. La découverte des cellules de grille a valu à trois scientifiques le prix Nobel 2014 de physiologie ou de médecine.

Les humains et les autres animaux semblent avoir très peu de difficulté à se déplacer dans l'espace car tous ces neurones hautement spécialisés travaillent ensemble pour nous dire où nous sommes et où nous allons.

Les scientifiques de DeepMind, qui appartient à Google et à l'University College London, s'est demandé s'ils pouvaient développer un programme qui pourrait également effectuer l'intégration de chemin. Ils ont donc entraîné le réseau avec des simulations de chemins empruntés par des rongeurs à la recherche de nourriture. Ils lui ont également fourni des données sur le mouvement et la vitesse d'un rongeur, ainsi que des informations provenant de cellules de lieu simulées et de cellules de direction de la tête.

Au cours de cette formation, les chercheurs ont remarqué quelque chose d'étrange :le rongeur simulé semblait développer des modèles d'activité qui ressemblaient remarquablement à des cellules de grille, même si les cellules de grille ne faisaient pas partie de leur système d'entraînement.

« L'émergence d'unités de type grille est un exemple impressionnant d'apprentissage en profondeur faisant ce qu'il fait le mieux :inventer un représentation interne souvent imprévue pour aider à résoudre une tâche, " écrivent Savelli et Knierim.

Les cellules de grille semblent être si utiles pour l'intégration des chemins que ce faux-rongeur a proposé une solution étrangement similaire à un vrai cerveau de rongeur. Les chercheurs se sont alors demandé :les cellules de grille pourraient-elles également être utiles dans un autre aspect crucial de la navigation des mammifères ?

Cet aspect, appelée navigation vectorielle, est essentiellement la capacité de calculer le coup droit, distance "à vol d'oiseau" jusqu'à un but même si vous avez mis plus de temps à l'origine, itinéraire moins direct. C'est une compétence utile pour trouver des raccourcis vers votre destination, fit remarquer Savelli.

Pour tester cela, les chercheurs ont mis au défi le faux rongeur activé par les cellules de grille pour résoudre un labyrinthe, mais bloqué la plupart des portes de sorte que le programme devrait emprunter le long chemin vers son objectif. Ils ont également modifié le programme afin qu'il soit récompensé pour les actions qui l'ont rapproché de l'objectif. Ils ont entraîné le réseau sur un labyrinthe donné, puis ont ouvert des raccourcis pour voir ce qui s'était passé.

Assez sur, le rongeur simulé avec des cellules de grille a rapidement trouvé et utilisé les raccourcis, même si ces voies étaient nouvelles et inconnues. Et il fonctionnait bien mieux qu'un faux-rongeur dont le point de départ et le point d'arrivée n'étaient suivis que par les cellules de lieu et les cellules de direction de la tête. Il a même battu un "expert humain, ", ont déclaré les auteurs de l'étude.

Les résultats pourraient éventuellement s'avérer utiles pour les robots qui se frayent un chemin à travers un territoire inconnu, dit Savelli. Et d'un point de vue neuroscientifique, ils pourraient aider les chercheurs à mieux comprendre comment ces neurones font leur travail dans le cerveau des mammifères.

Bien sûr, ce programme était très simplifié par rapport à son homologue biologique, fit remarquer Savelli. Chez le rongeur simulé, les « cellules de lieu » n'ont pas changé, même si les cellules de lieu et les cellules de grille s'influencent mutuellement de manière complexe dans de vrais cerveaux.

"En développant le réseau de telle sorte que la couche de cellules de lieu puisse être modulée par des entrées de type grille, nous pourrions commencer à déballer cette relation, " écrivent Savelli et Knierim.

Développer davantage ce programme d'IA pourrait aider les scientifiques à commencer à comprendre toutes les relations complexes qui entrent en jeu dans les systèmes neuronaux vivants, ils ont ajouté.

Mais qu'ils veuillent perfectionner la technologie ou l'utiliser pour comprendre la biologie, les scientifiques devront mieux maîtriser leurs propres programmes d'apprentissage en profondeur, dont les solutions aux problèmes sont souvent difficiles à déchiffrer même si elles obtiennent systématiquement des résultats, ont dit les scientifiques.

« Rendre les systèmes d'apprentissage en profondeur plus intelligibles pour le raisonnement humain est un défi passionnant pour l'avenir, " écrivent Savelli et Knierim.

©2018 Los Angeles Times
Distribué par Tribune Content Agency, LLC.