Skip to content

Les scientifiques commencent à travailler sur l’ingénierie inverse du cerveau

Des chercheurs de l’Université Carnegie Mellon ont un nouveau projet : L’ingénierie inverse du cerveau. Leurs objectifs est de « rendre des ordinateurs qui pensent comme des humains. » Leur recherche de cinq ans a été financée par l’US Intelligence Advanced Research Projects Activity (IARPA) pour $ 12 millions.

L’effort de recherche, par le biais d’un programme de recherche de l’IARPA’s Machine Intelligence from Cortical Networks (MICrONS), fait partie de l’U.S. BRAIN Initiative pour révolutionner la compréhension du cerveau humain. Il est dirigé par Tai Sing Lee, professeur au Computer Science Department et le Center for the Neural Basis of Cognition (CNBC).

« MICrONS est semblable dans la conception et la portée pour le projet du génome humain, qui a d’abord séquencé et cartographié tous les gènes humains, » a déclaré Lee. « Son impact sera probablement sur le long terme et promet d’être un changeur de jeu en neuroscience et en intelligence artificielle. »

Sur une vaste échelle, les chercheurs espèrent découvrir les règles que le système visuel du cerveau utilise pour traiter l’information. Ils croient que, grâce à cette compréhension, ils peuvent révolutionner des algorithmes d’apprentissage automatique et la vision par ordinateur.

Plus précisément, les chercheurs veulent améliorer les performances de réseaux de neurones artificiels — des modèles de calcul pour l’intelligence artificielle inspiré par le système nerveux central des animaux. Ce type de technologie est plus fréquent que vous ne le pensez. Il est utilisé sur les voitures autonomes, la technologie de reconnaissance faciale et permet de comprendre la parole et l’écriture.

Cependant, la technologie est un peu dépassée.

« Les réseaux neuronaux d’aujourd’hui utilisent des algorithmes qui ont été essentiellement développés dans les années 1980, » a déclaré Lee. « Aussi puissant soient-ils, ils ne sont pas encore aussi efficace ou puissant que celles utilisées par le cerveau humain. Par exemple, pour apprendre à reconnaître un objet, un ordinateur a besoin qu’on lui montre des milliers d’exemples étiquetés et enseigné de façon supervisée, alors qu’une personne en exigerait qu’une poignée et sans avoir besoin de supervision. »

Afin de faire des mises à jour et des améliorations, l’équipe cherchait à mieux comprendre les connexions du cerveau. Sandra Kuhlman, professeur adjoint de sciences biologiques de Carnegie Mellon et le CNBC, prévoit d’utiliser une technique appelée «L’imagerie calcique à deux photons microscopie » pour enregistrer la signalisation des dizaines de milliers de neurones individuels chez les souris puisqu’ils traitent les informations visuelles.

Ceci est considéré comme un exploit sans précédent, dans le passé, seulement un seul neurone, ou des dizaines de neurones, en général ont été échantillonnés dans une expérience, observe-t-elle.

« En intégrant des capteurs moléculaires pour surveiller l’activité neuronale en combinaison avec des méthodes optiques sophistiqués, il est maintenant possible de suivre en même temps la dynamique neuronale de la plupart, sinon de la totalité des neurones dans une région du cerveau, » a dit Kuhlman. « En conséquence, nous produirons un ensemble de données massifs qui va nous donner une image détaillée du comportement des neurones dans une région du cortex visuel. »

Toutes les informations découvertes par l’équipe seront compilées dans des bases de données qui seront accessibles au public pour les groupes de recherche partout dans le monde.

Les collaborateurs et les chercheurs du CMU espèrent utiliser ces bases de données massives pour évaluer les modèles d’apprentissage et améliorer ainsi leur compréhension des principes de calcul du cerveau. Lee estime que le projet se traduira par des machines qui ont plus de qualités humaines. En outre, il établira les meilleurs algorithmes informatiques pour la reconnaissance de modèle et d’apprentissage.

« L’espoir est que ces connaissances mèneront à l’élaboration d’une nouvelle génération d’algorithmes de machine learning qui permettront aux machines IA d’apprendre sans surveillance et de quelques exemples, qui sont les maîtres mots de l’intelligence humaine, » a déclaré Lee.

Cependant, tout le monde n’est pas d’accord avec le projet. Yann LeCun, directeur de recherche de l’IA à Facebook et professeur à l’Université de New York, ne croit pas que nous devrions copier le cerveau pour construire des machines intelligentes. « Nous avons besoin de comprendre les principes sous-jacents de l’intelligence avant de savoir ce qu’il faut copier. « Mais il faut s’inspirer de la biologie », dit-il.

Source : Kurzweil, via Futurism


Extrait de : La singularité, la conscience et l’ingénierie inverse du cerveau
Interview de Ray Kurzweil et commentaires
par Jean-Paul Baquiast et Christophe Jacquemin -14/01/2010

Question 3 : Que diriez vous des perspectives offertes à l’Intelligence Artificielle par l’ingénierie inverse appliquée au cerveau (reverse engineering the brain) dont vous vous faites le promoteur ?

RK : Je travaille actuellement, après mes films, à deux livres, How the Mind Works et How to build one (a Mind). J’y traite principalement du cerveau mais j’y évoque l’esprit (mind) pour aborder la question de la conscience que nous venons de mentionner. Un cerveau devient un esprit quand il se conjugue avec un corps et, au delà de ce corps, avec les multiples entités sociales impliquant celui-ci.

Pour moi, l’ingénierie inverse du cerveau ne sera pas une simple opération mécanique, dont David Chalmers a dit à juste titre qu’elle ne mènerait pas à grand chose. Il s’agira au contraire ce faisant de comprendre les bases mêmes de l’intelligence. Pour cela, il faudra expérimenter à partir de simulations opérationnelles. On découvrira alors que certaines choses sont importantes et d’autres pas: la gestion des hiérarchies et des changements, la propriétés des patterns, les déterminants de haut niveau, etc. Or il se trouve que le néo-cortex dispose d’une structure très uniforme. La façon dont il traite ces questions basiques semble se retrouver partout. Si on réussit à les simuler à petite échelle, on pourra les reproduire et les amplifier à grande échelle. Ce sera là faire de l’ingénierie.

Le cerveau de l’homo sapiens est certes très lourd et complexe, mais il traite l’information sur un mode très lent, et les connexions interneuronales sont toutes semblables. Beaucoup sont d’ailleurs redondantes. On peut donc espérer, à partir d’un automate élémentaire bien conçu mais simple, les reproduire sans limitations de taille dans un cerveau artificiel, en introduisant d’ailleurs si nécessaires des niveaux hiérarchiques nouveaux. En fait tout sera affaire d’expérimentation, en se plaçant dans les problématiques qui sont celles du cerveau humain, ou dans d’autres que nous imaginerons.

On pourra dans cette perspective étudier aussi les dérèglements mentaux, psychose maniaco-dépressive ou schizophrénie, en simulant des comportements équivalents. Mais bien sûr il faudra rester très prudent, car on ne sait pas grand chose de la façon dont ces psychoses se produisent dans les vrais cerveaux.

On m’a objecté, notamment John Horgan, que pour simuler le cerveau humain, il faudrait des trillions de lignes de code, alors que les logiciels les plus sophistiqués ne dépassent pas quelques dizaines de millions de lignes. Mais il s’agit d’une absurdité. Il n’y a rien dans le cerveau qui soit à ce point compliqué. Le cerveau est le résultat de l’expression du génome. Or celui-ci ne dépasse pas environ 800 millions de bits d’information. De plus, il est plein de redondance. Les séquences les plus longues peuvent être répétées des centaines de milliers de fois. Si l’on utilise la compression d’information, le génome peut être représenté par 50 millions de bits, dont la moitié seulement intéressent la genèse du cerveau. Cela peut être simulé par 1 million de lignes de code seulement. D’autres modes de calcul donnent le même ordre de grandeur.

AI : On peut penser, même s’il ne le dit pas clairement, que Ray Kurzweil se place dans une perspective évolutionniste. Il est exact que les cerveaux humains, ou l’appareil nerveux d’organismes plus simples, ne se sont pas construits d’un coup. Ils ont été le résultat de l’agrégation de processus certainement très simples, associant des composants biologiques eux-mêmes très simples apparus aux origines de la vie, chez les bacilles voire les virus primitifs. Ce sont les aléas de la compétition darwinienne, entraînant la nécessité de résoudre des problèmes eux-mêmes simples mais de plus en plus nombreux, qui ont entraîné le rassemblement au niveau des génomes de gènes codant pour des organisations cérébrales qui nous paraissent aujourd’hui effroyablement complexes, mais qui ne le sont sans doute pas.

Aujourd’hui d’ailleurs, il semble que l’imagerie cérébrale appliquée à des cerveaux humains engagés dans des opérations cognitives jugées particulièrement complexes, comme la reconnaissance des visages, ne fasse pas apparaître de bases neurales très diversifiées et complexes. C’est l’assemblage de ces bases dans des aires cérébrales distinctes en relation par des neurones réentrants, sous commande d’une programmation génétique peu différenciée, qui explique la variété des fonctions permises par le cerveau. De la même façon en est-il de l’émergence de fonctions plus complexes telles que la conscience. Nulle part il n’a été possible d’identifier de neurones responsables de fonctions complexes et moins encore d’hypothétiques neurones de la conscience.

Il est donc plausible de penser que, une fois réalisé un module artificiel unique permettant de réaliser des fonctions cognitives (vraiment) élémentaires, une fois par ailleurs mis en place le moteur (très simple) permettant de fabriquer et d’assembler des millions de tels modules, le tout dans des organismes artificiels (robots ou même entités virtuelles) associant ces bases neurales artificielles et des corps artificiels dotés d’entrées-sorties elles-mêmes simples, tous les éléments seraient réunis pour générer par compétition darwinienne un certain nombre de fonctions complexes permettant de commander des fonctions intellectuelles capables de résoudre des problèmes du type de ceux qu’affrontent les corps et cerveaux humains.

Dans cette perspective, les sophistications de l’IA actuelle, comme le souligne Ray Kurzweil, ne pourront à elles seules permettre de créer un cerveau artificiel (modèles de Markov, algorithmes génétiques, réseaux neuronaux, algorithmes de recherche et d’apprentissage). Il ne s’agit que de techniques. Elles seront très utiles le moment venu pour doter les modèles de fonctionnalités utiles, mais rien ne remplacera un travail pas à pas analogue à celui accompli par l’évolution pendant des centaines de millions d’années. Comme les technologies émergentes résultant de la Singularité devraient permettre de faire ce travail en quelques dizaines d’années sinon moins, c’est cette voie là qui mériterait, pensons nous, d’être explorée. Remarquons que c’est cette voie là que de son côté, à quelques différences près, propose Alain Cardon.

Nous conclurons en constatant que les propositions faites par Ray Kurzweil en matière d’ingénierie inverse du cerveau n’ont plus actuellement grand chose à voir avec une des idées qu’il avait envisagée par ailleurs: télécharger un esprit humain sur une telle plateforme, ceci afin d’obtenir des doubles de soi.
Mais chaque chose en son temps….

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s

%d blogueurs aiment cette page :