Les réseaux de nanofils d’argent semblent apprendre et se souvenir, un peu comme notre cerveau

Au cours de la dernière année environ, des modèles d’IA génératifs tels que ChatGPT et DALL-E ont permis de produire de grandes quantités de contenu créatif apparemment humain et de haute qualité à partir d’une simple série d’invites.

Bien qu’ils soient très performants – surpassant de loin les humains dans les tâches de reconnaissance de modèles de données volumineuses en particulier – les systèmes d’IA actuels ne sont pas intelligents de la même manière que nous. Les systèmes d’IA ne sont pas structurés comme nos cerveaux et n’apprennent pas de la même manière.

Les systèmes d’IA utilisent également de grandes quantités d’énergie et de ressources pour l’entraînement (par rapport à nos trois repas par jour). Leur capacité à s’adapter et à fonctionner dans des environnements dynamiques, difficiles à prévoir et bruyants est médiocre par rapport à la nôtre, et ils manquent de capacités de mémoire humaines.

Nos recherches explorent des systèmes non biologiques qui ressemblent davantage à des cerveaux humains. Dans une nouvelle étude publiée dans Avancées scientifiquesnous avons découvert que des réseaux auto-organisés de minuscules fils d’argent semblent apprendre et se souvenir à peu près de la même manière que le matériel de réflexion dans nos têtes.

Imiter le cerveau

Nos travaux s’inscrivent dans un domaine de recherche appelé neuromorphique, qui vise à reproduire la structure et la fonctionnalité des neurones et des synapses biologiques dans des systèmes non biologiques.

Nos recherches portent sur un système qui utilise un réseau de « nanofils » pour imiter les neurones et les synapses du cerveau. Ces nanofils sont de minuscules fils d’environ un millième de la largeur d’un cheveu humain. Ils sont faits d’un métal hautement conducteur, tel que l’argent, généralement recouvert d’un matériau isolant comme le plastique.

Les nanofils s’auto-assemblent pour former une structure de réseau similaire à un réseau neuronal biologique. Comme les neurones, qui possèdent une membrane isolante, chaque nanofil métallique est recouvert d’une fine couche isolante.

Lorsque nous stimulons des nanofils avec des signaux électriques, les ions migrent à travers la couche isolante et dans un nanofil voisin (un peu comme les neurotransmetteurs à travers les synapses). En conséquence, nous observons une signalisation électrique de type synapse dans les réseaux de nanofils.

Apprentissage et mémoire

Notre nouveau travail utilise ce système de nanofils pour explorer la question de l’intelligence de type humain. Au centre de notre enquête se trouvent deux caractéristiques indiquant une fonction cognitive de haut niveau : l’apprentissage et la mémoire.

Notre étude démontre que nous pouvons sélectivement renforcer (et affaiblir) les voies synaptiques dans les réseaux de nanofils. Ceci est similaire à « l’apprentissage supervisé » dans le cerveau. Dans ce processus, la sortie des synapses est comparée à un résultat souhaité. Ensuite, les synapses sont renforcées (si leur sortie est proche du résultat souhaité) ou élaguées (si leur sortie n’est pas proche du résultat souhaité).

Nous avons développé ce résultat en montrant que nous pouvions augmenter le degré de renforcement en « récompensant » ou en « punissant » le réseau. Ce processus s’inspire de « l’apprentissage par renforcement » dans le cerveau.

Nous avons également implémenté une version d’un test appelé le « n-back task » qui est utilisé pour mesurer la mémoire de travail chez l’homme. Il s’agit de présenter une série de stimuli et de comparer chaque nouvelle entrée avec celle qui s’est produite un certain nombre d’étapes (n) il y a.

Le réseau « se souvenait » des signaux précédents pendant au moins sept étapes. Curieusement, sept est souvent considéré comme le nombre moyen d’éléments que les humains peuvent conserver en mémoire de travail en même temps.

Lorsque nous avons utilisé l’apprentissage par renforcement, nous avons constaté des améliorations spectaculaires des performances de la mémoire du réseau.

Dans nos réseaux de nanofils, nous avons découvert que la formation de voies synaptiques dépend de la façon dont ces synapses ont été activées dans le passé. C’est également le cas pour les synapses dans le cerveau, où les neuroscientifiques l’appellent « métaplasticité ».

Intelligence synthétique

L’intelligence humaine est encore loin d’être reproduite.

Néanmoins, nos recherches sur les réseaux de nanofils neuromorphiques montrent qu’il est possible d’implémenter des fonctionnalités essentielles à l’intelligence, telles que l’apprentissage et la mémoire, dans du matériel physique non biologique.

Les réseaux de nanofils sont différents des réseaux de neurones artificiels utilisés en IA. Pourtant, ils peuvent conduire à ce qu’on appelle «l’intelligence synthétique».

Peut-être qu’un réseau de nanofils neuromorphiques pourrait un jour apprendre à avoir des conversations plus humaines que ChatGPT, et s’en souvenir.