Quel lien existe-t-il entre des algorithmes mathématiques et les neurones qui peuplent notre cerveau ? Entretien avec Magaly Alonzo et Alexia Audevart auteur du livre "Apprendre demain"
Entretien avec nos experts du mois, Magaly Alonzo data scientist et Alexia Audevart, formatrice, conférencière, experte et Google Developer Expert
Quel lien existe-t-il entre des algorithmes mathématiques et les neurones qui peuplent notre cerveau ?
Si ces derniers ont permis aux grands noms des mathématiques et de la physique notamment d’écrire les premiers souvent la ressemblance s’arrête ici. Pourtant derrière ces deux 2 termes se cache une véritable histoire de neurones.
Pourquoi parlons-nous d’intelligence artificielle, de réseaux de neurones ou encore d’apprentissage ?
Tout ce vocabulaire, emprunté aux sciences cognitives, nous renvoie sans cesse vers notre cerveau. Et si finalement, la ressemblance ne se limitait pas qu’au champ lexical ?
L’intelligence artificielle a été reconnue comme une science à part entière en 1956 lors du congrès de Dartmouth. À cette époque, une vingtaine de chercheurs et de scientifiques rêvaient d’un autre monde où toutes les fonctions cognitives humaines pourraient être reproduites dans une machine (l’apprentissage, le raisonnement, le calcul, la perception, la mémorisation, voire la découverte scientifique ou la créativité artistique).
L’intelligence est un concept difficile à définir. Elle est immatérielle.
Le terme intelligence vient du latin « intellegere », qui veut dire « comprendre ». Basée sur le préfixe « inter » qui signifie « entre » et « ligare » qui signifie « lien », l’intelligence est la capacité de faire des liens entre des éléments. Notre intelligence se construit grâce à notre capacité à apprendre de nouvelles connaissances et à faire des liens entre ces nouveaux apprentissages.
Chez un animal et par extension un humain, l’apprentissage est un agencement complexe de différentes mémoires. Tout d’abord, pour apprendre, il faut capter l’information via nos sens et traduire cette information dans un langage compréhensible par notre cerveau. Pour un ordinateur, nous parlons d’interface homme-machine ; pour nos sens, nous pourrions parler d’interface nature-homme. Une fois l’information captée et transformée, nous commençons à la manipuler dans une mémoire dite à court terme. Ensuite, divers mécanismes vont permettre de sélectionner l’information pertinente afin de la stocker dans une mémoire à long terme. Pour faire une comparaison avec le fonctionnement d’une machine, le fichier passe de la RAM au disque dur pour être enregistré le plus longtemps possible. Ce phénomène s’appelle la consolidation. Dès lors que cette information devra être récupérée, le fichier sera rouvert : on parle de rappel. L’information est alors sujette à modification, nous pouvons même la perdre si elle n’est pas de nouveau sauvegardée correctement.
En intelligence artificielle, deux courants d’apprentissage se distinguent :
- le premier basé sur la logique appelé apprentissage symbolique qui a pour objectif de simuler notre capacité de raisonnement,
- et le deuxième basé sur les statistiques appelé apprentissage connexioniste qui permet à une machine de simuler notre capacité d’apprentissage en se basant sur de nombreux exemples. Un des courants de cette dernière approche s’appuie sur des réseaux de neurones artificiels : des modèles mathématiques bio-inspirés.
Il est vrai que la tentation est grande de projeter nos fantasmes sur des systèmes apprenants capables de prouesses qui nous étaient jusqu’alors réservées.
Dans un contexte où l’intelligence artificielle suscite tous les fantasmes, il semble bon de rappeler les origines et les bases théoriques du fonctionnement des neurones artificiels. De la conférence de Dartmouth en 1956 à Alpha Go, d’Alan Turing à Yann LeCun, les progrès réalisés sont incroyables et ce n’est qu’un début. Il est donc crucial de comprendre et de s’approprier cette technologie afin d’en faire un usage éclairé.
En faisant un parallèle entre réseaux de neurones biologiques et artificiels, nous pouvons mieux comprendre en quoi les stratégies algorithmiques sont différentes de celles employées par notre cerveau pour apprendre et résoudre des problèmes. Toutefois, l’expérience a montré que les réseaux artificiels gagnent à s’inspirer de notre biologie.
De leur côté, les biologistes n’ont pas attendu pour s’aider de la puissance algorithmique afin de mieux appréhender la complexité de notre corps. Ainsi, intelligence artificielle et neurosciences sont deux disciplines résolument destinées à s’abonder l’une l’autre.
À l’interaction entre science éthique et société, les problématiques soulevées par l’intelligence artificielle nous concernent tous. Il est d’une importance capitale que chacun puisse émettre un avis éclairé et faire ses choix en ayant conscience des implications que cela peut avoir.
Podcast HS N°1 : Intelligence artificielle et neurosciences, avec Alexia Audevart et Magaly Alonzo
Rencontre avec Alexia Audevart et Magaly Alonzo, auteurs du livre Apprendre demain - Quand intelligence artificielle et neurosciences révolutionnent l'apprentissage.
Nous explorons lors de ce podcast la relation entre ces deux disciplines et évoquons notamment le fait que leur relation n’est pas unidirectionnelle, car bien que la bio-inspiration de l’IA soit connue, la discipline des neurosciences computationnelles s’appuyant sur l’intelligence artificielle est en plein essor. Nous abordons ensemble de nombreux concepts, notamment celui d’intelligence augmentée, d’interfaces neuronale, d’homme réhumanisé.
Lire la suite sur : https://www.actuia.com/actualite/intelligence-artificielle-et-neuroscien...
