Des chercheurs trouvent un algorithme qui pourrait expliquer l'intelligence humaine

Des chercheurs trouvent un algorithme qui pourrait expliquer l'intelligence humaine
Et avancer le domaine de l'intelligence artificielle

Le cerveau constitue une unité de traitement complexe qui contient plus de 200 milliards de neurones qui émettent des milliers de signaux électriques par seconde. Cette spécificité fait que le cerveau humain est l’un des organes les plus sophistiqués du corps humain. Les capacités du cerveau, c’est à dire les choses qu’il peut faire et comment il les réalise ont poussé les chercheurs à s’en inspirer pour créer un modèle d’intelligence artificielle. Une récente étude publiée dans le journal Frontiers in Systems Neuroscience montre que l’intelligence humaine serait le produit d’un algorithme basique. Le document suggère que malgré la complexité du cerveau humain, un simple algorithme pourrait aider à reproduire notre façon de penser.

Pièce jointe 226359

Selon Joe Tsien, un neuroscientifique du Medical College dans l’État Of Georgia à l’Université d’Augusta, l’algorithme trouvé dans la Théorie de Connectivité (Theory of Connectivity) repose sur une logique mathématique relativement simple qui sous-tend la complexité des computations dans le cerveau humain. À la base, c’est une théorie qui repose sur l'acquisition des connaissances ainsi que notre capacité à généraliser et d’en tirer des conclusions, cette fonction est réalisée par des milliards de neurones. Le cerveau ne ferait que suivre une simple, mais étonnante logique mathématique, a dit Tsien.

La théorie décrit comment un groupe de neurones similaires forment une complexité de cliques ou regroupements pour manipuler des idées basiques ou des informations. Ces groupes s’amassent dans des FCM (functional connectivity motifs), qui sont responsables de la manipulation des toutes les combinaisons possibles d’idées. Plus les pensées sont complexes, plus il faudra des cliques pour les manipuler

Afin de tester cette hypothèse, Tsien et son équipe ont surveillé et documenté comment l’algorithme agit dans sept régions différentes du cerveau, chacune spécialisée dans un type spécifique de tâches et sentiments basiques comme la nourriture et la peur des souris et les hamsters. L’algorithme a représenté combien de cliques sont nécessaires pour un FCM, une permutation à base de puissance de deux (N=2i—1) selon l’étude.

Les chercheurs ont donné à des animaux plusieurs combinaisons de quatre différents types de nourriture (biscuits, pellets, riz et lait). En recourant à des électrodes placées sur des parties spécifiques du cerveau, ils ont pu capter la réponse des neurones. Les chercheurs ont pu identifier toutes les quinze combinaisons différentes de neurones ou de cliques qui ont répondu à l’assortiment des combinaisons de la nourriture proposée et ce comme prédit par la théorie. Ils ont constaté également que ces cliques neuronales sont préenregistrées dans le cerveau, puisqu’elles apparaissent immédiatement après la présentation des choix de nourriture.

Si l’intelligence dans le cerveau humain dans toute sa complexité peut être résumée à un algorithme particulier, imaginez ce que cela voudrait dire pour l’avancement de l’intelligence artificielle. Il sera possible de bâtir des modèles de l’IA fondés sur des modèles inspirés du cerveau humain.

Source : Business Insider

Et vous ?

:fleche: Qu'en pensez-vous ?

Voir aussi :

:fleche: La première chanson composée par une intelligence artificielle vient de voir le jour, en attendant la sortie d'un album complet en 2017

"simple algorithme", rien n'est simple !

Qu'est ce qui les empêche de mettre en place l’algorithme dès maintenant alors ? Il est simple pourtant.

Troll à part, je pense qu'il y a un raccourci énorme dans l'article entre formule mathématique "simple" et algorithme. Les réseaux de neurones en machine-learning ont une formule mathématique très simple. Ce n'est pas pour autant que cela s'applique simplement dans un algorithme. :roll:

Où peut-on la trouver cette formule simple ?

C'est comme la loi de la gravitation universelle de Newton : equaion simple solution simple dans le cas de 2 coprs et puis ...
Pas de solution analytique dans le cas de N corps. Du coup l'implementation informatique passe par des developpements limites ou des integrateurs numeriques dont la fiabilite s'etiole rapidement au fur est a mesure de l'augmentation du nombre d'objects et de l'evolution temporelle.

Si l'on a quelques milliards de neurones, les machines massivement paralleles auront un avantage.

Expliquer ce qu'on n'arrive même pas a définir avec consensus.
Le système médiatique est vraiment un désastre pour la démarche scientifique, c'est assez triste.

A la vue de leur grande annonce, je propose à ces "grands scientifiques" de trouver l'algorithme de la "connerie humaine"... Nul doute qu'ils devraient rapidement arriver à un résultat positif en se limitant à étudier leur propre cas...

Ne mélangeons pas tout non plus : on parle là de comprendre comment le cerveau fonctionne, et non pas l'intelligence. Être doté d'un cerveau ne protège pas contre les bêtises les plus idiotes à ce que je sache.

Par ailleurs, si on se fie à l'article scientifique, les motivations des chercheurs sont assez spécifiques :

Citation:

---

Recently, we have taken an alternative “thought-experiment” approach to this question (Tsien, 2015a,b; Li et al., 2016). We reasoned that the essence of intelligence lies in the brain’s ability to discover specific features and generalized knowledge from a world full of uncertainties and infinite possibilities; therefore, our search for the brain’s computational logic can be reduced to the question of how neurons should be connected in such a way that would inherently afford the brain to discover various patterns and conceptual knowledge.

---

On se focalise là sur certains aspects qu'on associe à l'intelligence (découverte de concepts) mais pas d'autres (raisonnement logique, pondération des décisions, etc.). En l'occurrence, si on se focalise sur la construction de modèles statistiques, n'est-ce pas ce qu'on fait déjà avec les réseaux de neurones artificiels ? Quid de la validation de ces modèles ?

Par ailleurs, que dit cette théorie ? Elle parle d'avoir en bref des connexions "exhaustives", c'est à dire par exemple que pour 4 entrées, on a 4 cliques de neurones qui ne prennent qu'une entrée chacun, 6 qui prennent les combinaisons de 2 entrées, 4 qui prennent les combinaisons de 3 entrées, et 1 qui prend les 4 entrées, soit 15 cliques de neurones pour couvrir l'ensemble des combinaisons d'entrées possibles. Les premières cliques, qui ne prennent que quelques entrées, concernent les fonctions (mémoire et actions) les plus spécifiques, alors que les cliques ayant le plus d'entrées concernent les fonctions les plus génériques. Ou comme le disent les auteurs :

Citation:

---

this power-of-two-based permutation logic intrinsically enables each FCM to cover every mathematical possibility of connectivity patterns in a specific-to-general manner

---

En bref, on parle ici de couvrir toutes les possibilités, un simple "brute force" en quelque sorte. Quoi que, on n'a pas de cliques avec les même entrées mais pondérées différemment, ce qu'on peut avoir dans un réseau de neurones artificiels. De là, on commence à comprendre qu'effectivement on ne parle pas d'intelligence, qui est un concept de haut niveau, mais bien d'une simple architecture de base visant à représenter tout et n'importe quoi (i.e. pas juste le meilleur). Un test effectué par exemple est celui de la nourriture : 4 aliments ont été donnés et ils ont été capables de trouver des cliques de neurones qui effectivement ne s'activent que pour 1 aliment (pour chaque cas), que pour 2 aliments (pour chaque combinaisons), que pour 3 aliments (pour chaque combinaisons), et indifféremment pour les 4. En quoi cela montre pour autant que la souris ou le hamster est intelligent...

Donc du point de vue de l'intelligence, pour moi cet article n'apporte absolument rien. Ça fait buzz, c'est cool de caser le terme intelligence dans l'article, mais concrètement on parle de couverture de concepts ou d'attributs : on est capable de trouver des cliques de neurones spécialisées pour chacune des expériences suivies. De là on en tire comme conclusion qu'on doit avoir des cliques de neurones spécialisées pour toutes les expériences possibles. Le même genre d'expérience a été fait pour identifier des cliques de neurones sur des événements sociaux et de peur pour montrer que ça couvre plusieurs phénomènes.

Est-ce que ça veut dire que toutes les cliques de neurones fonctionnent comme ça ? Non, ce qu'ils montrent par exemple avec ceux liés à la dopamine, pour lesquels ils ne retrouvent que quelques combinaisons, notamment les plus génériques. Cela dit, ça n'empêchera pas les auteurs de clamer à la fin de l'article l'universalité du principe du fait qu'ils ont été capable de le faire dans 7 régions du cerveau. Par ailleurs, je me demande comment ils peuvent en venir aussi facilement aux conclusions en testant 4 cas pour chaque expérience (e.g. 4 nourritures différentes). Dans ces conditions, il me semble facile de trouver toutes les combinaisons et stupide de penser qu'on a fait le tour de toutes les possibilités, alors que la théorie prône justement cette exhaustivité.

Une observation intéressante me semble être que les expérimentations ont tenté de cibler des événements nouveaux (e.g. manger un type de nourriture pour la première fois), ce qui implique que la séparation des cliques identifiées n'est pas due à un phénomène d'apprentissage mais à une pré-configuration des neurones (i.e. dépendant des gènes et non de l'environnement). Ils ont testé l'hypothèse en tentant de faire une sorte de reset des connections neuronales pour voir que finalement ils retrouvaient des résultats très similaire, laissant penser que ça ne dépend donc pas de l'apprentissage. Conclusion à mettre cependant en lumière avec la méthode d'expérimentation, qui peut avoir ses défauts. Je suis pas un expert donc je passe ce point.

D'autres hypothèses sont abordées dans l'article, telles que sur la structure (du plus spécifique au plus générique) et une certaine hérédité, mais encore une fois rien à voir avec un concept abstrait comme l'intelligence. Finalement, après lecture de l'article, je ne vois pas bien ce que ça m'apprend de plus dont je ne pouvais déjà me douter après avoir terminé mon MOOC sur les réseaux neuronaux artificiels. À part suggérer une initialisation prédéfinie plutôt qu'aléatoire sur les neurones du deuxième étage (qui combine les entrées du premier étage) je ne vois pas grand chose à en tirer. De mon point de vue, on est donc très loin d'une découverte majeure. Ça reste plutôt incrémental pour ce qui me concerne. Surtout que la théorie est grosso modo détruite en fin d'article dès qu'on en arrive à voir qu'avec 40 entrées, il nous faudrait plus de 10x plus de neurones que ce qu'on a déjà pour que la théorie se tienne.

En bref, on sort une nouvelle théorie simpliste, on montre avec des expérimentations extrêmement réduites que ça peut tenir à petite échelle, puis que dans les faits c'est juste intenable car non scalable, et donc que la théorie est bien mais bon, au final les théories déjà prépondérantes (supposant des neurones à la suite plutôt que des cliques indépendantes) est plus efficace et n'est finalement pas vraiment remis en cause. Il ne fait aucun doute que j'ai loupé des détails, vu que ce n'est pas mon domaine, mais il me semble clair que l'article enfonce quelques portes ouvertes et n'apporte finalement pas grand chose de solide à exploiter pour l'IA.

J'ai des doutes sur l'efficacité de ce nouveau algorithme.
Ils cherchent des réponses immédiates alors qu'il n'y a pas d'expériences, de vécus, de contextes.
Tout cela influe sur "l'être", comment il réfléchira, comment il abordera un problème complexe.
Parfois nous abordons un même problème de différentes manières (lorsque ça ne fonctionne pas).
La personne A est différente de la personne B.
Les clones doivent aussi réfléchir différemment.

Bonjour, je pense que les expériences menés ici sont trop loin de l'esprit.
Je travail sur le Mentalais depuis quelques années,
et je reste convaincu tout comme eux, qu'il y a un algorithme.
Mais je pense qu'il faut quelqu'un capable
1 - d'une grande introspection - qui se vois comme il est réellement
2 - un programmeur de haute voltige - pour tester l'esprit et reproduire
3 - et quelqu'un d'hyper-émotif-altruiste - pour ne pas creer n'importe quoi
C'est ce que j'ai pu en conclure durant ces années.
Les cliques sur les rats sont très loin de la machine symbolique.
Bonne recherche à ceux qui cherche comme moi ;)

L'intelligence, elle est dans l'intangible
et c'est elle qui dirige l'organisation du tangible.

C'est l'intelligence qui explique le fonctionnement des neurones,
pas les neurones qui expliquent le fonctionnement de l'intelligence.

Citation:

---

Envoyé par NSKis

A la vue de leur grande annonce, je propose à ces "grands scientifiques" de trouver l'algorithme de la "connerie humaine"...

---

Excellent !

Attention, selon Einstein la "connerie humaine" est probablement infinie, et ce sera moins facile (tant mieux)

Citation:

---

Envoyé par Coriolan

Les chercheurs ont donné à des animaux plusieurs combinaisons de quatre différents types de nourriture (biscuits, pellets, riz et lait). En recourant à des électrodes placées sur des parties spécifiques du cerveau, ils ont pu capter la réponse des neurones. Les chercheurs ont pu identifier toutes les quinze combinaisons différentes de neurones ou de cliques qui ont répondu à l’assortiment des combinaisons de la nourriture proposée et ce comme prédit par la théorie. Ils ont constaté également que ces cliques neuronales sont préenregistrées dans le cerveau, puisqu’elles apparaissent immédiatement après la présentation des choix de nourriture.

---

Je pense qu'il s'agit d'une erreur de jugement.
Si les chiens utilisés dans l'étude ont déjà été confrontés à la nourriture proposée, il est logique qu'ils réagissent à la vue de la nourriture.