Les informaticiens de la TU Wien (Vienne) améliorent l'intelligence artificielle en s'inspirant de la biologie. Les nouvelles approches obtiennent des résultats étonnants avec étonnamment peu d'effort.

Un cerveau développé naturellement fonctionne très différemment d'un programme informatique ordinaire. Il n'utilise pas de code composé d'instructions logiques claires, c'est un réseau de cellules qui communiquent entre elles. La simulation de tels réseaux sur un ordinateur peut aider à résoudre des problèmes difficiles à décomposer en opérations logiques.

A la TU Wien (Vienne), en collaboration avec des chercheurs du Massachusetts Institute of Technology (MIT), une nouvelle approche pour la programmation de tels réseaux de neurones a maintenant été développée, qui modélise l'évolution temporelle des signaux nerveux d'une manière complètement différente. Il a été inspiré par une créature particulièrement simple et bien recherchée, le ver rond C. elegans. Les circuits neuronaux de son système nerveux ont été simulés sur ordinateur, puis le modèle a été adapté avec des algorithmes d'apprentissage automatique. Par ici, il était possible de résoudre des tâches remarquables avec un nombre extrêmement faible de cellules nerveuses simulées – par exemple garer une voiture. Même si le réseau inspiré des vers ne comprend que 12 neurones, il peut être entraîné à diriger un robot rover vers un endroit donné. Ramin Hasani de l'Institute of Computer Engineering de la TU Wien a maintenant présenté ses travaux à la conférence TEDx à Vienne le 20 octobre.

On peut montrer que ces nouveaux réseaux de neurones sont extrêmement polyvalents. Un autre avantage est que leur dynamique interne peut être comprise - contrairement aux réseaux de neurones artificiels standard, qui sont souvent considérées comme une "boîte noire" utile mais impénétrable.

Signaux dans les réseaux ramifiés

« Les réseaux de neurones doivent être formés », explique Ramin Hasani. "Vous fournissez une entrée spécifique et ajustez les connexions entre les neurones afin que la sortie souhaitée soit délivrée."

L'entrée, par exemple, peut être une photographie, et la sortie peut être le nom de la personne sur la photo. "Le temps ne joue généralement pas un rôle important dans ce processus, " dit Radu Grosu de l'Institute of Computer Engineering de TU Wien. Pour la plupart des réseaux de neurones, toute l'entrée est livrée à la fois, résultant immédiatement en une certaine sortie. Mais dans la nature, les choses sont très différentes.

Reconnaissance de la parole, par exemple, est toujours dépendant du temps, de même que les traductions simultanées ou les séquences de mouvements réagissant à un environnement changeant. "Ces tâches peuvent être mieux gérées en utilisant ce que nous appelons RNN, ou des réseaux de neurones récurrents", dit Ramin Hassani. "C'est une architecture capable de capter des séquences, car cela permet aux neurones de se souvenir de ce qui s'est passé auparavant."

Hasani et ses collègues proposent une nouvelle architecture RNN basée sur un modèle biophysique de neurones et de synapses qui permet une dynamique variable dans le temps. "Dans un modèle RNN standard, il existe un lien constant entre le neurone un et le neurone deux, définir à quel point l'activité du neurone un influence l'activité du neurone deux", dit Ramin Hassani. "Dans notre nouvelle architecture RNN, ce lien est une fonction non linéaire du temps."

Le cerveau de ver qui peut garer une voiture

Permettre aux activités cellulaires et aux liens entre les cellules de varier au fil du temps ouvre des possibilités complètement nouvelles. Ramin Hassani, Mathias Lechner et leurs collaborateurs ont montré théoriquement que leur architecture peut, en principe, dynamique arbitraire approximative. Pour démontrer la polyvalence de la nouvelle approche, ils ont développé et entraîné un petit réseau neuronal :« Nous avons réutilisé un circuit neuronal du système nerveux du nématode C. elegans. Il est responsable de générer un comportement réflexif simple - le retrait tactile, " dit Mathias Lechner, qui travaille maintenant à l'Institut des sciences et technologies (IST) d'Autriche. "Ce réseau de neurones a été simulé et entraîné pour contrôler des applications réelles."

Le succès est remarquable :le petit, Un réseau simple avec seulement 12 neurones peut (après une formation appropriée) résoudre des tâches difficiles. Par exemple, il a été formé pour manœuvrer un véhicule dans un espace de stationnement le long d'un chemin prédéfini. "La sortie du réseau de neurones, qui dans la nature contrôlerait le mouvement des vers nématodes, est utilisé dans notre cas pour diriger et accélérer un véhicule", dit Hassani. "Nous avons théoriquement et expérimentalement démontré que nos nouveaux réseaux de neurones peuvent résoudre des tâches complexes dans la vie réelle et dans des environnements physiques simulés."

La nouvelle approche présente un autre avantage important :elle permet de mieux comprendre le fonctionnement interne du réseau de neurones. Réseaux de neurones antérieurs, qui consistait souvent en plusieurs milliers de nœuds, ont été si complexes que seuls les résultats finaux ont pu être analysés. Obtenir une compréhension plus profonde de ce qui se passe à l'intérieur n'était guère possible. Le réseau plus petit mais extrêmement puissant de l'équipe de Vienne est plus facile à analyser, et ainsi les scientifiques peuvent au moins partiellement comprendre, quelles cellules nerveuses provoquent quels effets. "C'est un grand avantage qui nous incite à poursuivre la recherche de leurs propriétés", dit Hassani.

Bien sûr, cela ne signifie pas que les voitures seront garées par des vers artificiels à l'avenir, mais cela montre que l'intelligence artificielle avec une architecture plus proche du cerveau peut être beaucoup plus puissante qu'on ne le pensait auparavant.