Grounded world models in biological organisms and future embodied AI

Le Grand Bâtisseur de Cerveaux : Pourquoi les Robots Doivent Toucher Avant de Parler

Imaginez que vous essayez d'apprendre à un robot super intelligent comment comprendre le monde. Vous avez deux manières principales de le faire. La première consiste à donner au robot un milliard de livres et un million de vidéos, puis à lui dire : « Lis tout, mémorise les modèles et devine ce qui vient ensuite. » C'est ainsi que fonctionne la plupart des intelligences artificielles célèbres d'aujourd'hui. C'est comme un étudiant qui aurait lu tous les dictionnaires mais qui n'aurait jamais tenu une pomme, n'en aurait jamais ressenti le poids ou n'en aurait jamais goûté la douceur. Il connaît les mots pour « pomme », « lourd » et « croquant », mais il ne sait pas vraiment ce qu'est une pomme.

La seconde manière est celle dont les êtres vivants — comme vous, moi, ou même un minuscule ver — apprennent. Nous ne commençons pas par lire un manuel. Nous commençons par bouger, nous cogner contre des choses, ressentir la faim et découvrir ce qui se passe quand nous poussons une balle ou tirons une corde. Nos cerveaux construisent une carte du monde basée sur ces expériences réelles d'abord. Ce n'est que plus tard que nous apprenons à mettre des étiquettes (des mots) sur ces expériences. Ce document traite de la différence entre ces deux approches. Il pose une grande question : si nous voulons construire des robots capables de nous comprendre réellement et de naviguer dans notre monde physique désordonné, devons-nous continuer à les gaver de livres, ou devrions-nous les laisser sortir et jouer ? Les auteurs suggèrent que la méthode « jouer d'abord, parler plus tard » pourrait être la recette secrète qui manque aux robots actuels.

---

La Grande Idée du Papier : Du « Lecteur Passif » à « l'Explorateur Actif »

Ce document, écrit par une équipe de scientifiques d'Italie et du Canada, soutient que la façon dont nous construisons actuellement l'Intelligence Artificielle (IA) est inversée par rapport à la façon dont la nature nous a construits.

Actuellement, la tendance la plus forte en IA est l'« IA générative ». Ce sont des systèmes qui apprennent en lisant des quantités massives de texte et en regardant des vidéos. Ils sont incroyablement doués pour prédire le mot suivant dans une phrase ou l'image suivante dans une vidéo. Le papier appelle cela un « régime d'entraînement passif ». Imaginez un étudiant assis sur une chaise, fixant un écran, regardant mille vidéos de personnes attrapant des balles, sans jamais en attraper une lui-même. Il peut apprendre les statistiques de la façon dont les balles bougent, mais il n'a pas appris la sensation de la balle frappant sa main. Les auteurs soulignent que dans ces systèmes, le langage (les mots) est le fondement. L'IA apprend d'abord les règles du langage, puis essaie d'attacher des images et des actions à ces mots plus tard.

Le papier suggère que les organismes biologiques (comme les humains, les chiens et même les vers) font exactement le contraire. Nous construisons d'abord des « modèles de monde ancrés ». C'est une façon sophistiquée de dire que nos cerveaux créent une carte mentale de la façon dont le monde fonctionne en fonction de nos propres corps en mouvement. Nous apprenons que le feu est chaud parce que nous ressentons la chaleur, et non parce que quelqu'un nous a dit que « le feu est chaud ». Ce n'est qu'après avoir acquis cette compréhension physique et ancrée que nous superposons le langage. Pour nous, les mots ne sont que des étiquettes pour des choses que nous connaissons déjà par l'expérience.

Cinq Façons dont nos Cerveaux Construisent de Meilleures Cartes

Pour prouver leur point de vue, les auteurs examinent cinq « circuits » ou parties du cerveau qui aident les êtres vivants à construire ces cartes ancrées. Ils utilisent ces exemples pour montrer ce qui manque aux robots d'aujourd'hui.

1. Le GPS et la Carte Conceptuelle
Pensez à la façon dont vous naviguez dans votre ville. Vous ne tournez pas simplement à gauche parce que vous voyez un panneau rouge ; vous avez une carte mentale. Votre cerveau possède un système spécial (dans l'hippocampe et le cortex entorhinal) qui agit comme un GPS. Il utilise des « cellules de grille » qui s'activent selon un motif hexagonal, comme un nid d'abeilles, pour vous aider à savoir exactement où vous êtes.
Mais voici la partie intéressante : ce même système de GPS ne fonctionne pas seulement pour les rues physiques. Le papier explique que votre cerveau utilise cette même « grille » pour naviguer à travers les idées. Quand vous pensez à une histoire, ou comparez deux concepts différents, ou même que vous réfléchissez à des relations sociales, votre cerveau est essentiellement en train de « marcher » à travers une carte mentale. Le papier suggère que, dans la biologie, la capacité de naviguer dans l'espace physique est venue en premier, et la capacité de naviguer dans les idées abstraites a été construite par-dessus. L'IA actuelle essaie d'apprendre des idées abstraites directement à partir du texte, en sautant l'étape de la « marche » physique.

2. Le Détecteur de « Qu'est-ce que je peux faire ? » (Affordances)
Quand vous regardez une chaise, vous ne voyez pas seulement « un objet en bois avec quatre pieds ». Vous voyez « quelque chose sur lequel je peux m'asseoir ». Quand vous voyez une tasse, vous voyez « quelque chose que je peux saisir ». Le papier appelle cela des « affordances ». C'est un lien direct entre ce que vous voyez et ce que vous pouvez faire avec cela.
Votre cerveau lance constamment une compétition : « Puis-je grimper sur ce rocher ? Puis-je attraper cette pomme ? » Il ne se contente pas de décrire le monde ; il calcule des possibilités d'action. Le papier soutient que pour qu'un robot comprenne réellement une phrase comme « Fais attention, cette tasse est fragile », il doit posséder un modèle ancré de ce que « fragile » signifie lorsqu'on la tient. Il doit savoir que si on la presse trop fort, la tasse se casse. L'IA actuelle connaît le mot « fragile », mais elle n'a peut-être pas la « mémoire musculaire » interne pour en comprendre le risque.

3. Le Moteur de Curiosité
Avez-vous déjà ressenti cette envie d'explorer quelque chose de nouveau simplement parce que c'est intéressant ? Ce n'est pas seulement un trait humain ; c'est une pulsion biologique. Le papier explique que nos cerveaux possèdent un « méta-modèle » qui suit à quel point nous ne savons pas des choses. Quand nous sommes curieux, notre cerveau libère des substances chimiques (comme la noradrénaline) qui nous rendent plus alertes et prêts à apprendre.
C'est différent d'un robot qui attend simplement qu'un enseignant lui donne un nouveau jeu de données. Les agents biologiques sont « intrinsèquement motivés ». Ils recherchent de nouvelles expériences pour combler les lacunes de leurs propres cartes mentales. Le papier suggère que pour que l'IA apprenne efficacement, elle ne devrait pas simplement attendre des données ; elle devrait avoir une pulsion interne pour aller chercher les choses qu'elle ne comprend pas encore.

4. Le Système d'Alarme du Corps (Allostasie)
Votre cerveau ne se contente pas de penser au monde extérieur ; il surveille aussi constamment votre monde intérieur. Il suit votre faim, votre soif, votre température et vos niveaux d'énergie. C'est ce qu'on appelle le « contrôle allostatique ».
Imaginez votre cerveau comme un thermostat qui ne se contente pas de réagir au froid, mais qui prédit que vous allez avoir froid et vous dit de mettre une veste avant même que vous ne frissonniez. Ce système crée un sentiment de « soi ». Il vous indique ce qui est bon pour vous (la nourriture) et ce qui est mauvais (la douleur). Le papier soutient que ce sentiment interne de « j'ai besoin de ceci » ou « je veux cela » est le fondement de toute motivation. Les systèmes d'IA actuels ont généralement des objectifs que les humains leur donnent (comme « gagner ce jeu »). Ils n'ont pas leur propre « faim » ou « peur » interne qui les pousse à agir.

5. Le Filtre « Est-ce que c'est moi qui ai fait ça ? »
Quand vous agitez un doigt, votre cerveau sait exactement à quoi cela va ressembler. Il envoie une copie de la commande de « mouvement » à vos yeux pour qu'elles puissent annuler le mouvement que vous avez causé. Cela aide à ignorer nos propres mouvements pour se concentrer sur les choses qui bougent par elles-mêmes (comme un oiseau qui passe).
C'est ainsi que nous faisons la différence entre « moi » et « le monde ». Si vous touchez votre nez, vous savez que c'est vous. Si quelqu'un d'autre touche votre nez, c'est une surprise. Le papier explique que cette capacité à distinguer les actions auto-générées des événements externes est cruciale pour comprendre la cause et l'effet. Sans cela, un robot pourrait ne pas comprendre que c'est lui qui casse la tasse, ou que c'est lui qui provoque le bruit.

Ce que cela signifie pour l'avenir

Les auteurs prennent soin de ne pas dire que l'IA actuelle est « cassée » ou que la biologie est « parfaite ». Ils admettent que la méthode de « lecture passive » a été incroyablement efficace pour des tâches comme l'écriture ou la discussion. Cependant, ils suggèrent que si nous voulons des robots capables de véritablement comprendre le monde physique, d'interagir naturellement avec les humains et d'apprendre par eux-mêmes, nous devrons peut-être changer d'approche.

Ils proposent que les futures IA soient construites davantage comme des organismes biologiques :

• Commencer par le corps : Laisser l'IA apprendre par le mouvement et l'interaction d'abord, et non seulement en lisant du texte.
• Construire la carte à partir de la base : Laisser l'IA développer une compréhension physique des objets et de l'espace avant d'essayer de lui enseigner un langage complexe.
• Ajouter un sens du soi : Donner à l'IA des pulsions internes (comme la curiosité ou le besoin de maintenir l'équilibre) afin qu'elle apprenne activement, et non passivement.
• Apprendre socialement : Tout comme les humains apprennent en interagissant avec les autres, les futures IA pourraient avoir besoin d'apprendre en fréquentant les humains et d'autres agents, afin de construire une compréhension « partagée » du monde.

Le papier conclut que, bien que nous ne sachions pas exactement quelles parties de la biologie sont essentielles et lesquelles sont de simples accidents chanceux de l'évolution, ignorer la façon dont les êtres vivants apprennent est un grand risque. Si nous voulons une IA capable de naviguer réellement dans notre monde, nous devrons peut-être cesser de la traiter comme une bibliothèque et commencer à la traiter comme un explorateur curieux.