Le système nerveux des insectes permet d'améliorer l'IA
Des zoologistes de l’université de Cologne, ont étudié le système nerveux des insectes, afin d’étudier les principes de calcul du cerveau biologique et les implications possibles pour l’apprentissage machine et l’intelligence artificielle. Plus précisément, ils ont analysé comment les insectes apprennent à associer les informations sensorielles de leur environnement à une récompense alimentaire, et comment ils peuvent se rappeler ces informations plus tard afin de résoudre des tâches complexes telles que la recherche de nourriture.
Analyser la mouche à fruit
Les résultats de cette étude, suggèrent que la transformation des informations sensorielles en souvenirs dans le cerveau peut inspirer de futures applications de l’apprentissage machine et de l’intelligence artificielle à la résolution de tâches complexes.
Les organismes vivants montrent des capacités remarquables pour faire face aux problèmes posés par des environnements complexes et dynamiques. Ils sont capables de généraliser leurs expériences afin d’adapter rapidement leur comportement lorsque l’environnement change. Les zoologistes ont étudié comment le système nerveux de la mouche des fruits contrôle son comportement lors de la recherche de nourriture.
À l’aide d’un modèle informatique, ils ont simulé et analysé les calculs du système nerveux de cette mouche en réponse aux odeurs venant de la source de nourriture. Nous avons d’abord entraîné notre modèle de cerveau de mouche exactement de la même manière que les insectes sont entraînés dans les expériences. Nous avons présenté une odeur spécifique dans la simulation avec une récompense et une deuxième odeur sans récompense.
« Ce modèle apprend rapidement une représentation robuste de l’odeur, récompensée après seulement quelques présentations d’odeurs et est ensuite capable de trouver la source de cette odeur dans un environnement spatialement complexe et temporellement dynamique », a déclaré le Dr Hannes Rapp, informaticien, qui a créé ce modèle à l’Institut de zoologie de l’UoC.
Il peut généraliser à partir de sa mémoire
« Ce modèle est donc capable de généraliser à partir de sa mémoire et d’appliquer ce qu’il a appris précédemment dans un paysage de molécules odorantes complètement nouveau et complexe, alors que l’apprentissage n’a nécessité qu’une très petite base de données d’échantillons d’entraînement. Pour notre modèle, nous exploitons les propriétés particulières du traitement de l’information biologique dans les systèmes nerveux », a expliqué le professeur Martin Nawrot, auteur principal de cette étude.
Il s’agit en particulier du traitement rapide et parallèle des stimuli sensoriels au moyen de brèves impulsions nerveuses ainsi que de la formation d’une mémoire distribuée par la modification simultanée de nombreux contacts synaptiques au cours du processus d’apprentissage ». Les principes théoriques qui sous-tendent ce modèle peuvent également être utilisés pour l’intelligence artificielle (IA), et les systèmes autonomes. Ils permettent à un agent artificiel d’apprendre beaucoup plus efficacement et d’appliquer ce qu’il a appris dans un environnement changeant.
Cette recherche a été publiée dans PNAS.
Source : University of Cologne
Crédit photo : StockPhotoSecrets