A Drosophila connectome prior enables adaptable embodied control
Cette étude démontre que l'utilisation du connectome cérébral de la drosophile adulte comme a priori structurel fixe pour le contrôle incarné permet une adaptabilité et une robustesse supérieures à travers diverses tâches de locomotion, morphologies corporelles et complexités environnementales par rapport aux réseaux de neurones artificiels standards.
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'intelligence n'est pas seulement une chose qui se passe à l'intérieur d'un cerveau ; c'est une conversation entre un corps et le monde. Pour qu'un animal puisse se déplacer, son système nerveux doit constamment traduire ce qu'il ressent et voit en actions qui lui permettent de garder l'équilibre et d'avancer. Ce processus, connu sous le nom de contrôle incarné, est incroyablement difficile car le monde n'est jamais statique. Une créature doit ajuster ses pas lorsque le sol devient irrégulier, tourner brusquement lorsqu'un prédateur apparaît, ou accélérer lorsqu'elle détecte de la nourriture. Bien que des ingénieurs aient construit des robots capables de marcher sur des terrains accidentés, ceux-ci reposent souvent sur des programmes informatiques complexes qui sont entraînés spécifiquement pour une forme de corps ou un type d'environnement précis. Si l'on change les jambes du robot ou la texture du sol, le programme échoue souvent. Cela soulève une question fondamentale pour les scientifiques : la manière spécifique dont un système nerveux biologique est câblé lui confère-t-elle une capacité d'adaptation particulière dont les systèmes artificiels sont dépourvus ? Pour le découvrir, des chercheurs se sont tournés vers la drosophile, une créature dont le système nerveux a été cartographié avec une précision exquise, jusqu'à chaque connexion entre ses cellules nerveuses.
Les chercheurs ont pris la carte complète des connexions du cerveau d'une drosophile adulte, appelée connectome, et l'ont utilisée comme le « cerveau » fixe pour la simulation informatique d'une mouche numérique. Cette mouche numérique possédait un corps avec six pattes, des capteurs pour ressentir le sol et des muscles pour bouger. L'équipe n'a pas recâblé la carte cérébrale ; au contraire, elle a conservé les connexions exactement telles qu'elles sont dans la nature et a seulement appris à la mouche comment lire ses capteurs et comment envoyer des signaux à ses muscles. Ils ont ensuite soumis cette mouche numérique à une série de tests, lui demandant de marcher sur un sol plat, de grimper sur des blocs de hauteur croissante, de tourner dans différentes directions et de changer de vitesse. Ils ont comparé cette mouche, qui utilisait la carte cérébrale naturelle, à une mouche numérique contrôlée par un programme d'intelligence artificielle standard conçu pour apprendre à partir de zéro.
Lorsque les mouches marchaient sur un sol plat à une vitesse constante, les deux performaient aussi bien l'une que l'autre. Cela a montré que la carte cérébrale naturelle n'était pas intrinsèquement supérieure pour des tâches simples et immuables. Cependant, dès que la situation changeait, la différence devenait évidente. Lorsque la mouche numérique devait franchir des blocs mesurant près d'un demi-millimètre de haut, la mouche utilisant la carte cérébrale naturelle franchissait ces obstacles avec beaucoup plus de succès que l'artificielle. Elle se déplaçait également de manière plus fluide, avec moins de mouvements saccadés, et était plus efficace pour suivre les changements de vitesse, comme lorsqu'on lui demandait d'accélérer ou de ralentir selon un certain rythme. Lorsqu'elle devait tourner, la carte cérébrale naturelle lui permettait de réorienter son corps plus précisément et avec moins de mouvements inutiles. Le programme artificiel peinait à faire ces ajustements, dépassant souvent sa cible ou perdant l'équilibre.
Pour comprendre pourquoi la carte naturelle fonctionnait mieux, les chercheurs ont regardé à l'intérieur de la simulation pour voir comment l'information circulait. Ils ont découvert que lorsqu'une mouche rencontrait un obstacle difficile, la carte cérébrale naturelle activait spontanément des voies spécifiques reliant les capteurs des pattes aux commandes motrices. Ces voies, qui comprennent des neurones transportant des signaux vers le haut depuis le corps et d'autres transportant des commandes vers le bas depuis le cerveau, semblaient travailler ensemble de manière coordonnée, ce que le programme artificiel ne pouvait reproduire. Le système naturel semblait posséder une flexibilité intégrée, lui permettant de recruter les bonnes parties du réseau pour la tâche à accomplir sans avoir besoin d'en être explicitement informé. De plus, les chercheurs ont découvert que la carte cérébrale naturelle était plus robuste face aux petites erreurs ou aux changements de ses paramètres, suggérant que sa structure crée une base stable pour l'apprentissage de nouveaux comportements.
La partie la plus frappante de l'étude est survenue lorsque les chercheurs ont testé si cet avantage se maintenait lorsque le corps lui-même changeait. Ils ont pris la même carte cérébrale fixe de la mouche et l'ont connectée aux corps d'animaux simulés très différents : une fourmi à quatre pattes, un robot à deux pattes, un trépied à trois pattes et un hexapode à six pattes. Dans chaque cas, la carte cérébrale qui avait évolué pour une mouche aidait les nouveaux corps à mieux se déplacer que les programmes artificiels. L'avantage était particulièrement clair lorsque les animaux devaient naviguer dans des labyrinthes complexes. À mesure que les labyrinthes devenaient difficiles, avec plus de virages et d'impasses, le contrôleur doté du cerveau de mouche devenait de plus en plus performant pour trouver son chemin par rapport aux contrôleurs artificiels. Même si le cerveau de la mouche était conçu pour un insecte à six pattes, il aidait un robot à deux pattes à se tenir debout et une fourmi à quatre pattes à courir plus vite et plus directement. L'étude suggère que le câblage spécifique du cerveau de la mouche contient un principe général d'adaptabilité qui peut être transféré à différentes formes de corps.
Ce travail ne prétend pas que nous puissions simplement copier le cerveau d'une mouche et l'injecter dans n'importe quel robot. Les simulations ont montré que le câblage naturel fournit un point de départ solide, ou un « a priori », qui rend l'apprentissage de nouveaux mouvements plus facile et plus fiable. Les programmes artificiels devaient toujours apprendre à lire les capteurs et à bouger les muscles de leurs nouveaux corps, mais ils apprenaient beaucoup plus vite et performaient mieux en partant de la carte cérébrale de la mouche qu'en partant de zéro. Les résultats suggèrent que l'évolution a façonné les systèmes nerveux non seulement pour accomplir des tâches spécifiques, mais pour fournir une structure flexible capable de gérer les changements imprévus du monde réel. En utilisant le cerveau de la drosophile comme guide, les chercheurs ont démontré que la manière dont les neurones sont connectés importe tout autant que les neurones eux-mêmes, offrant un nouveau modèle pour construire des machines capables de s'adapter à un monde changeant.
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.