Des cerveaux cultivés artificiellement améliorent le traitement des données de séries chronologiques, selon une étude
Lorsque le cerveau cultivé artificiel reçoit un son de la parole humaine (le chiffre 0 prononcé comme « zéro » en anglais) en entrée, il convertit l’entrée en une réponse multicellulaire. Le signal de réponse est ensuite lu par un classificateur linéaire pour réaliser la classification du signal de série chronologique. Le cerveau cultivé artificiel de la figure est conçu pour se développer dans quatre carrés reliés par des lignes fines, ressemblant à une architecture modulaire. Dans cette expérience, nous avons constaté qu’une telle modularité dans le cerveau cultivé artificiel améliore les performances de classification. Crédit : Yamamoto et al.
Le cerveau comprend des milliards de neurones interconnectés qui transmettent et traitent l’information et lui permettent d’agir comme un système de traitement de l’information hautement sophistiqué. Pour le rendre aussi efficace que possible, le cerveau développe plusieurs modules chargés de différentes fonctions, comme la perception et le contrôle du corps. Dans une même zone, les neurones forment plusieurs grappes et fonctionnent comme des modules – un trait important qui est resté essentiellement inchangé tout au long de l’évolution.
Pourtant, de nombreuses questions restent sans réponse concernant la manière dont la structure spécifique du réseau cérébral, telle que la structure modulaire, fonctionne avec les propriétés physiques et chimiques des neurones pour traiter l’information.
L’informatique de réservoir est un modèle de calcul inspiré des pouvoirs du cerveau, où le réservoir comprend un grand nombre de nœuds interconnectés qui transforment les signaux d’entrée en une représentation plus complexe.
Maintenant, une équipe de recherche a développé un apprentissage automatique basé sur l’informatique de réservoir pour analyser les capacités de calcul d’un « cerveau cultivé artificiellement » composé de neurones dérivés du cortex cérébral de rats, c’est-à-dire des neurones corticaux de rat.
Les conclusions de l’équipe ont été publiées dans le Actes de l’Académie nationale des sciences le 12 juin 2023, et était dirigée par Takuma Sumi, Hideaki Yamamoto et Ayumi Hirano-Iwata, chercheurs basés à l’Université de Tohoku. Ils ont travaillé en collaboration avec Yuichi Katori de la Future University Hakodate.
« En utilisant l’optogénétique et l’imagerie calcique fluorescente, nous avons d’abord enregistré les réponses multicellulaires du réseau neuronal cultivé, » dit Yamamoto. « Ensuite, nous l’avons décodé à l’aide de l’informatique de réservoir, constatant que le cerveau cultivé artificiel possédait une mémoire à court terme de plusieurs centaines de millisecondes, qui pouvait être utilisée pour classer des données de séries chronologiques, telles que des chiffres prononcés. »
L’ordinateur réservoir basé sur des neurones biologiques pourrait être utilisé pour classer les chiffres parlés même lorsque les locuteurs ont été commutés pendant la formation et les tests. La précision de la classification après le changement a diminué par rapport au moment où il n’y avait pas de changement de locuteur, mais la classification a été obtenue au-dessus du niveau du hasard. Une telle classification n’était pas possible lorsque le signal d’entrée était directement décodé par un classificateur linéaire, suggérant que les neurones biologiques agissent comme un filtre de généralisation pour améliorer les performances du calcul du réservoir. Crédit : Yamamoto et al.
Les échantillons avec un degré de modularité plus élevé se sont avérés présenter de meilleures performances de classification. De plus, un modèle formé sur un ensemble de données a pu classer un autre ensemble de données dans la même catégorie, révélant que le cerveau cultivé artificiel pouvait filtrer les informations pour améliorer les performances de calcul du réservoir.
« Les résultats font progresser notre compréhension mécaniste du traitement de l’information au sein des réseaux neuronaux composés de neurones biologiques et nous orientent vers la réalisation potentielle d’ordinateurs réservoirs physiques basés sur des neurones biologiques, » ajoute Yamamoto.
