Des chercheurs anglais ont démontré que l’application de contraintes physiques à un système d’intelligence artificielle, de la même manière que le cerveau humain doit se développer et fonctionner dans des contraintes physiques et biologiques, lui permet de développer des caractéristiques des cerveaux d’organismes complexes pour résoudre des tâches.
L’équilibre entre les demandes concurrentes
Alors que des systèmes neuronaux tels que le cerveau s’organisent et établissent des connexions, ils doivent équilibrer des demandes concurrentes. Par exemple, l’énergie et les ressources sont nécessaires pour développer et maintenir le réseau dans l’espace physique, tout en optimisant le réseau pour le traitement de l’information.
Ce compromis façonne tous les cerveaux à l’intérieur et à travers les espèces, ce qui peut aider à expliquer pourquoi de nombreux cerveaux convergent vers des solutions organisationnelles similaires.
Le rôle des contraintes physiques
Dans une étude publiée aujourd’hui dans Nature Machine Intelligence, les chercheurs de l’Université de Cambridge ont créé un système artificiel destiné à modéliser une version très simplifiée du cerveau et ont appliqué des contraintes physiques. Ils ont découvert que leur système développait certaines caractéristiques clés et tactiques similaires à celles trouvées dans les cerveaux humains.
Par exemple, pour contourner les contraintes, les systèmes artificiels ont commencé à développer des hubs – des nœuds hautement connectés qui agissent comme des conduits pour transmettre l’information à travers le réseau.
Comprendre le cerveau humain
L’équipe espère que leur système d’IA pourrait commencer à éclairer comment ces contraintes façonnent les différences entre les cerveaux des gens, et contribuent aux différences observées chez ceux qui éprouvent des difficultés cognitives ou de santé mentale.
Ces «cerveaux» artificiels nous donnent un moyen de comprendre les données riches et déroutantes que nous voyons lorsque l’activité des neurones réels est enregistrée dans de vrais cerveaux.
Implications pour la conception des futurs systèmes d’IA
Les résultats sont susceptibles d’intéresser également la communauté de l’IA, où ils pourraient permettre le développement de systèmes plus efficaces, en particulier dans des situations où il est probable qu’il y ait des contraintes physiques.
De nombreux systèmes devront exécuter toutes leurs calculs avec une quantité limitée d’énergie électrique et donc, pour équilibrer ces contraintes énergétiques avec la quantité d’information qu’il doit traiter, il aura probablement besoin d’une structure cérébrale similaire à la nôtre.
En synthèse
En imposant des contraintes physiques à un système d’intelligence artificielle, de la même manière que le cerveau humain doit fonctionner dans des contraintes physiques et biologiques, il est possible de développer des caractéristiques similaires à celles des cerveaux d’organismes complexes. Cette découverte pourrait aider à comprendre les différences entre les cerveaux humains et à concevoir des systèmes d’IA plus efficaces à l’avenir.
Pour une meilleure compréhension
1. Qu’est-ce que l’étude a démontré sur l’IA et les contraintes physiques ?
L’étude a montré que l’application de contraintes physiques à un système d’intelligence artificielle, de la même manière que le cerveau humain doit se développer et fonctionner dans des contraintes physiques et biologiques, lui permet de développer des caractéristiques des cerveaux d’organismes complexes pour résoudre des tâches.
2. Comment les contraintes physiques influencent-elles le développement du cerveau ?
Les contraintes physiques et biologiques obligent le cerveau à équilibrer des demandes concurrentes, comme l’énergie et les ressources nécessaires pour développer et maintenir le réseau dans l’espace physique, tout en optimisant le réseau pour le traitement de l’information. Ce compromis façonne tous les cerveaux à l’intérieur et à travers les espèces.
3. Quelles sont les caractéristiques clés que le système d’IA a développées ?
Le système d’IA a développé des hubs – des nœuds hautement connectés qui agissent comme des conduits pour transmettre l’information à travers le réseau. De plus, les nœuds ont développé un codage flexible, ce qui signifie qu’à différents moments, les nœuds peuvent coder pour un mélange des propriétés de la tâche.
4. Comment cette recherche peut-elle aider à comprendre le cerveau humain ?
Les chercheurs espèrent que leur système d’IA pourrait commencer à éclairer comment ces contraintes façonnent les différences entre les cerveaux des gens, et contribuent aux différences observées chez ceux qui éprouvent des difficultés cognitives ou de santé mentale.
5. Quelles sont les implications pour la conception des futurs systèmes d’IA ?
Les résultats pourraient permettre le développement de systèmes d’IA plus efficaces, en particulier dans des situations où il est probable qu’il y ait des contraintes physiques. De nombreux systèmes devront exécuter toutes leurs calculs avec une quantité limitée d’énergie électrique et donc, pour équilibrer ces contraintes énergétiques avec la quantité d’information qu’il doit traiter, il aura probablement besoin d’une structure cérébrale similaire à la nôtre.
Principaux enseignements
| Enseignements |
|---|
| L’application de contraintes physiques à un système d’IA lui permet de développer des caractéristiques des cerveaux d’organismes complexes. |
| Le cerveau doit équilibrer des demandes concurrentes, comme l’énergie et les ressources nécessaires pour développer et maintenir le réseau dans l’espace physique, tout en optimisant le réseau pour le traitement de l’information. |
| Le système d’IA a développé des hubs – des nœuds hautement connectés qui agissent comme des conduits pour transmettre l’information à travers le réseau. |
| Les nœuds du système d’IA ont développé un codage flexible, ce qui signifie qu’à différents moments, les nœuds peuvent coder pour un mélange des propriétés de la tâche. |
| Le système d’IA pourrait aider à comprendre comment ces contraintes façonnent les différences entre les cerveaux des gens, et contribuent aux différences observées chez ceux qui éprouvent des difficultés cognitives ou de santé mentale. |
| Les résultats pourraient permettre le développement de systèmes d’IA plus efficaces, en particulier dans des situations où il est probable qu’il y ait des contraintes physiques. |
Références
Achterberg, J & Akarca, D et al. Spatially embedded recurrent neural networks reveal widespread links between structural and functional neuroscience findings. Nature Machine Intelligence; 20 Nov 2023; DOI: 10.1038/s42256-023-00748-9
[ Rédaction ]
