Un chercheur a développé un réseau neuronal profond capable d’imiter la capacité du cerveau humain à interpréter les illusions d’optique, en s’appuyant sur l’effet tunnel quantique. Lors d’essais, le réseau a simulé les interprétations humaines des célèbres cube de Necker et vase de Rubin beaucoup mieux que les grands réseaux neuronaux conventionnels utilisés pour la vision par ordinateur.
La vision humaine repose sur une interaction complexe de processus physiologiques et psychologiques. Les illusions d’optique exploitent ces mécanismes, amenant le cerveau à percevoir d’abord une interprétation de l’image, avant de basculer vers une autre au fur et à mesure de l’observation. Cette capacité à alterner entre plusieurs interprétations est une caractéristique du cerveau humain.
À l’inverse, les algorithmes d’intelligence artificielle actuels, bien qu’inspirés par la structure des réseaux neuronaux biologiques, peinent à reproduire cette faculté. Leur approche, focalisée sur la reconnaissance et la classification des objets, néglige les subtilités neurologiques et psychologiques de la perception humaine. Des études suggèrent que cette limitation réside dans des différences fondamentales entre les neurones artificiels et biologiques.
Ivan Maksymov, chercheur principal à l’Institut d’intelligence artificielle et de cyber-avenir de l’Université Charles Sturt (Australie), propose une approche novatrice. En exploitant l’effet tunnel quantique, il a conçu un réseau neuronal profond capable d’interpréter les illusions d’optique. « À première vue, les illusions d’optique, la mécanique quantique et les réseaux neuronaux semblent des sujets disparates. Pourtant, mes recherches montrent que le ‘tunneling quantique’ peut doter les réseaux neuronaux d’une capacité d’interprétation similaire à celle des humains », explique-t-il dans un article de The Conversation.
La fusion des réseaux neuronaux profonds et de l’effet tunnel quantique
Le cerveau humain traite l’information en décidant quelles données sont pertinentes. Les réseaux neuronaux profonds s’inspirent de ce fonctionnement en intégrant plusieurs couches de neurones artificiels pour trier et stocker les données essentielles. Contrairement aux réseaux neuronaux classiques, qui ne comportent qu’une seule couche de neurones, ces systèmes complexes peuvent gérer des informations non linéaires.
Les neurones artificiels, pour être activés, doivent franchir des barrières que les signaux électriques aident à surmonter. Maksymov postule que l’effet tunnel quantique pourrait permettre aux neurones de traverser ces barrières, activant les neurones même dans des conditions a priori défavorables. Cette capacité pourrait ainsi permettre un traitement des illusions d’optique par les réseaux neuronaux.
L’effet tunnel désigne la capacité d’un objet quantique à franchir une barrière a priori infranchissable. Cette propriété découle de la capacité des particules subatomiques (photons, électrons, etc.) à se comporter à la fois comme des ondes et des particules (dualité onde-corpuscule). Découvert au début du XXe siècle, cet effet explique des phénomènes inexpliqués par la physique classique, tels que la désintégration radioactive.
Il a également été suggéré que les effets quantiques jouent un rôle essentiel dans le fonctionnement de notre cerveau et pourraient éclairer certains mécanismes comportementaux humains. Bien que ces hypothèses manquent encore de preuves, il a été démontré que les algorithmes de calcul quantiques sont plus efficients que les classiques pour de nombreuses tâches. « Dans cet esprit, j’ai voulu explorer ce qui se passerait si j’intégrais des effets quantiques au sein d’un réseau neuronal », explique Maksymov.
Une analogie avec le paradoxe du chat de Schrödinger
Le réseau neuronal profond conçu par Maksymov a été entraîné à plusieurs reprises pour interpréter des illusions d’optique, telles que le cube de Necker et le vase de Rubin. Chaque passage par l’effet tunnel quantique modifie subtilement les images, et le réseau « décide » de leur interprétation.
En traitant les illusions d’optique, l’algorithme a produit des sorties correspondant aux deux interprétations possibles (les formes du cube selon l’orientation et le vase ou les visages pour le vase de Rubin). Au fil du temps, les interprétations ont commencé à osciller entre les deux avant de se stabiliser sur un choix, imitant ainsi le processus de perception humaine. Cette dynamique rappelle le célèbre paradoxe quantique du chat de Schrödinger, où le chat est simultanément vivant et mort jusqu’à l’observation.
Selon le chercheur, cette expérience s’apparente à la célèbre expérience de pensée quantique du chat de Schrödinger. Dans cette expérience, le chat enfermé dans une boîte avec une fiole de poison est à la fois mort et vivant jusqu’à ce que la boîte soit ouverte et que son état soit déterminé. Les particules quantiques peuvent en effet se trouver dans différents états simultanément jusqu’à être observées ou mesurées. L’oscillation du réseau neuronal entre deux interprétations évoque cet effet quantique.
Maksymov entrevoit de vastes implications pour ces résultats, notamment dans l’amélioration de l’interprétation des données de vol par les pilotes et astronautes, ou encore dans le diagnostic de troubles neurologiques. Les réseaux neuronaux profonds intégrant l’effet tunnel quantique pourraient également contribuer à l’émergence de « robots conscients ». Les IA formées à interpréter ces illusions pourraient accélérer le diagnostic des maladies neurologiques. Les résultats détaillés de l’étude sont publiés dans la revue APL Machine Learning.
L’électron est une particule élémentaire qui, avec les protons et
les neutrons, constitue les atomes. C’est donc l’un des composants
principaux de la matière baryonique. À ce titre, il revêt... [...]