Les chercheurs de l’université de Bar-Ilan, en Israël, ont créé un nouveau type d’algorithmes d’intelligence artificielle basés sur le fonctionnement du cerveau humain. Contre toute attente, ces algorithmes se révèlent plus performants que les modèles de Deep Learning et de Machine Learning les plus récents…
Inventé il y a environ 70 ans, le Machine Learning s’inspire du processus d’apprentissage de notre cerveau humain. Cependant,selon les chercheurs de l’université de Bar-Ilan, en Israël, le lien entre neuroscience et intelligence artificielle est resté inexploité depuis lors. C’est la raison pour laquelle ces scientifiques ont développé un nouveau type d’algorithmes d’IA basé sur le fonctionnement du cerveau.
Les algorithmes de Deep Learning les plus récents sont capables de produire des résultats comparables à ceux des experts humains dans différents secteurs d’application en exploitant la puissance des derniers ordinateurs et de larges ensembles de données. Cependant, les techniques utilisées divergent désormais largement de l’apprentissage humain.
En effet, en tant que machine, le cerveau humain se révèle extrêmement lent. Sa vitesse de calcul peut être comparée à celle de l’aiguille des secondes d’une horloge, et le nombre de neurones est inférieur au nombre de bits du disque dur d’un PC moderne.
En outre, les règles d’apprentissage du cerveau sont très compliquées et distinctes des étapes d’apprentissage des algorithmes d’IA actuels. L’une des différences est que le cerveau traite des entrées d’informations « asynchrones », tandis que les algorithmes sont basés sur des entrées synchrones. C’est ce qui permet au cerveau d’identifier l’ordre temporel et les positions relatives des entrées, chose dont les algorithmes sont incapables.
L’IA se révèle plus performante en s’inspirant de la lenteur du cerveau humain
Par exemple, lorsque vous conduisez une voiture, vous observez les autres véhicules, les passages piétons et les panneaux routiers et pouvez identifier facilement leur ordre temporel et leurs positions relatives. Ce n’est pas le cas de l’intelligence artificielle.
Or, en réalisant leur étude, les chercheurs de l’université de Bar-Ilan se sont rendu compte que la vitesse d’apprentissage des algorithmes imitant le fonctionnement du cerveau humain se révèle identique pour les petits et les grands réseaux de neurones. Ceci prouve que le caractère compliqué du schéma d’apprentissage du cerveau est en fait un avantage.
En outre, en s’adaptant aux entrées asynchrones de façon autonome, les algorithmes peuvent apprendre sans avoir à passer par les différentes étapes d’apprentissage. Dans le cerveau, ce phénomène survient au niveau des dendrites que l’on retrouve dans chaque neurone.
Ainsi, les algorithmes basés sur la dynamique d’apprentissage très lente du cerveau se révèlent plus performants et plus efficaces que les algorithmes Deep Learning de dernière génération. En conclusion de cette étude surprenante, les chercheurs appellent « à remettre les principes fondamentaux de notre cerveau au centre de l’intelligence artificielle du futur ».
Bastien L. pour lebigdata