Au cours des dernières décennies, l'intelligence artificielle s'est révélée très efficace pour atteindre des objectifs exceptionnels dans plusieurs domaines. Les échecs en font partie :en 1996, pour la première fois, l'ordinateur Deep Blue a battu un joueur humain, champion d'échecs Garry Kasparov. Une nouvelle recherche montre maintenant que la stratégie du cerveau pour stocker les souvenirs peut conduire à des souvenirs imparfaits, mais à son tour, lui permet de stocker plus de souvenirs, et avec moins de tracas que l'IA. La nouvelle étude, réalisée par des scientifiques de SISSA en collaboration avec Kavli Institute for Systems Neuroscience &Center for Neural Computation, Trondheim, Norvège, vient de paraître dans Lettres d'examen physique .

Les réseaux de neurones, réel ou artificiel, apprendre en peaufinant les connexions entre les neurones. les rendant plus forts ou plus faibles, certains neurones deviennent plus actifs, un peu moins, jusqu'à ce qu'un modèle d'activité émerge. Ce modèle est ce que nous appelons « un souvenir ». La stratégie de l'IA consiste à utiliser des algorithmes longs et complexes, qui règlent et optimisent de manière itérative les connexions. Le cerveau fait beaucoup plus simple :chaque connexion entre les neurones change uniquement en fonction de l'activité simultanée des deux neurones. Par rapport à l'algorithme d'IA, cela avait longtemps été pensé pour permettre le stockage de moins de souvenirs. Mais, en termes de capacité de mémoire et de récupération, cette sagesse repose en grande partie sur l'analyse des réseaux en supposant une simplification fondamentale :que les neurones peuvent être considérés comme des unités binaires.

La nouvelle recherche, cependant, montre le contraire :le nombre réduit de souvenirs stockés en utilisant la stratégie du cerveau dépend de cette hypothèse irréaliste. Lorsque la stratégie simple utilisée par le cerveau pour modifier les connexions est combinée à des modèles biologiquement plausibles pour la réponse de neurones uniques, cette stratégie fonctionne aussi bien que, ou encore mieux, que les algorithmes d'IA. Comment cela pourrait-il être le cas ? Paradoxalement, la réponse réside dans l'introduction d'erreurs :lorsqu'une mémoire est effectivement récupérée, celle-ci peut être identique à l'entrée à mémoriser d'origine ou corrélée à celle-ci. La stratégie cérébrale conduit à la récupération de souvenirs qui ne sont pas identiques à l'entrée originale, faire taire l'activité de ces neurones qui sont à peine actifs dans chaque modèle. Ces neurones silencieux, En effet, ne jouent pas un rôle crucial dans la distinction entre les différentes mémoires stockées au sein d'un même réseau. En les ignorant, les ressources neuronales peuvent être concentrées sur les neurones qui comptent dans une entrée à mémoriser et permettent une capacité plus élevée.

Globalement, cette recherche met en évidence comment les procédures d'apprentissage auto-organisé biologiquement plausibles peuvent être tout aussi efficaces que les algorithmes d'entraînement lents et neuro-invraisemblables.