Et si la meilleure façon de construire un cerveau artificiel était de le laisser évoluer ? C'est l'idée derrière une nouvelle étude qui utilise des algorithmes évolutionnaires pour concevoir des réseaux de réservoir — un type de réseau de neurones récurrent inspiré de la structure du cerveau. Les résultats, publiés par des chercheurs d'Inria et de Bordeaux INP, montrent que les réseaux évolués peuvent surpasser les réseaux conçus aléatoirement dans des tâches d'apprentissage temporel, et que les tâches plus simples produisent des réseaux plus simples tandis que les tâches complexes favorisent des structures plus riches et plus modulaires.
La recherche
Le calcul par réservoir est une approche astucieuse de l'apprentissage temporel : un « réservoir » fixe et connecté aléatoirement traite les signaux d'entrée, et seule une couche de lecture simple est entraînée. Cependant, les réseaux d'écho d'état (ESN) traditionnels nécessitent souvent un réglage minutieux des hyperparamètres et de l'architecture pour bien fonctionner. Pour surmonter cela, l'équipe dirigée par Julien Testu, Pierrick Legrand et Xavier Hinaut a développé un cadre appelé EARLY (Evolutionary Algorithm for Reservoir Learning and Yielding). EARLY encode les architectures de réseau comme des génomes basés sur des graphes et applique des opérations génétiques comme le croisement et la mutation pour faire évoluer de meilleures conceptions.
Les chercheurs ont testé EARLY sur plusieurs tâches d'apprentissage temporel du jeu de données CogScale. Ils ont comparé les réseaux évolués à ceux trouvés par recherche aléatoire. Les réseaux évolués ont gagné sur plusieurs tâches, montrant que la recherche évolutionnaire peut découvrir des configurations efficaces. De plus, les architectures évoluées présentaient des différences structurelles nettes selon la difficulté de la tâche : les tâches plus simples ont donné des réseaux légers et moins connectés, tandis que les tâches plus difficiles ont favorisé des organisations plus riches et plus modulaires — semblables à la spécialisation des régions cérébrales.
Pourquoi c'est important
Cette étude ne concerne pas seulement l'intelligence artificielle ; elle reflète des principes de la cognition humaine. Le fait que la complexité des tâches entraîne une complexité structurelle des réseaux fait écho à la façon dont notre propre cerveau s'adapte. Pour l'apprentissage quotidien, aborder des problèmes divers et difficiles peut aider à construire une boîte à outils cognitive plus flexible et modulaire. De plus, l'idée d'utiliser l'évolution pour optimiser les réseaux de neurones pourrait conduire à de meilleurs systèmes d'IA — et comprendre ces systèmes peut nous donner un aperçu de nos propres processus neuronaux.
Ce que vous pouvez faire
Embrassez la complexité. Tout comme les réseaux évolués prospèrent sur des tâches plus difficiles, votre cerveau bénéficie d'activités stimulantes. Essayez d'apprendre une nouvelle langue, de prendre un instrument de musique ou de résoudre des énigmes qui repoussent vos limites. La variété est essentielle : engagez-vous dans des tâches qui nécessitent différentes compétences pour encourager votre cerveau à construire des circuits spécialisés mais interconnectés.
Source : arXiv q-bio.NC
Curieux de votre propre cerveau ? Passez notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.