Recherchez et suivez l'évolution des prix sur 140 000 produits

Intelligence humaine contre intelligence artificielle : le défi entre les neurones et les algorithmes

0

Le cerveau humain et l'intelligence artificielle peuvent-ils se comporter de la même manière ? La question ne peut pas - et ne doit pas - avoir une seule réponse : nous entrons dans le domaine de la science informatique, de la physique, de l'éthique, et il n'est certainement pas immédiat de synthétiser la question. Ce qui est certain, c'est que la recherche dans ce domaine est intense, avec l'intention d'obtenir deux résultats en même temps : simuler l'activité du cerveau humain avec l'IA et éduquer l'IA en se basant sur la façon dont le cerveau humain élabore les données.

Pour démontrer une certaine affinité entre l'intelligence humaine et l'intelligence artificielle, le chercheur Logan Cross du California Institute of Technology (Caltech) a emprunté des jeux vidéo. En jouant au Pong, à Space Invaders et à Enduro, le comportement de la machine et de l'homme a été étudié, en démontrant comment certains comportements peuvent prendre forme de manière similaire et comment il est possible d'arriver à des résultats tout à fait comparables. La seule différence - heureusement ! - est que l'homme met beaucoup moins de temps à acquérir les connaissances nécessaires pour mener à bien certaines activités - le jeu, par exemple - alors que le processus éducatif de l'IA en résulte nettement plus long.

Le point de départ est le suivant : si l'être humain sait que certains paramètres de la vie réelle (la couleur du ciel et des nuages) n'influencent pas la poursuite d'un certain objectif (conduire la voiture de manière sûre, par exemple freiner ou changer de voie au bon moment), devant au contraire se concentrer uniquement sur l'essentiel (la route, les voitures à proximité), comment est-il possible d'enseigner la même chose à l'intelligence artificielle ? En d'autres termes : comment est-il possible de faire en sorte que l'IA ne prenne en considération que les informations visuelles nécessaires (les autres voitures, la route, et non la couleur du ciel) pour effectuer une certaine tâche ?

Eh bien, avec les jeux Atari, ils ont pu démontrer que "l'activité des neurones artificiels de l'IA est assez similaire à celle du cerveau humain". Voici donc le résultat numéro un : "l'agent d'IA peut résoudre des tâches décisionnelles de manière similaire au cerveau humain, ce qui permet de réaliser un bon modèle pour étudier comment le cerveau humain cartographie les entrées visuelles en haute dimension lors d'actions dans des environnements complexes".

Quelques concepts entrent en jeu ici : tout d'abord, la neuroscience décisionnelle, qui est la discipline qui étudie comment l'activité neurale donne effectivement lieu à la prise de décision. Elle peut s'appliquer à des jeux simples, comme les machines à sous : imaginez deux machines à sous différentes offrant des gains différents. Au bout d'un certain temps, le joueur apprendra à connaître celui qui paie le plus, en corrigeant son comportement en conséquence. C'est ce qu'on appelle l'apprentissage par renforcement : "le comportement est renforcé par les résultats gratifiants des décisions prises". Nous sommes cependant dans une simulation assez simple de la réalité, qui n'est pas pleinement représentative. Ainsi entre en jeu l'algorithme d'intelligence artificielle Deep Q Network (DQN), développé par DeepMind, une société rachetée par Google en 2014 qui a obtenu au fil du temps des résultats pour le moins surprenants (dans les jeux a atteint le niveau de Grandmaster dans StarCraft II).

Le DQN est capable de combiner l'apprentissage par renforcement avec les réseaux neuronaux convolutifs, qui fonctionnent comme un "système perceptif qui apprend à détecter des caractéristiques visuelles dans l'espace des pixels d'Atari (l'écran de jeu) qui sont prédictives du prix (le score)". En d'autres termes : l'algorithme apprend les actions à effectuer à un moment donné simplement en observant les pixels du jeu, sans même qu'on lui enseigne les règles du jeu lui-même (qu'il apprendra par lui-même).

Crédits : Pixabay

Le DQN a été formé sur Atari Pong, Space Invaders et les jeux vidéo d'Enduro, et ses neurones artificiels ont été utilisés pour prédire le comportement et l'activité cérébrale à partir des scanners d'imagerie cérébrale IRM des participants qui jouaient aux jeux de l'expérience. Les chercheurs ont découvert que l'activité cérébrale dans deux régions du cerveau impliquées dans la perception et la vision - la voie visuelle dorsale et le cortex pariétal postérieur - pouvait être modélisée à l'aide des caractéristiques de l'algorithme DQN.

Dans l'expérience, l'algorithme a appris à ignorer les paramètres qui ne sont pas nécessaires pour mener à bien la tâche (la couleur du fond du jeu dans Pong, par exemple, ou la couleur du ciel dans Enduro), en se concentrant plutôt sur les fondamentaux. C'est le même comportement adopté par les humains, ou plutôt la même visualisation dans la voie visuelle dorsale qui fait que notre cerveau se concentre sur ce qui compte vraiment. Le fait est que les humains connaissent déjà ces choses, alors que l'IA doit les apprendre. L'algorithme éduqué a ainsi permis aux chercheurs de représenter artificiellement l'activité cérébrale observée dans le cortex pariétal des joueurs vidéo, qui n'est autre que la partie du cerveau qui relie la perception au mouvement.

Des résultats surprenants, donc, et tout à fait similaires les uns aux autres. Mais pas entièrement : comme nous l'avons dit au début, l'IA prend beaucoup plus de temps à apprendre, car elle manque de connaissances de base et ne voit que des nombres dans l'espace des pixels.

Crédits image d'ouverture : Pixabay

Partager.

A propos de l'auteur

Créateur du site, passionné par la domotique, le développement Web, Les gadgets Chinois et par plus ou moins tout ce qui existe en fait. Le site a été créé autour de l'impression 3D et de la domotique, mais d'autres briques s'ajoutent eu fil du temps. Car dès que j'ai une nouvelle passion, j'essaye de la faire partager. Vous pouvez aussi découvrir mon blog dédié à la pâtisserie.

Laisser un commentaire