A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
Cette étude démontre que le câblage anatomique fixe du connectome d'un *Drosophila* mâle sert de substrat computationnel efficace pour l'apprentissage de tâches cognitives conçues par l'homme, telles que l'addition bornée et le langage relationnel ancré, surpassant de manière significative les réseaux aux connexions réorganisées de façon aléatoire.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Le cerveau humain est souvent décrit comme l'objet le plus complexe de l'univers connu, un réseau entrelacé de milliards de cellules qui nous permet de penser, de bouger et de parler. Pendant des décennies, les scientifiques ont tenté de cartographier ce câblage, en créant des diagrammes détaillés appelés connectomes qui montrent exactement quels neurones sont connectés à quels autres. Ces cartes sont généralement étudiées pour comprendre comment le cerveau contrôle le corps, par exemple comment une mouche voit une fleur ou comment un humain soulève une tasse. Mais une nouvelle ligne d'interrogation pose une question plus audacieuse : si vous prenez le diagramme de câblage physique d'un cerveau et que vous l'utilisez comme squelette pour un programme informatique, ce programme peut-il apprendre des choses que l'animal n'a jamais évolué à faire ? C'est un test pour savoir si la forme spécifique des connexions biologiques détient un pouvoir caché que les connexions aléatoires ne possèdent pas.
Des chercheurs de l'Institut de science et de technologie de Corée ont décidé de tester cette idée en utilisant le système nerveux complet d'une seule mouche du vinaigre mâle. Ils ont pris la carte disponible publiquement du cerveau de cette mouche, qui contient plus de 166 000 neurones et près de 26 millions de connexions, et l'ont utilisée comme structure fixe pour un réseau artificiel. Ils n'ont pas essayé de simuler les pensées ou les mouvements réels de la mouche. Au lieu de cela, ils ont entraîné ce squelette biologique à résoudre deux tâches qui n'ont rien à voir avec les mouches du vinaigre : ajouter des nombres et comprendre un langage simple sur des événements sensoriels. Dans la première tâche, le réseau devait apprendre à additionner deux nombres, où la somme ne dépassait jamais cent. Dans la seconde, il devait écouter une description de deux sensations physiques, comme une pression forte sur une patte suivie d'un mouvement faible, puis associer correctement cette description à l'événement, même lorsque l'ordre des événements était inversé.
Pour voir si le câblage spécifique de la mouche importait, les scientifiques ont créé un groupe de contrôle. Ils ont pris le même nombre de neurones et de connexions mais ont mélangé les liens de manière aléatoire, en conservant uniquement le nombre de connexions dont chaque neurone disposait. Cela a créé un cerveau « recâblé » statistiquement similaire, mais dépourvu des voies évoluées spécifiques de la vraie mouche. Lorsqu'ils ont entraîné le réseau de la vraie mouche sur la tâche d'addition, celui-ci a réussi avec une grande précision, obtenant la bonne réponse près de 93 % du temps sur de nouveaux problèmes qu'il n'avait jamais vus auparavant. Les réseaux aléatoires, recâblés, ont eu beaucoup de mal, n'atteignant qu'environ 68 % de précision. La différence était substantielle, suggérant que l'arrangement spécifique du cerveau de la mouche offrait un avantage caché pour l'apprentissage des mathématiques, même si la mouche elle-même ne fait pas de mathématiques.
Les résultats ont été encore plus frappants avec la tâche de langage. Ici, le réseau devait connecter des entrées sensorielles à des mots, apprenant qu'un motif spécifique de signaux signifiait « pression forte » et que cela se produisait « avant » un « mouvement faible ». Les chercheurs ont testé le réseau de quatre manières différentes, en changeant l'endroit où l'information sensorielle entrait dans le cerveau et où les mots sortaient, pour s'assurer que les résultats n'étaient pas simplement le fruit du hasard d'une configuration spécifique. À travers tous ces tests, le réseau construit sur le cerveau de la vraie mouche a systématiquement surpassé les versions recâblées. Lors du test le plus difficile, qui exigeait que le réseau associe correctement une scène à sa description et aussi la scène inversée à sa description inversée, le vrai cerveau a obtenu un score d'environ 62 %, tandis que les versions aléatoires tournaient autour de 44 %. Dans une comparaison plus large impliquant vingt recâblages aléatoires différents, le cerveau de la vraie mouche s'est classé premier, battant chacun d'entre eux.
Crucialement, l'étude a montré que cet avantage ne dépendait pas seulement du nombre de connexions. Les chercheurs ont découvert que le succès du vrai cerveau dépendait fortement de l'alignement entre les entrées sensorielles et les parties spécifiques du cerveau auxquelles elles étaient connectées. Lorsque les signaux sensoriels ont été brouillés de sorte que l'entrée ne corresponde plus au câblage naturel du cerveau, la performance du vrai cerveau s'est effondrée, passant d'environ 61 % à seulement 19 %. Cela a prouvé que la structure du cerveau n'était pas seulement un contenant générique pour l'apprentissage ; c'était une machine spécialisée où l'emplacement physique des entrées importait profondément. Les réseaux aléatoires, dépourvus de cet alignement spécifique, ne pouvaient pas se rétablir de la confusion.
Les conclusions suggèrent que la façon dont un cerveau est câblé contient un plan réutilisable pour l'apprentissage, un biais inductif qui aide à résoudre des problèmes efficacement. Cela ne signifie pas que le cerveau de la mouche est un ordinateur universel capable de tout faire. Le réseau avait toujours besoin d'être entraîné à partir de zéro, et il ne pouvait pas apprendre sans les entrées sensorielles correctes. Cependant, l'étude démontre que l'arrangement biologique des arêtes d'un connectome est plus qu'un simple enregistrement du passé d'un animal ; c'est une architecture fonctionnelle qui peut être réutilisée pour des tâches cognitives conçues par l'homme. Les voies spécifiques qui ont évolué pour qu'une mouche navigue dans son monde permettent également de donner un coup de pouce à un ordinateur essayant d'apprendre l'arithmétique et le langage, une découverte qui remet en question l'idée selon laquelle le câblage biologique ne serait utile que pour les comportements pour lesquels il a été initialement conçu.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.