Curiosity shapes brain-like architectures and functions
Cet article démontre que la combinaison d'une curiosité de type infantile avec des contraintes biophysiques de type cérébral est suffisante pour favoriser l'émergence d'architectures neuronales complexes et de capacités cognitives, telles que la généralisation compositionnelle, dans les réseaux de neurones artificiels.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
L'esprit humain est un lieu de possibilités infinies. À partir d'une poignée de blocs élémentaires simples, nous pouvons construire des pensées infinies, planifier des futurs lointains et donner un sens à un monde qui ne cesse de changer. Depuis plus d'un siècle, les scientifiques ont cartographié les comportements et les circuits cérébraux qui permettent cela, pourtant un mystère fondamental demeure : comment un système composé de parties simples devient-il un esprit capable d'une complexité aussi profonde ? Une idée de longue date suggère que le cerveau ne vient pas pré-câblé avec toutes les réponses. Au contraire, il pourrait s'auto-organiser, se façonnant à travers l'interaction de limites biologiques et des expériences qu'il accumule au fil du temps. Cependant, tester cette théorie dans un cerveau humain vivant est impossible ; nous ne pouvons pas supprimer la curiosité d'un enfant ou réorganiser le câblage de son cerveau pour voir ce qui se passe. Pour résoudre ce puzzle, les chercheurs se sont tournés vers un autre type de laboratoire : la simulation informatique. En construisant des cerveaux artificiels qui suivent des règles spécifiques, les scientifiques peuvent observer l'émergence de la complexité à partir de la simplicité, offrant une fenêtre sur la façon dont nos propres esprits auraient pu prendre forme.
Dans une nouvelle étude, des chercheurs ont entrepris de voir si deux ingrédients spécifiques suffisaient à construire une machine semblable à un esprit. Ils ont pris une population de réseaux de neurones artificiels — des programmes informatiques conçus pour imiter la façon dont les neurones se connectent — et leur ont donné deux traits humains. Le premier était une forme de curiosité, modélisée d'après la façon dont les nourrissons explorent le monde. Le second était un ensemble de contraintes physiques, imitant les coûts biologiques auxquels les cerveaux réels sont confrontés, tels que l'énergie requise pour construire de longues connexions entre des parties distantes du cerveau. Les chercheurs voulaient savoir si ces deux facteurs, travaillant ensemble, pouvaient amener les réseaux artificiels à développer les mêmes structures complexes et capacités observées dans les cerveaux humains.
Pour capturer l'essence de la curiosité, l'équipe a d'abord étudié 275 nourrissons, âgés de huit à quinze mois. Ils ont observé comment les bébés regardaient des motifs visuels sur un écran, notant exactement quand ils décidaient de détourner le regard. Les chercheurs ont constaté que les nourrissons ne regardaient pas de manière aléatoire. Au lieu de cela, ils se comportaient comme des chercheurs de nourriture, mais leur « nourriture » était l'information nouvelle. Les bébés restaient engagés avec un motif tant qu'il leur apprenait quelque chose de nouveau. Dès que le motif cessait d'offrir des perspectives inédites, et que leur apprentissage ralentissait, ils se désengageaient et passaient à autre chose. Ce comportement correspond à un principe de l'écologie connu sous le nom de théorème de la valeur marginale, qui prédit qu'un agent doit quitter une ressource lorsque son rendement local tombe en dessous du rendement moyen disponible dans l'environnement. Les chercheurs ont traduit cette règle en un algorithme informatique, permettant à leurs réseaux artificiels de décider quand changer de tâche en fonction de ce qu'ils apprenaient à ce moment précis.
Le second ingrédient concernait la disposition physique des réseaux. Les vrais cerveaux ne sont pas simplement un sac de neurones ; ils sont enfermés dans un crâne où les connexions longues sont coûteuses à construire et à maintenir. Pour imiter cela, les chercheurs ont placé leurs réseaux artificiels dans un espace virtuel qui correspondait à la géométrie réelle du cerveau humain. Ils ont pénalisé les réseaux pour la création de connexions à longue distance, les forçant à être efficaces, tout comme l'évolution a forcé le cerveau humain à l'être. Ils ont ensuite entraîné ces réseaux sur une batterie de vingt tâches cognitives différentes, allant de jeux de correspondance simples à des défis de prise de décision complexes. Les réseaux étaient libres de choisir la tâche suivante à pratiquer, guidés par leur algorithme de curiosité, tout en étant contraints par leurs coûts de câblage physique.
Les résultats étaient frappants. Les réseaux combinant la curiosité et les contraintes physiques ne se sont pas contentés d'apprendre les tâches ; ils ont développé des structures internes qui ressemblaient remarquablement au cerveau humain. Leurs connexions se sont organisées en modules distincts, à l'instar des régions spécialisées du cerveau humain, et ils ont formé un « club riche » de hubs hautement connectés, une caractéristique critique pour une communication efficace dans l'esprit humain. Ces réseaux ont également suivi un chemin de développement qui reflète la croissance humaine. Tout comme les cerveaux humains connaissent une explosion rapide de connexions au début de l'enfance suivie d'une phase d'élagage lente et méticuleuse qui se poursuit à l'âge adulte, ces réseaux artificiels ont montré une hausse et une baisse similaires de leur densité de connexion. Les réseaux qui correspondaient le mieux à la structure du cerveau humain présentaient également le profil de performance cognitive le plus humain, s'améliorant à mesure qu'ils « vieillissaient » puis déclinant progressivement, tout comme les capacités humaines au cours d'une vie.
Plus important encore, ces réseaux anthropomorphes ont affiché un trait distinctif de la pensée humaine complexe : la capacité de recombiner ce qu'ils avaient appris. Les chercheurs ont testé cela en figeant les connexions internes des réseaux et en leur demandant de résoudre de nouveaux problèmes qui étaient des mélanges des tâches précédentes. Par exemple, si un réseau avait appris à éviter une distraction et avait appris à prendre une décision, pouvait-il instantanément résoudre une nouvelle tâche qui exigeait les deux ? Les réseaux mus par la curiosité et les contraintes physiques résolvaient ces nouvelles combinaisons rapidement. Ils n'avaient pas besoin de réapprendre les bases ; ils recombinaient simplement les outils internes qu'ils avaient déjà construits. En revanche, les réseaux qui apprenaient sans curiosité, ou sans les contraintes physiques, peinaient à établir ces connexions.
L'étude suggère que la curiosité n'est pas simplement un sous-produit d'un cerveau complexe ; c'est un moteur qui aide à construire cette complexité. En cherchant activement de nouvelles informations et en s'arrêtant lorsqu'elles ne sont plus utiles, un agent façonne sa propre architecture interne. Lorsque cette curiosité est couplée aux limites physiques d'un système biologique, le résultat est une structure capable d'une pensée flexible et humaine. Les découvertes offrent une nouvelle perspective sur la façon dont l'esprit émerge, suggérant que le chemin vers une cognition complexe ne consiste pas à construire des systèmes plus grands ou plus puissants, mais à laisser des contraintes simples et une exploration active se déployer au fil du temps. Cette approche fournit un cadre testable pour comprendre comment l'interaction entre la biologie et l'expérience crée la gamme illimitée de pensées qui définissent l'expérience humaine.
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.