Les grands modèles de langage (LLM) peuvent désormais être améliorés en exploitant les signaux cérébraux humains lors de tâches de raisonnement, selon une nouvelle étude de chercheurs de l'Université de Pékin. Les résultats suggèrent que l'IA guidée par le cerveau pourrait atteindre un raisonnement plus robuste et plus humain que l'entraînement uniquement basé sur le langage.
La recherche
Mingqing Xiao, Kai Du et Zhouchen Lin de l'Université de Pékin ont publié leurs travaux sur arXiv (10 juin 2026). Ils ont utilisé des données d'IRM fonctionnelle (IRMf) provenant d'humains effectuant des tâches de raisonnement déductif et ont comparé ces signaux cérébraux aux représentations internes des LLM. Leur métrique de prédictivité neuronale a révélé que les LLM expliquent une fraction substantielle de la variance explicable dans les régions cérébrales liées au raisonnement au niveau agrégé, mais la prédictivité était plus faible pour des types de raisonnement spécifiques, indiquant à la fois un alignement et une divergence.
L'équipe a ensuite développé un cadre guidé par le cerveau qui oriente les représentations des LLM en utilisant la structure conjointe des données du modèle et du cerveau. Ils ont appliqué des interventions lors de l'inférence et du réglage fin sur 10 LLM différents allant de 1,5 à 72 milliards de paramètres. Résultats : des gains de précision absolus allant jusqu'à 13% par rapport à la supervision uniquement linguistique, avec un transfert entre types de raisonnement. Cela signifie que les signaux cérébraux fournissent des informations complémentaires non capturées par le texte seul.
Pourquoi c'est important
Cette étude montre que l'activité cérébrale humaine, en particulier celle des régions de raisonnement, contient des signaux uniques qui peuvent améliorer directement le raisonnement machine. Pour les sciences cognitives, cela approfondit notre compréhension de la façon dont le raisonnement est organisé dans le cerveau et comment il s'aligne (ou non) avec l'IA. Pour le développement de l'IA, cela ouvre une voie vers la construction de modèles qui raisonnent de manière plus robuste et s'alignent mieux sur la cognition humaine. Pour le grand public, cela souligne que les processus de raisonnement de notre cerveau ne sont pas de simples sorties passives, mais des schémas actifs qui peuvent même enseigner aux machines.
Ce que vous pouvez faire
Bien que vous ne puissiez pas vous brancher sur une IRMf chez vous, vous pouvez renforcer vos propres compétences en raisonnement par une pratique délibérée. Essayez de résoudre des énigmes logiques, jouez à des jeux de stratégie ou passez un test de QI adaptatif gratuit qui challenge la pensée déductive. Plus vous vous engagez dans des tâches de raisonnement, plus vous renforcez ces circuits neuronaux — et, comme cette recherche le suggère, vous pourriez même aider à entraîner la prochaine génération d'IA.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
