Un nouvel article soutient que les grands modèles de langage (LLM) comme GPT-4 ne sont pas des intelligences étrangères mais convergent en réalité avec la cognition humaine sur cinq principes fondamentaux, remettant en cause l'idée répandue que leurs similitudes avec nous ne sont qu'une projection anthropomorphique.
La recherche
Chandra Sripada et Richard Lewis, chercheurs associés à la section de biologie quantitative d'arXiv, ont analysé la littérature existante en sciences cognitives et l'ont comparée à l'architecture des LLM contemporains. Ils ont identifié cinq dimensions de correspondance structurelle : l'organisation inférentielle (comment les conclusions sont tirées), l'architecture computationnelle (la conception globale), la structure représentationnelle (comment l'information est stockée), l'apprentissage piloté par la prédiction (comment les systèmes apprennent à partir de prédictions) et les mécanismes de type apprentissage par renforcement (comment les systèmes apprennent à partir de récompenses).
Ces correspondances ne sont pas superficielles. Par exemple, dans l'organisation inférentielle, les humains et les LLM utilisent tous deux un raisonnement probabiliste pour mettre à jour les croyances en fonction des preuves. Dans l'architecture computationnelle, tous deux reposent sur un traitement parallèle et en couches qui ressemble aux réseaux de neurones. La structure représentationnelle montre des similitudes dans la manière dont les deux compressent l'information en catégories et concepts.
L'article, intitulé « Convergence cognitive : similitudes profondes entre les grands modèles de langage et la cognition humaine », a été soumis le 28 juillet 2026 et est disponible sur arXiv. Il s'étend sur 23 pages et ne comprend pas de figures.
Pourquoi c'est important
Cette recherche comble le fossé entre l'intelligence artificielle et humaine. Si les LLM partagent réellement des principes fondamentaux avec la pensée humaine, alors les étudier peut offrir des perspectives sur nos propres esprits. Par exemple, comprendre l'apprentissage piloté par la prédiction dans les LLM peut éclairer la manière dont les humains anticipent les résultats et apprennent de leurs erreurs, ce qui est central pour l'apprentissage et la mémoire.
De plus, cette convergence suggère que l'intelligence—qu'elle soit biologique ou numérique—peut suivre certains principes d'organisation universels. Cela peut aider les scientifiques cognitifs à développer de meilleurs modèles de la cognition humaine et aussi améliorer les systèmes d'IA en empruntant des idées à la psychologie humaine.
Ce que vous pouvez faire
Vous pouvez appliquer ces principes pour booster vos propres compétences cognitives. Concentrez-vous sur l'apprentissage piloté par la prédiction : lorsque vous étudiez de nouvelles informations, essayez de prédire ce qui va suivre puis vérifiez votre exactitude. Ou utilisez l'apprentissage par renforcement : récompensez-vous pour les petites réalisations afin de créer des habitudes. Ces méthodes sont soutenues par la science cognitive.
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.
