Pour approfondir leurs recherches, les chercheurs ont tenté de reproduire les performances des humains et des babouins avec l’intelligence artificielle, en utilisant des modèles de réseaux de neurones inspirés d’idées mathématiques de base sur ce que font les neurones et comment ils sont liés. Ces modèles – des systèmes statistiques alimentés par des vecteurs de grande dimension, des tableaux qui multiplient des couches sur des couches de nombres – correspondent avec succès aux performances des babouins mais pas à celles des humains ; Ils ne reproduisent pas l’effet de régularité. Cependant, lorsque les chercheurs ont créé un modèle augmenté d’éléments symboliques (le modèle a reçu une liste de propriétés de régularité géométrique, telles que les angles droits et les lignes parallèles), il a fidèlement reproduit les performances humaines.
Ces découvertes, à leur tour, posent un défi à l’IA. « J’adore les progrès de l’intelligence artificielle », a déclaré le Dr Dehaene. « C’est très impressionnant. Mais je pense qu’il manque un aspect profond, qui est le traitement des symboles », c’est-à-dire la capacité de manipuler des symboles et des concepts abstraits, comme le fait l’esprit humain. C’est le sujet de son dernier livre.Comment nous apprenons : pourquoi les cerveaux apprennent mieux que n’importe quelle machine… en ce moment. «
Joshua Bengio, informaticien à l’Université de Montréal, a convenu que l’IA actuelle n’a rien à voir avec les symboles ou le raisonnement abstrait. Il a déclaré que les travaux du Dr Dehaene fournissent « la preuve que le cerveau humain utilise des capacités que nous n’avons pas encore trouvées dans les dernières techniques d’apprentissage automatique ».
Cela est particulièrement vrai, a-t-il dit, lorsque nous collectons des symboles au fur et à mesure que nous composons et reconfigurons des éléments de connaissance, ce qui nous aide à généraliser. Cet écart pourrait expliquer les limites de l’IA – une voiture autonome, par exemple – et la rigidité du système face à des environnements ou des scénarios différents de l’ensemble de formation. C’est une indication de la direction que devrait prendre la recherche sur l’IA, a déclaré le Dr Bengio.
Le Dr Bengio a noté que des années 1950 aux années 1980, les stratégies de traitement symbolique dominaient la « bonne vieille IA », mais que ces méthodes n’étaient pas tant motivées par le désir de reproduire les capacités du cerveau humain que par un raisonnement basé sur la logique (par exemple exemple, preuve de validation de la théorie). Puis vinrent l’intelligence artificielle statistique et la révolution des réseaux de neurones, qui a commencé dans les années 1990 et s’est accélérée en 2010. Le Dr Binggio a été le pionnier de cette méthode d’apprentissage en profondeur, directement inspirée du réseau de neurones du cerveau humain.
pour lui autre Recherche Il propose d’étendre les capacités des réseaux de neurones en les entraînant à générer ou à visualiser des symboles et d’autres représentations.
Il n’est pas impossible de faire de la pensée abstraite avec des réseaux de neurones, a-t-il dit, « C’est juste que nous ne savons pas encore comment le faire. » Le Dr Bengio a un projet majeur avec le Dr DeHaene (et d’autres neuroscientifiques) pour étudier comment les pouvoirs de traitement conscients des humains peuvent inspirer et améliorer la prochaine génération d’intelligence artificielle.
