Vers un stockage optimal des informations
Même si des progrès significatifs ont été effectués récemment dans le domaine de l'intelligence artificielle et de l'apprentissage machine, d'importants problèmes doivent encore être résolus. Parmi ceux-ci, citons les capacités d'apprentissage ainsi que la finesse de mouvement qui sont difficiles à simuler à l'aide de machines, mais dont font preuve les humains et les animaux à tout instant. Les cellules neuronales du cerveau constituent-elles une plateforme dont les caractéristiques et les représentations permettraient d'exprimer ce type de capacités dans des machines et de les mettre en pratique? En étudiant les mécanismes neuronaux du traitement de l'information dans le cerveau, le projet SPIKEFORCE s'est fixé pour objectif de traiter des questions similaires concernant les méthodes de calcul utilisées dans les ordinateurs et les circuits intégrés actuels. Les neurones du cerveau traitent les signaux analogues avec des valeurs continues, alors que leur communication sous forme d'impulsions est essentiellement numérique et asynchrone. Les travaux de recherche des partenaires du projet sous la direction de l'École Normale Supérieure ont essentiellement porté sur la façon dont les neurones impulsionnels permettent une prise de décision rapide et, surtout, un apprentissage permanent. Compte tenu du fait que les informations sont stockées dans le cerveau sous forme de changements dans l'efficacité des synapses d'excitation, on a pensé que leur fonctionnement indépendant présenterait un avantage crucial: notamment, l'optimisation du stockage des informations. De plus, le lien complémentaire entre la distribution des changements dans l'efficacité synaptique et ce qui a été appris, ainsi que le mode d'un tel apprentissage, ont fait l'objet d'études. Pour ce faire, on a eu recours à un prototype de réseau neuronal à alimentation vers l'avant. La tâche assignée au réseau neuronal a consisté à apprendre le plus grand nombre possible d'associations entrée/sortie données dans un niveau de fiabilité particulier. Des techniques analytiques employées en mécanique statistique des systèmes d'informations distribués ont fourni les principaux moyens de calcul de la capacité de stockage d'informations maximale du réseau neuronal. Cette capacité maximale s'est révélée dépendre d'un certain nombre de paramètres de réseau mais, fait crucial, la distribution optimale des modifications synaptiques contenait une majorité de synapses silencieuses. De plus, la distribution ressemblait à la distribution des modifications synaptiques indiquées pour les synapses cérébrales, ce qui démontre les avancées en matière de processus d'apprentissage et de mémoire qu'il est possible d'effectuer en étudiant les réponses synaptiques.
