Quand les algorithmes deviennent créatifs —

  • FrançaisFrançais



  • Notre cerveau est incroyablement adaptatif. Chaque jour, nous formons de nouveaux souvenirs, acquérons de nouvelles connaissances ou affinons des compétences existantes. Cela contraste fortement avec nos ordinateurs actuels, qui n’effectuent généralement que des actions préprogrammées. Au cœur de notre adaptabilité se trouve la plasticité synaptique. Les synapses sont les points de connexion entre les neurones, qui peuvent changer de différentes manières selon la façon dont ils sont utilisés. Cette plasticité synaptique est un sujet de recherche important en neurosciences, car elle est au cœur des processus d’apprentissage et de la mémoire. Pour mieux comprendre ces processus cérébraux et construire des machines adaptatives, des chercheurs dans les domaines des neurosciences et de l’intelligence artificielle (IA) créent des modèles pour les mécanismes sous-jacents à ces processus. De tels modèles d’apprentissage et de plasticité aident à comprendre le traitement de l’information biologique et devraient également permettre aux machines d’apprendre plus rapidement.

    Les algorithmes imitent l’évolution biologique

    Travaillant dans le cadre du projet européen sur le cerveau humain, des chercheurs de l’Institut de physiologie de l’Université de Berne ont maintenant développé une nouvelle approche basée sur des algorithmes dits évolutifs. Ces programmes informatiques recherchent des solutions aux problèmes en imitant le processus d’évolution biologique, tel que le concept de sélection naturelle. Ainsi, la fitness biologique, qui décrit le degré d’adaptation d’un organisme à son environnement, devient un modèle pour les algorithmes évolutifs. Dans de tels algorithmes, la « conformité » d’une solution candidate est la façon dont elle résout le problème sous-jacent.

    Créativité incroyable

    L’approche nouvellement développée est appelée approche « évoluer pour apprendre » (E2L) ou « devenir adaptatif ». L’équipe de recherche dirigée par le Dr Mihai Petrovici de l’Institut de physiologie de l’Université de Berne et de l’Institut de physique Kirchhoff de l’Université de Heidelberg, a confronté les algorithmes évolutionnaires à trois scénarios d’apprentissage typiques. Dans le premier, l’ordinateur devait détecter un motif répétitif dans un flux continu d’entrées sans recevoir de retour sur ses performances. Dans le deuxième scénario, l’ordinateur recevait des récompenses virtuelles lorsqu’il se comportait d’une manière particulière souhaitée. Enfin, dans le troisième scénario de « l’apprentissage guidé », l’ordinateur s’est vu dire précisément à quel point son comportement s’écartait de celui souhaité.

    “Dans tous ces scénarios, les algorithmes évolutionnaires ont pu découvrir des mécanismes de plasticité synaptique et ainsi résoudre avec succès une nouvelle tâche”, explique le Dr Jakob Jordan, correspondant et co-premier auteur de l’Institut de physiologie de l’Université de Berne. Ce faisant, les algorithmes ont fait preuve d’une créativité étonnante : « par exemple, l’algorithme a trouvé un nouveau modèle de plasticité dans lequel les signaux que nous avons définis sont combinés pour former un nouveau signal. En fait, nous observons que les réseaux utilisant ce nouveau signal apprennent plus rapidement qu’auparavant. règles connues », souligne le Dr Maximilian Schmidt du RIKEN Center for Brain Science à Tokyo, co-premier auteur de l’étude. Les résultats ont été publiés dans la revue eLife.

    « Nous considérons l’E2L comme une approche prometteuse pour acquérir des connaissances approfondies sur les principes d’apprentissage biologique et accélérer les progrès vers de puissantes machines d’apprentissage artificiel », déclare Mihai Petrovoci. “Nous espérons que cela accélérera les recherches sur la plasticité synaptique dans le système nerveux”, conclut Jakob Jordan. Les résultats fourniront de nouvelles informations sur le fonctionnement des cerveaux sains et malades. Ils peuvent également ouvrir la voie au développement de machines intelligentes qui peuvent mieux s’adapter aux besoins de leurs utilisateurs.

    Source de l’histoire :

    Matériaux fourni par Université de Berne. Remarque : Le contenu peut être modifié pour le style et la longueur.

    Source

    N'oubliez pas de voter pour cet article !
    1 Star2 Stars3 Stars4 Stars5 Stars (No Ratings Yet)
    Loading...

    Houssen Moshinaly

    Rédacteur web depuis 2009 et webmestre depuis 2011.

    Je m'intéresse à tous les sujets comme la politique, la culture, la géopolitique, l'économie ou la technologie. Toute information permettant d'éclairer mon esprit et donc, le vôtre, dans un monde obscur et à la dérive.

    Je suis l'auteur de plusieurs livre

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée.