Des chercheurs de l'Université de technologie de Graz ont construit un système d'intelligence artificielle qui résout des problèmes de planification complexes en utilisant les mêmes stratégies économes en énergie que l'hippocampe humain — tout en ne consommant qu'une fraction de l'énergie des réseaux de neurones profonds conventionnels.
La recherche
Wolfgang Maass et Yukun Yang de l'Institut d'apprentissage automatique et de calcul neuronal, en collaboration avec des partenaires internationaux, se sont appuyés sur des études neuroscientifiques de l'hippocampe pour identifier trois mécanismes cérébraux dignes d'être traduits en code :
- Cartes cognitives — le cerveau convertit les relations entre objets abstraits en relations géométriques entre codes neuronaux, créant un « sens de l'orientation » similaire à une carte spatiale.
- Calcul neuronal stochastique — le cerveau génère constamment des scénarios hypothétiques et des prédictions plutôt que de calculer exhaustivement toutes les possibilités.
- Codage compositionnel — les informations et les plans d'action se décomposent en composants réutilisables, comme des briques LEGO qui peuvent être réassemblées pour de nouvelles tâches.
Lorsque l'IA est confrontée à un problème, elle ne calcule pas tous les chemins de solution possibles. Au lieu de cela, guidée par sa carte cognitive, elle génère une étape intermédiaire aléatoire et vérifie si cette étape la rapproche de l'objectif. Si c'est le cas, le système suit ce chemin, puis répète le processus à partir de sa nouvelle position. Cette approche étape par étape se rapproche progressivement d'une solution sans calcul exhaustif.
L'équipe a validé l'architecture sur trois benchmarks : la navigation spatiale 2D, l'orientation multidimensionnelle abstraite, et l'assemblage et le désassemblage d'une silhouette faite de blocs de construction. Fait crucial, le système s'est adapté à de nouveaux environnements et à des changements structurels sans réentraînement ni optimisation des paramètres — une capacité appelée adaptabilité zéro-shot. Le cerveau humain fonctionne avec environ 20 watts de puissance, tandis que les grands modèles de langage peuvent exiger une énergie à l'échelle du mégawatt.
Pourquoi c'est important
Cette recherche ne vise pas à battre les grands modèles de langage à leur propre jeu. Comme le dit Maass : « Nous en sommes encore à un stade de développement relativement précoce. Mais notre travail montre qu'une IA puissante ne nécessite pas forcément d'énormes centres de données et des quantités colossales d'énergie. » Les implications dépassent l'efficacité de l'IA. Le modèle suggère que la capacité du cerveau à planifier de manière flexible — sans calcul massif — repose sur des stratégies spécifiques et identifiables : cartographier géométriquement les relations abstraites, tester des étapes intermédiaires aléatoires au lieu d'une recherche exhaustive, et réutiliser des composants d'action.
Pour quiconque s'intéresse à sa propre cognition, cette recherche souligne que la résolution de problèmes humaine est remarquablement efficace. Votre cerveau ne force pas brutalement les solutions. Il utilise des métaphores spatiales pour des problèmes abstraits, échantillonne les possibilités plutôt que de les énumérer, et recombine des actions familières en nouveaux plans. Ce sont des compétences qui s'entraînent.
Ce que vous pouvez faire
Essayez d'appliquer ces principes à votre propre réflexion. Face à un problème complexe, esquissez une « carte » approximative de la façon dont les éléments clés sont liés les uns aux autres. Au lieu de planifier chaque étape, choisissez un premier mouvement plausible et évaluez s'il vous rapproche de votre objectif. Décomposez les grandes tâches en composants réutilisables que vous pouvez réorganiser pour relever de futurs défis. Cela reflète la stratégie inspirée du cerveau et peut vous aider à résoudre des problèmes avec moins de fatigue mentale.
Source : Neuroscience News
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.