Une étude sur la flexibilité cognitive du cerveau
Des chercheurs de Princeton ont récemment découvert que le cortex préfrontal des primates utilise des modules cognitifs, semblables à des « Lego », pour résoudre des tâches connexes. Cette capacité confère aux cerveaux biologiques une flexibilité encore absente dans les systèmes d’intelligence artificielle (IA). Cette découverte pourrait conduire à une amélioration des systèmes d’IA, leur permettant de conserver des compétences anciennes tout en en acquérant de nouvelles.
La rapidité d’apprentissage des comportements
Bien que l’IA soit maintenant capable de rédiger des essais de haute qualité et d’assister des diagnostics médicaux avec une grande précision, elle ne peut égaler la souplesse des cerveaux humains dans l’apprentissage. En effet, les humains absorbent de nouvelles informations et s’adaptent à des situations nouvelles sans difficulté. Par exemple, une personne peut facilement se familiariser avec un nouveau logiciel, suivre une recette inconnue ou apprendre les règles d’un jeu récemment découvert, tandis que les systèmes d’IA rencontrent souvent des difficultés pour s’ajuster en temps réel.
Les bases de la rapidité d’adaptation
Une étude récente de neuroscientifiques à Princeton éclaire cette capacité d’adaptation rapide. Les chercheurs ont observé que le cerveau s’appuie de manière répétée sur des « blocs cognitifs » pour réaliser des tâches différentes. En recomposant ces blocs, le cerveau peut générer rapidement des comportements nouveaux.
Utilisation de compétences connues pour en acquérir de nouvelles
Les humains ont tendance à développer de nouvelles compétences à partir de compétences déjà existantes. Par exemple, une personne qui sait entretenir un vélo pourrait trouver facile d’apprendre à réparer une moto. Ce processus est désigné par le terme de compositionalité.
Un(e) spécialiste comme Sina Tafazoli, qui a dirigé l’étude, explique que si l’on sait déjà faire du pain, il est possible d’utiliser cette compétence pour cuire un gâteau sans avoir à repartir de zéro. L’individu combine alors des compétences existantes – comme mesurer les ingrédients ou utiliser un four – avec de nouvelles, telles que la préparation de la pâte ou du glaçage.
Recherche sur la stratégie d’apprentissage du cerveau
Pour examiner plus en détail ce phénomène, Tafazoli a entraîné deux macaques rhésus à réaliser trois tâches liées tout en enregistrant leur activité cérébrale. Les primates ont effectué des défis de catégorisation visuelle, où ils devaient décider si une forme colorée représentait plus un lapin ou la lettre « T », ou encore si une blob était plus rouge ou plus verte.
Un design expérimental révélateur
L’expérience était structurée de manière à ce que chaque tâche ait ses propres règles, tout en partageant des éléments communs. Par exemple, les animaux devaient regarder dans les mêmes directions pour donner leurs réponses aux différentes tâches. Cela a permis aux chercheurs de déterminer si le cerveau utilisait des motifs d’activité neuronale identiques lorsque les tâches comportaient des éléments communs.
Le rôle du cortex préfrontal
En analysant l’activité cérébrale, Tafazoli et Buschman ont découvert que le cortex préfrontal contenait plusieurs motifs d’activité neuronale récurrents. Ces motifs se manifestaient à travers différentes tâches lorsque les neurones visaient un objectif commun, comme la distinction entre les couleurs.
Buschman a qualifié ces motifs partagés de « Lego cognitifs », des éléments qui peuvent être réassemblés de diverses manières pour produire des comportements nouveaux.
Activation et suppression des blocs cognitifs
Les chercheurs ont également observé que le cortex préfrontal réduit l’activité de certains blocs cognitifs lorsque ceux-ci ne sont pas nécessaires, ce qui permet au cerveau de se concentrer plus efficacement sur la tâche la plus pertinente.
Tafazoli résume cela en disant que le cerveau a une capacité limitée de contrôle cognitif; il doit donc compresser certaines de ses capacités pour se concentrer sur celles qui sont actuellement essentielles. Par exemple, en se concentrant sur la catégorisation de forme, l’aptitude à coder des couleurs est temporairement diminuée.
Implications pour l’IA et la santé humaine
Ces Lego cognitifs pourraient expliquer pourquoi les humains acquièrent des compétences si rapidement. En ne créant pas chaque comportement depuis le début, le cerveau recycle des composants existants, ce qui évite un travail redondant, une capacité que les systèmes d’IA peinent généralement à atteindre.
Tafazoli souligne un problème majeur dans l’apprentissage machine : l’interférence catastrophique. Lorsqu’une machine apprend quelque chose de nouveau, elle peut perdre ses anciennes connaissances. Par exemple, si un réseau neuronal apprend à faire des biscuits après avoir appris à faire un gâteau, il peut oublier la recette du gâteau.
Une compréhension bénéfique pour la santé
L’intégration de la compositionalité dans les systèmes d’IA pourrait permettre de créer des systèmes capables d’intégrer de nouvelles compétences tout en maintenant les anciennes. Cette recherche pourrait également apporter des idées pour traiter des troubles neurologiques et psychiatriques, comme la schizophrénie ou les troubles obsessionnels-compulsifs, qui rendent difficile l’utilisation de compétences familières dans de nouveaux contextes.
Imaginez pouvoir aider des personnes à retrouver la capacité de changer de stratégie, d’apprendre de nouvelles routines ou de s’adapter à des changements.
FAQ
Qu’est-ce que la compositionalité ?
La compositionalité est le processus par lequel de nouvelles compétences sont acquises à partir de compétences déjà existantes, permettant aux individus de tirer parti de ce qu’ils connaissent.
Comment les recherches sur le cortex préfrontal peuvent-elles aider les traitements médicaux ?
Ces recherches pourraient contribuer à comprendre comment aider des personnes à surmonter des difficultés d’adaptation, en ciblant la capacité du cerveau à combiner et réutiliser des compétences.
Quels sont les défis de l’apprentissage machine ?
L’un des principaux défis est l’interférence catastrophique, où l’apprentissage d’une nouvelle compétence entraîne l’oubli des compétences antérieures.
Les résultats de cette étude peuvent-ils s’appliquer à d’autres espèces ?
Bien que l’étude ait été réalisée sur des macaques, les résultats pourraient offrir des perspectives intéressantes sur la cognition d’autres primates et peut-être même d’autres animaux.
Quel est l’impact potentiel de ces découvertes sur l’intelligence artificielle ?
Intégrer des concepts de flexibilité cognitive similaires à ceux des cerveaux humains dans les systèmes d’IA pourrait révolutionner la manière dont ces technologies apprennent et s’adaptent aux nouvelles informations.
