Des chercheurs de l’Université Carnegie Mellon se sont lancés dans un projet ambitieux : déchiffrer le fonctionnement du cerveau. Leur objectif ultime est de « faire penser les ordinateurs comme des humains ». Ce projet de recherche s’étalant sur cinq ans vient de recevoir un financement de 12 millions de dollars de l’agence américaine IARPA (Intelligence Advanced Research Projects Activity).
Ce projet de recherche, soutenu par le programme **Machine Intelligence from Cortical Networks** (MICrONS) de l’IARPA, s’inscrit dans le cadre de l’**Initiative BRAIN** des États-Unis, qui vise à transformer notre compréhension du cerveau humain. Ce travail est dirigé par **Tai Sing Lee**, professeur au Département d’informatique et au Centre pour les bases neuronales de la cognition (CNBC).
« MICrONS ressemble au projet du **Génome Humain**, qui a séquencé et cartographié tous les gènes humains », a déclaré Lee. « Son impact devrait être durable et constituer un réel tournant pour les neurosciences et l’intelligence artificielle. »
Objectifs de MICrONS
Les chercheurs aspirent, à une échelle plus large, à découvrir les **règles** que le système visuel du cerveau utilise pour traiter l’information. À partir de cette compréhension, ils espèrent révolutionner les **algorithmes d’apprentissage automatique** et la **vision par ordinateur**.
Plus précisément, les scientifiques cherchent à **améliorer les performances** des **réseaux de neurones artificiels**, des modèles computationnels pour l’intelligence artificielle inspirés des systèmes nerveux central des animaux. Cette technologie est en réalité très répandue ; on la retrouve dans les voitures autonomes, les technologies de reconnaissance faciale, et même pour comprendre la parole et l’écriture manuscrite.
Néanmoins, cette technologie commence à montrer ses limites.
« Les réseaux neuraux d’aujourd’hui utilisent des algorithmes qui ont été en grande partie développés au début des années 1980 », a affirmé Lee. « Quoique puissants, ils ne sont pas aussi efficaces que ceux du cerveau humain. Par exemple, pour apprendre à reconnaître un objet, un ordinateur doit être montré des milliers d’exemples étiquetés et formé de manière supervisée, tandis qu’une personne n’a besoin que de quelques exemples et peut parfois apprendre sans supervision. »
Pour apporter des améliorations, l’équipe souhaite comprendre plus en profondeur les **connexions** cérébrales. **Sandra Kuhlman**, professeure assistante en sciences biologiques et affiliée au CNBC, prévoit d’utiliser une technique appelée **microscopie d’imagerie de calcium à deux photons** pour enregistrer l’activité de dizaines de milliers de neurones individuels chez des souris pendant qu’elles traitent des informations visuelles.
Il s’agit d’un exploit sans précédent, car auparavant, seulement un ou quelques neurones étaient souvent échantillonnés lors des expériences, a-t-elle souligné.
« En intégrant des capteurs moléculaires pour surveiller l’activité neuronale avec des méthodes optiques sophistiquées, il est désormais possible de suivre simultanément la dynamique neuronale de la majorité, voire de la totalité, des neurones d’une région cérébrale », a expliqué Kuhlman. « Cela nous permettra de produire un jeu de données massif, offrant un aperçu détaillé du fonctionnement des neurones dans une région précise du cortex visuel. »
Toutes les informations recueillies par l’équipe seront compilées dans des bases de données, accessibles au public pour des groupes de recherche à travers le monde.
Avenir et Critiques
Les chercheurs de CMU, avec leurs collaborateurs, espèrent tirer parti de ces énormes bases de données pour évaluer des modèles d’apprentissage et ainsi mieux saisir les **principes computationnels** du cerveau. Lee est convaincu que ce projet pourrait conduire à des machines dotées de qualités plus humaines et à des algorithmes informatiques améliorés pour l’apprentissage et la reconnaissance de motifs.
« L’objectif est que ce savoir mène à l’élaboration d’une nouvelle génération d’algorithmes d’apprentissage automatique permettant aux machines d’apprendre sans supervision et à partir de quelques exemples, caractéristiques de l’intelligence humaine », a déclaré Lee.
Cependant, tous ne sont pas d’accord avec cette approche. **Yann LeCun**, directeur de la recherche en IA chez Facebook et professeur à l’université de New York, soutient qu’il ne faut pas simplement copier le cerveau pour créer des machines intelligentes. « Nous devons comprendre les principes fondamentaux de l’intelligence pour savoir ce qui doit être imité. Mais nous devrions nous inspirer de la biologie », affirme-t-il.
FAQ
Quelle est l’importance du projet MICrONS ?
Le projet vise à transformer notre compréhension du cerveau humain, en établissant des parallèles entre sa fonction et le développement d’algorithmes d’intelligence artificielle.
Quels sont les principaux défis rencontrés ?
Un des principaux défis réside dans la cartographie précise du large réseau de neurones et leur interaction sans perturber leur fonctionnement.
Quelles applications pratiques pourrait avoir cette recherche ?
Les résultats pourraient améliorer la reconnaissance vocale, l’apprentissage automatique et même la robotique autonome, rendant ces technologies plus efficaces et accessibles.
Y a-t-il des implications éthiques liées à cette recherche ?
Oui, la recherche sur l’intelligence artificielle soulève des questions éthiques, notamment sur la nature de l’intelligence et les implications des machines qui imitent des comportements humains.
Comment ces découvertes permettront-elles d’améliorer l’éducation machine ?
Elles pourraient contribuer à développer des systèmes d’apprentissage plus adaptatifs, capables d’ajuster leur fonction de reconnaissance à la manière dont les humains apprennent.
