L’étude de l’intelligence artificielle (IA) et des neurosciences a de nombreux points communs. À la base, les neurosciences visent à mieux comprendre le cerveau en déchiffrant ses réseaux et processus complexes.
De manière complémentaire, de nombreux projets de recherche axés sur l’IA impliquent la construction de composants synthétiques du cerveau humain. La connexion de ces domaines profite à la fois aux informaticiens et aux neuroscientifiques axés sur la biologie, car ils nous aident à comprendre les systèmes d’apprentissage naturels et artificiels.
Ces domaines de recherche se prêtent à s’inspirer les uns des autres. Dans les années 1950, les chercheurs avaient déjà commencé à étudier comment ils pourraient modéliser les capacités de traitement de l’information des neurones humains. Aujourd’hui, l’IA cède la place à de nouveaux outils pour la recherche en neurosciences, dont certains contribuent à de nouvelles hypothèses sur la façon dont les processus cognitifs et les tâches sont exécutés dans le cerveau.
Le samedi 9 juillet de 15h15 à 16h45, des experts internationaux se réuniront pour discuter d’un large éventail de sujets liés à l’interaction entre les neurosciences et l’IA.
Le Dr Kanaka Rajan, professeur adjoint au Friedman Brain Institute de la faculté de médecine Icahn du mont Sinaï, exploite les données des expériences en neurosciences et les combine à de puissants cadres de calcul pour créer des modèles artificiels du cerveau. En tant que neuroscientifique computationnelle, son travail vise à combler le fossé entre la volonté des chercheurs en IA de trouver des systèmes hautement performants pour un objectif ou une application spécifique, et l’objectif des biologistes de découvrir comment un système résout les problèmes et fait des prédictions à partir de modèles qui peuvent conduire davantage nouvelles hypothèses sur le fonctionnement du cerveau.
Au cours de la séance, la Dre Rajan discutera de l’apprentissage curriculaire, une nouvelle approche adoptée par son laboratoire pour sonder les mécanismes d’apprentissage dans les cerveaux biologiques et artificiels. Cette approche imite l’ordre d’apprentissage significatif dans les programmes humains en formant un modèle d’apprentissage automatique en commençant par un ensemble de formation de plus en plus difficile, ou « programmes ».
En tant que neuroscientifique cognitif expérimental, le professeur Stanislas Dehaene du Collège de France, soutiendra que notre espèce est vraiment unique dans sa capacité à apprendre et qu’au moins pour l’instant, notre cerveau peut encore apprendre mieux que n’importe quelle machine qui existe !
En plus d’élaborer sur certains des travaux présentés dans son livre de 2020, Comment nous apprenons, il parlera également des nouvelles recherches menées dans son laboratoire. Un domaine spécifique sur lequel lui et son équipe se penchent est la capacité impressionnante des humains à trouver des structures dans des séquences (comme en grammaire) ou dans l’espace (comme en géométrie). Les données que l’équipe a générées jusqu’à présent posent un défi aux réseaux de neurones artificiels actuels, qui n’atteignent pas des performances similaires jusqu’à présent, et sont généralement pauvres en symboles et en grammaire.
