Depuis le test de Turing, on peut dire que l’intelligence artificielle (IA) a fait son chemin… Et les experts du secteur se rapprochent toujours plus des capacités cognitives humaines. Car c’est bien de cela qu’il est question : concevoir des logiciels capables d’imiter le mieux possible le cerveau humain. Dans ce but, une startup australienne, Cortical Labs, a franchi un nouveau cap : elle a conçu un type de puce informatique intégrant de vrais neurones.
L’objectif de l’équipe est de créer des mini cerveaux hybrides capables d’effectuer les mêmes tâches qu’une IA logicielle, ou du moins la plupart. À ce jour, les puces de Cortical Labs possèdent un faible niveau d’intelligence, mais l’un des premiers objectifs est de les rendre capables de jouer au célèbre jeu Pong développé par Atari. À savoir qu’il s’agit là d’une étape particulièrement significative : Pong est également le jeu qui a permis à DeepMind de démontrer les performances de son IA en 2013. Son algorithme est basé sur la technique du Deep reinforcement learning : comme l’Homme, le logiciel est capable d’apprendre en effectuant des actions et en observant leurs effets et conséquences. L’entreprise britannique a été rachetée par Google un an plus tard.
Toujours plus près du cerveau…
La base de travail de Cortical Labs sont des cellules neuronales, et le projet n’en est qu’à ses prémices. Hon Weng Chong, co-fondateur de l’entreprise, estime cependant que ses mini cerveaux devraient être capables de jouer à Pong d’ici la fin de l’année. « Ce que nous essayons de faire, c’est montrer que nous pouvons façonner le comportement de ces neurones », explique-t-il.
Pour disposer du matériel biologique nécessaire, l’équipe utilise actuellement deux procédés : l’extraction de neurones sur des embryons de souris ou bien la transformation de cellules de peau humaine en cellules souches induites, qui deviendront des neurones. Les cellules neuronales sont ensuite placées dans un milieu liquide nutritif, au-dessus d’une puce spécialisée, équipée d’une grille de 22’000 électrodes, dont le rôle est de fournir des entrées électriques aux neurones et de détecter les sorties (tout comme l’interface I/O d’un ordinateur en quelque sorte).
Chong et ses collègues se sont largement inspirés du travail de Karl Friston, neuroscientifique à l’University College London, réputé pour ses travaux sur l’imagerie cérébrale, ainsi que ses fondements théoriques de la façon dont les systèmes biologiques, notamment les réseaux neuronaux, s’auto-organisent. Friston souligne qu’il a toujours pensé que les puces informatiques pourraient être grandement améliorées si elles s’inspiraient davantage de l’organisation des réseaux neuronaux. Il n’avait en revanche pas envisagé l’intégration directe de neurones dans un processeur ! Et le neuroscientifique se dit d’autant plus épaté par le travail de Cortical Labs : « Ce que ce groupe a pu faire est, à mon avis, la bonne voie à suivre pour mettre ces idées en pratique ».
Une IA moins énergivore, un apprentissage moins fastidieux
Selon Chong, les puces hybrides conçues par Cortical Labs pourraient éventuellement être la clé pour simuler des raisonnements complexes et une compréhension conceptuelle que l’IA d’aujourd’hui ne peut pleinement maîtriser. Autre avantage : ces puces d’un nouveau genre sont particulièrement économes en énergie, au contraire du deep learning (apprentissage profond).
Le traitement d’une grande quantité de données, dans le cas de l’IA, nécessite en effet une énorme quantité d’énergie. Une étude américaine menée l’an dernier estime que l’empreinte carbone inhérente à l’apprentissage d’une seule IA est de 284 tonnes d’équivalent CO2, soit cinq fois les émissions à vie d’une voiture moyenne.
AlphaGo – le logiciel développé par DeepMind pour le jeu de Go – a consommé un mégawatt d’énergie lorsqu’il a battu le meilleur joueur humain au monde, Lee Sedol, en 2016 ; soit une quantité d’énergie qui aurait pu servir à alimenter une centaine de maisons pendant une journée. Le cerveau humain, lui, ne consomme qu’une vingtaine de watts, soit 50’000 fois moins d’énergie !
En outre, l’utilisation de neurones biologiques élimine d’autres points de difficultés habituellement rencontrés, notamment dans la phase d’apprentissage. Cette dernière est un processus laborieux, qui nécessite des ajustements permanents des coefficients de pondération des données traitées. Il faut également que le logiciel puisse être apte à décider, selon le contexte, s’il est préférable de chercher de nouvelles solutions ou bien s’appuyer sur une situation déjà rencontrée. Selon Friston, toutes ces problématiques ne se posent pas dans le cas de vrais neurones, qui eux sont capables de s’auto-organiser.
Vers une intelligence artificielle générale
Chong et son co-fondateur Andy Kitchen ambitionnent d’atteindre un niveau bien plus élevé que les technologies d’IA actuelles : l’intelligence artificielle générale (IAG). Ce concept désigne les systèmes capables de performer dans toutes les tâches cognitives propres aux êtres humains (ou aux animaux dits supérieurs). Des performances pouvant même aller jusqu’à simuler une conscience et des sentiments. À ce jour, aucun système n’a atteint ce niveau de similitude avec le cerveau humain. Mais les deux collègues estiment être sur la bonne voie : « Le seul moyen d’obtenir une intelligence de niveau humain est d’utiliser des neurones humains ».
Sur le même sujet : Comment le cerveau des animaux peut-il aider à perfectionner l’intelligence artificielle ?
Cortical Labs n’est d’ailleurs pas la seule entreprise à s’intéresser à l’informatique biologique. En 2017, une startup californienne, Koniku, présentait un dispositif conçu à partir de neurones de souris, le Koniku Kore Bio-Electric Sensor, capable de détecter certains composés chimiques. Koniku destine sa technologie à un usage militaire, entre autres : positionné dans des drones, le dispositif pourrait servir à la détection d’explosifs par exemple.
Des chercheurs du MIT ont, quant à eux, utilisé une souche spécialisée de bactéries sur une puce hybride, pour développer de nouvelles capacités de diagnostic médical. L’intelligence artificielle à base biologique n’a donc pas fini de nous étonner et ce genre d’innovations va très certainement se multiplier dans la prochaine décennie.