Skip to main content
European Commission logo
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS
CORDIS Web 30th anniversary CORDIS Web 30th anniversary

Article Category

Contenu archivé le 2024-04-19

Article available in the following languages:

L’évolution biologique peut-elle aider les ordinateurs à apprendre comme nous?

S’inspirant de l’évolution, des chercheurs soutenus par l’UE ont utilisé une nouvelle approche basée sur les algorithmes évolutionnaires pour aider les programmes informatiques à rechercher des solutions aux problèmes.

Comment les êtres humains apprennent-ils? Au fil de notre vie quotidienne, nous acquérons de nouvelles connaissances ou compétences, nous perfectionnons celles que nous possédons déjà et nous formons de nouveaux souvenirs sur la base de nos expériences. Selon les scientifiques, cette étonnante capacité d’adaptation est possible grâce à la plasticité synaptique de notre cerveau, qui permet aux connexions entre les neurones, ou synapses, d’évoluer. Il s’agit d’une différence essentielle entre nous et les ordinateurs d’aujourd’hui, qui ne sont capables d’exécuter que des actions préprogrammées. Une équipe de chercheurs soutenue par les projets Human Brain Project (HBP, HBP SGA1, HBP SGA2 et HBP SGA3) et ICEI, financés par l’UE, s’est attaquée au problème de l’apprentissage automatique par le biais d’une nouvelle approche basée sur des algorithmes dits évolutionnaires. Cette nouvelle approche est connue sous le nom d’approche «evolving-to-learn» (E2L). Grâce à cette approche, «les programmes informatiques recherchent des solutions à des problèmes en imitant le processus d’évolution biologique, tel que le concept de survie du plus apte», selon l’étude publiée dans la revue «eLife». Dans ces algorithmes évolutifs, «l’aptitude» d’une solution est déterminée par sa capacité à résoudre le problème.

S’attaquer à trois scénarios d’apprentissage

Les chercheurs ont soumis les algorithmes évolutionnaires à trois scénarios d’apprentissage classiques. Dans le premier scénario, l’ordinateur devait identifier un modèle répétitif dans un flux continu de données sans recevoir de retour d’information sur ses performances. Le deuxième scénario impliquait un apprentissage par renforcement, dans lequel l’ordinateur recevait des récompenses virtuelles lorsqu’il se comportait de la manière souhaitée. Enfin, dans le troisième scénario, baptisé apprentissage supervisé, l’ordinateur était informé de l’ampleur exacte de l’écart entre ses actions et le comportement souhaité. «Dans tous ces scénarios, les algorithmes évolutionnaires ont été capables de découvrir les mécanismes de la plasticité synaptique et sont ainsi parvenus à résoudre une nouvelle tâche», note le Dr Jakob Jordan, coauteur de l’étude et partenaire du projet à l’université de Berne, dans un communiqué de presse publié sur «EurekAlert!». La résolution des tâches a nécessité beaucoup de créativité. «Par exemple, l’algorithme a identifié un nouveau modèle de plasticité dans lequel les signaux que nous avons définis sont combinés pour former un nouveau signal. En fait, nous observons que les réseaux qui utilisent ce nouveau signal apprennent plus rapidement qu’avec les règles précédemment connues», observe le Dr Maximilian Schmidt, coauteur affilié au RIKEN Center for Brain Science (Japon), dans le même communiqué. L’utilisation d’algorithmes évolutionnaires pour étudier la façon dont les ordinateurs apprennent fournira aux scientifiques un aperçu précieux du fonctionnement du cerveau et pourrait jeter les bases du développement d’ordinateurs capables de mieux s’adapter aux besoins des utilisateurs. «Nous considérons l’E2L comme une approche prometteuse pour mieux comprendre les principes de l’apprentissage biologique et accélérer les progrès vers des machines d’apprentissage artificielles puissantes», déclare l’auteur principal, le Dr Mihai Petrovici. Et le Dr Jordan de conclure: «Nous espérons qu’elle permettra d’accélérer la recherche sur la plasticité synaptique dans le système nerveux.» L’objectif du HBP (The Human Brain Project) et de ses trois phases ultérieures – HBP SGA1 (Human Brain Project Specific Grant Agreement 1), HBP SGA2 (Human Brain Project Specific Grant Agreement 2) et HBP SGA3 (Human Brain Project Specific Grant Agreement 3) – est d’aider les chercheurs à faire progresser leurs connaissances dans les domaines des neurosciences, de l’informatique et de la médecine liée au cerveau. Le projet ICEI (Interactive Computing E-Infrastructure for the Human Brain Project) a réuni cinq des plus grands centres de supercalculateurs d’Europe pour mettre en place un système spécialement adapté à la recherche neuroscientifique. Pour plus d’informations, veuillez consulter: site web du projet Human Brain Project site web du projet ICEI

Mots‑clés

HBP, HBP SGA1, HBP SGA2, HBP SGA3, ICEI, Human Brain Project, cerveau, apprentissage, algorithme évolutionnaire, plasticité synaptique, programme informatique

Articles connexes