L’auto-organisation des «neurones infomorphes» peut apprendre indépendamment
Les chercheurs ont développé des «neurones infomorphes» qui apprennent indépendamment, imitant leurs homologues biologiques plus précisément que les neurones artificiels précédents. Une équipe de chercheurs du Göttingen Campus Institute for Dynamics of Biological Networks (CIDBN) à l’Université de Göttingen et à l’Institut Max Planck pour la dynamique et l’auto-organisation (MPI-DS) a programmé ces neurones infomorphes et construit des réseaux neuronaux artificiels.
La caractéristique particulière est que les neurones artificiels individuels apprennent de manière auto-organisée et tirent les informations nécessaires de leur environnement immédiat dans le réseau. Leurs résultats sont publiés dans la revue Actes de l’Académie nationale des sciences.
Le cerveau humain et les réseaux de neurones artificiels modernes sont extrêmement puissants. Au niveau le plus bas, les neurones travaillent ensemble comme des unités informatiques plutôt simples.
Un réseau neuronal artificiel se compose généralement de plusieurs couches composées de neurones individuels. Un signal d’entrée traverse ces couches et est traité par des neurones artificiels afin d’extraire des informations pertinentes. Cependant, les neurones artificiels conventionnels diffèrent considérablement de leurs modèles biologiques dans la façon dont ils apprennent.
Alors que la plupart des réseaux de neurones artificiels dépendent de la coordination globale en dehors du réseau afin d’apprendre, les neurones biologiques ne reçoivent et ne traitent que les signaux d’autres neurones dans leur voisinage immédiat dans le réseau. Les réseaux de neurones biologiques sont encore bien supérieurs aux artificiels en termes de flexibilité et d’efficacité énergétique.
Les nouveaux neurones artificiels, connus sous le nom de «neurones infomorphes», sont capables d’apprendre indépendamment et de s’auto-organisation parmi leurs neurones voisins. Cela signifie que la plus petite unité du réseau ne doit plus être contrôlée de l’extérieur, mais décide de savoir quelle entrée est pertinente et laquelle ne l’est pas.
En développant les neurones infomorphes, l’équipe a été inspirée par le fonctionnement du cerveau, en particulier par les cellules pyramidales du cortex cérébral. Ceux-ci traitent également les stimuli à partir de différentes sources dans leur environnement immédiat et les utilisent pour s’adapter et apprendre. Les nouveaux neurones artificiels poursuivent des objectifs d’apprentissage très généraux et faciles à comprendre.
« Nous comprenons maintenant directement ce qui se passe à l’intérieur du réseau et comment les neurones artificiels individuels apprennent indépendamment », souligne Marcel Graetz de CIDBN.
En définissant les objectifs d’apprentissage, les chercheurs ont permis aux neurones de trouver eux-mêmes leurs règles d’apprentissage spécifiques. L’équipe s’est concentrée sur le processus d’apprentissage de chaque neurone individuel.
Ils ont appliqué une nouvelle mesure théorique de l’information pour ajuster précisément si un neurone devrait rechercher plus de redondance avec ses voisins, collaborer en synergie ou essayer de se spécialiser dans sa propre partie des informations du réseau.
« En se spécialisant dans certains aspects de l’apport et en coordonnant avec leurs voisins, nos neurones infomorphes apprennent à contribuer à la tâche globale du réseau », explique Valentin Neuhaus de MPI-DS.
Avec les neurones infomorphes, l’équipe développe non seulement une nouvelle méthode pour l’apprentissage automatique, mais contribue également à une meilleure compréhension de l’apprentissage dans le cerveau.
