On a déjà souvent mentionné dans InternetActu.net la différence entre l’apprentissage par les machines et celui effectué par les humains (et les autres animaux) : dans le second cas, très peu d’exemples suffisent pour reconnaître un objet ou un stimulus, alors qu’un programme informatique a besoin de milliers de data.

La Technology Review nous informe du travail d’une équipe de scientifiques qui a cherché à comprendre le fonctionnement des réseaux de neurones biologiques, et pourquoi ils apprennent bien plus rapidement que leurs équivalents artificiels. Pour ce faire, ils ont modélisé des parties du cerveau d’une mite, celles qui sont en charge de reconnaître les odeurs. En effet, le cerveau de cet insecte est relativement simple. Le système olfactif consiste en une chaîne de cinq réseaux différents, chacun envoyant de l’information au suivant.

Ainsi, nous explique la revue, le premier consiste en un ensemble de 30000 récepteurs chimiques qui envoie un signal plutôt bruité au réseau suivant qui le passe à son tour au suivant, jusqu’au réseau final, où une dizaine de neurones détermine l’action a entreprendre en fonction de l’odeur perçue, par exemple de voler vers l’objet qui émet ledit parfum.

Ce qu’il est important de noter, c’est que dans la nature l’information ne va que dans un seul sens. Tandis que le machine learning repose sur la « rétropropagation » : autrement dit, l’information retourne en arrière pour modifier les poids des synapses virtuels, afin de corriger les erreurs qui ont été commises ou accentuer les potentialités de succès. Ce processus est inexistant dans les cerveaux biologiques.

Comment alors apprend-ton ? Dans le cas des mites, il semble bien qu’un neurotransmetteur nommé l’octopamine joue un rôle capital. Cette molécule récompenserait les bonnes décisions et accélérerait ainsi l’apprentissage. 

Les chercheurs ont construit un modèle complet du système olfactif de la mite, en intégrant une simulation de l’usage de l’octopamine.

Ils ont ainsi pu comprendre comment le passage de l’information d’un réseau à un autre transformait le signal bruité du départ en quelque chose de beaucoup plus clair. Et ils ont également constaté que l’octopamine est un puissant accélérateur d’apprentissage. L’octopamine joue un autre rôle : elle est capable de créer de nouvelles connexions entre les neurones, alors que les systèmes algorithmiques des machines sont fixés et ne permettent que de renforcer des connexions déjà existantes.

Le réseau simulé a fonctionné remarquablement bien, précise la Technology Review, et s’est montré capable de reconnaître de nouvelles odeurs.

Cela montre que la nature a beaucoup à nous appendre et que les prochains systèmes d’IA de demain pourraient prendre exemple sur les cerveaux organiques. Selon les auteurs de l’étude, « du point de vue de l’apprentissage des machines, ce modèle fournit des mécanismes bio-inspirés qui sont potentiellement utiles pour construire des réseaux de neurones susceptibles d’effectuer un apprentissage rapide à partir de très peu d’échantillons. »