Les neuroscientifiques imaginent une explication potentielle de la capacité innée
En un sens, chacun de nous commence sa vie prêt à agir. De nombreux animaux réalisent des exploits incroyables peu après leur naissance. Les araignées tissent des toiles. Les baleines nagent. Mais d’où viennent ces capacités innées ? De toute évidence, le cerveau joue un rôle clé car il contient les milliards de connexions neuronales nécessaires au contrôle de comportements complexes.
Cependant, le génome ne dispose que d’un espace pour une petite fraction de cette information. Ce paradoxe a déconcerté les scientifiques pendant des décennies. Aujourd’hui, les professeurs Anthony Zador et Alexei Koulakov du Cold Spring Harbor Laboratory (CSHL) ont conçu une solution potentielle utilisant l’intelligence artificielle.
Lorsque Zador rencontre ce problème pour la première fois, il lui donne une nouvelle tournure. « Et si la capacité limitée du génome était précisément ce qui nous rend si intelligents ? » se demande-t-il. « Et si c'était une fonctionnalité, pas un bug ? »
En d’autres termes, peut-être pouvons-nous agir intelligemment et apprendre rapidement car les limites du génome nous obligent à nous adapter. Il s’agit d’une idée grande et audacieuse, difficile à démontrer. Après tout, nous ne pouvons pas étendre les expériences en laboratoire sur des milliards d’années d’évolution. C’est là qu’émerge l’idée de l’algorithme du goulot d’étranglement génomique.
En IA, les générations ne s’étendent pas sur des décennies. De nouveaux modèles naissent en appuyant simplement sur un bouton. Les postdoctorants de Zador, Koulakov et CSHL, Divyansha Lachi et Sergey Shuvaev, ont entrepris de développer un algorithme informatique qui regroupe des tas de données dans un package soigné, un peu comme notre génome pourrait compresser les informations nécessaires pour former des circuits cérébraux fonctionnels. Ils testent ensuite cet algorithme sur des réseaux d’IA qui subissent plusieurs cycles de formation.
L'étude est publiée dans la revue Actes de l'Académie nationale des sciences.
Étonnamment, ils découvrent que le nouvel algorithme non entraîné effectue des tâches telles que la reconnaissance d’images presque aussi efficacement que l’IA de pointe. Leur algorithme tient même sa place dans des jeux vidéo comme Space Invaders. C'est comme s'il comprenait naturellement comment jouer.
Cela signifie-t-il que l’IA va bientôt reproduire nos capacités naturelles ? « Nous n'avons pas atteint ce niveau », déclare Koulakov. « L'architecture corticale du cerveau peut contenir environ 280 téraoctets d'informations, soit 32 ans de vidéo haute définition. Nos génomes peuvent contenir environ une heure. Cela implique qu'une technologie de compression 400 000 fois ne peut pas encore correspondre. »
Néanmoins, l’algorithme permet des niveaux de compression jusqu’à présent inédits en IA. Cette fonctionnalité pourrait avoir des utilisations impressionnantes dans le domaine technologique. Shuvaev, l'auteur principal de l'étude, explique : « Par exemple, si vous vouliez exécuter un grand modèle de langage sur un téléphone portable, un moyen [the algorithm] pourrait être utilisé est de déplier votre modèle couche par couche sur le matériel. »
De telles applications pourraient signifier une IA plus évoluée avec des durées d’exécution plus rapides. Et dire qu’il n’a fallu que 3,5 milliards d’années d’évolution pour en arriver là.
