L’intelligence artificielle peut rédiger des essais primés et diagnostiquer des maladies avec une précision remarquable, mais les cerveaux biologiques ont toujours le dessus dans au moins un domaine crucial : la flexibilité.
Les humains, par exemple, peuvent s'adapter rapidement à de nouvelles informations et à des défis inconnus avec une relative facilité – apprendre un nouveau logiciel informatique, suivre une recette ou se lancer dans un nouveau jeu – tandis que les systèmes d'IA ont du mal à apprendre « à la volée ».
Dans une nouvelle étude, les neuroscientifiques de Princeton découvrent une raison de l'avantage du cerveau sur l'IA : il réutilise les mêmes « blocages » cognitifs dans de nombreuses tâches différentes. En combinant et recombinant ces blocs, le cerveau peut rapidement assembler de nouveaux comportements.
Les modèles d’IA de pointe peuvent atteindre des performances humaines, voire surhumaines, sur des tâches individuelles. Mais ils ont du mal à apprendre et à accomplir de nombreuses tâches différentes. Nous avons découvert que le cerveau est flexible car il peut réutiliser des composants cognitifs dans de nombreuses tâches différentes. En assemblant ces « Legos cognitifs », le cerveau est capable de créer de nouvelles tâches. »
Tim Buschman, Ph.D., auteur principal de l'étude et directeur associé du Princeton Neuroscience Institute
Les résultats ont été publiés le 26 novembre dans la revue Nature.
Réutiliser les compétences pour de nouveaux défis
Si quelqu’un sait comment régler un vélo, alors réparer une moto pourrait venir plus naturellement. Cette capacité à apprendre quelque chose de nouveau en réutilisant des compétences plus simples issues de tâches connexes est ce que les scientifiques appellent la compositionnalité.
« Si vous savez déjà comment faire du pain, vous pouvez utiliser cette capacité pour faire un gâteau sans réapprendre à faire du pain à partir de zéro », a déclaré Sina Tafazoli, Ph.D., chercheuse postdoctorale au laboratoire Buschman de Princeton et auteur principal de la nouvelle étude. « Vous réutilisez des compétences existantes – utiliser un four, mesurer des ingrédients, pétrir la pâte – et les combiner avec de nouvelles, comme fouetter la pâte et faire du glaçage, pour créer quelque chose de complètement différent. »
Les preuves sur la manière dont le cerveau atteint une telle flexibilité cognitive sont cependant limitées et parfois contradictoires.
Pour clarifier comment le cerveau atteint son ingéniosité, Tafazoli a entraîné deux macaques rhésus mâles à effectuer trois tâches connexes pendant que leur activité cérébrale était surveillée.
Plutôt que de faire du pain ou de réparer des vélos, les singes ont effectué trois tâches de catégorisation. Tout comme ils essayaient de décoder la calligraphie souvent ambiguë d'une note manuscrite d'un médecin, les singes devaient juger si une goutte colorée ressemblant à un ballon sur un écran devant eux ressemblait plus à un lapin ou à la lettre « T » (catégorisant la forme) ou si elle était plutôt rouge ou verte (catégorisant la couleur).
La tâche était trompeusement difficile : les blobs variaient en termes d'ambiguïté, ressemblant parfois manifestement à un lapin ou à un rouge saturé, tandis que d'autres fois les distinctions étaient subtiles.
Pour indiquer la forme ou la couleur qu'ils pensaient avoir pour la goutte, un singe bourdonnait en réponse en regardant dans l'une des quatre directions différentes. Dans une tâche, un coup d'œil vers la gauche signifiait que l'animal voyait un lapin, tandis qu'un regard vers la droite indiquait qu'il ressemblait davantage à un « T ».
Une caractéristique clé de la conception était que même si chaque tâche était unique, elles partageaient également certains éléments avec les autres tâches.
L'une des tâches de couleur et la tâche de forme nécessitaient toutes deux de regarder dans les mêmes directions, tandis que les deux tâches de couleur exigeaient que l'animal catégorise la couleur de la même manière (comme soit plus rouge, soit plus vert), mais les obligeait à regarder dans des directions différentes pour déclarer leur jugement de teinte.
Cette conception expérimentale a permis aux chercheurs de tester si le cerveau réutilisait les modèles neuronaux – ses éléments constitutifs cognitifs – dans des tâches comportant des composants partagés.
Les blocs renforcent la flexibilité cognitive
Après avoir analysé les modèles d'activité dans le cerveau, Tafazoli et Buschman ont découvert que le cortex préfrontal – une région située à l'avant du cerveau impliquée dans la cognition supérieure – contenait plusieurs modèles d'activité communs et réutilisables dans les neurones travaillant vers un objectif commun, tel que la discrimination des couleurs.
Buschman les a décrits comme les « Legos cognitifs » du cerveau – des éléments de base qui peuvent être combinés de manière flexible pour créer de nouveaux comportements.
« Je pense à un blocage cognitif comme à une fonction dans un programme informatique », a déclaré Buschman. « Un ensemble de neurones peut distinguer la couleur et sa sortie peut être mappée sur une autre fonction qui pilote une action. Cette organisation permet au cerveau d'effectuer une tâche en exécutant séquentiellement chaque composant de cette tâche. »
Pour effectuer l’une des tâches de couleur, l’animal assemblait un bloc qui calculait la couleur de l’image avec un autre bloc qui déplaçait les yeux dans des directions différentes. Lors du changement de tâche, comme passer des couleurs aux formes, le cerveau a simplement assemblé les blocs pertinents pour calculer la forme et effectuer les mêmes mouvements oculaires.
Ce partage de blocs a été largement observé dans le cortex préfrontal, et non dans d’autres régions du cerveau, ce qui suggère que ce type de compositionnalité est une propriété particulière de cette zone.
Tafazoli et Buschman ont également découvert que le cortex préfrontal apaise les blocages cognitifs lorsqu'ils ne sont pas utilisés, ce qui aidera probablement le cerveau à mieux se concentrer sur la tâche à accomplir.
« Le cerveau a une capacité limitée de contrôle cognitif », a déclaré Tafazoli. « Vous devez compresser certaines de vos capacités afin de pouvoir vous concentrer sur celles qui sont actuellement importantes. Se concentrer sur la catégorisation des formes, par exemple, diminue momentanément la capacité à coder la couleur, car l'objectif est la discrimination des formes, pas la couleur. »
Une manière plus efficace d'apprendre – pour l'IA et pour la clinique
Ces Legos cognitifs peuvent aider à expliquer pourquoi les humains apprennent si rapidement de nouvelles tâches. En s’appuyant sur les composants mentaux existants, le cerveau minimise les apprentissages redondants – une astuce que les systèmes d’IA doivent encore maîtriser.
« Un problème majeur avec l'apprentissage automatique est l'interférence catastrophique », a déclaré Tafazoli. « Lorsqu'une machine ou un réseau neuronal apprend quelque chose de nouveau, ils oublient et écrasent les souvenirs précédents. Si un réseau neuronal artificiel sait comment faire un gâteau mais apprend ensuite à faire des cookies, il oubliera comment faire un gâteau. »
À l’avenir, l’intégration de la compositionnalité dans l’IA pourrait contribuer à créer des systèmes capables d’acquérir continuellement de nouvelles compétences sans oublier les anciennes.
Ces mêmes connaissances pourraient également contribuer à améliorer la médecine destinée aux personnes souffrant de troubles neurologiques et psychiatriques. Des pathologies telles que la schizophrénie, les troubles obsessionnels compulsifs et certaines lésions cérébrales altèrent souvent la capacité d'une personne à appliquer des compétences connues à de nouveaux contextes, probablement en raison de perturbations dans la façon dont le cerveau recombine ses éléments cognitifs.
« Imaginez pouvoir aider les gens à retrouver la capacité de changer de stratégie, d'apprendre de nouvelles routines ou de s'adapter au changement », a déclaré Tafazoli. « À long terme, comprendre comment le cerveau réutilise et recombine les connaissances pourrait nous aider à concevoir des thérapies qui rétablissent ce processus. »
