Des chercheurs apprennent aux robots à penser comme les humains
Des scientifiques japonais démontrent comment le calcul du réservoir physique peut être utilisé pour stimuler les cellules cérébrales à contrôler une machine d’IA.
Des visions d’un avenir avec des robots aussi intelligents, voire plus intelligents, que les humains se jouent déjà dans les films de science-fiction. Aujourd’hui, des scientifiques japonais ont récemment fait des progrès dans la vie réelle en apprenant aux robots à penser comme les humains à l’aide d’une nouvelle méthode informatique.
Une équipe de chercheurs de l’Université de Tokyo a travaillé avec une technologie émergente appelée calcul de réservoir physique pour créer un lien entre un système neuronal et une machine. Plus précisément, les chercheurs ont stimulé électriquement une culture de cellules nerveuses cérébrales connectées à une machine d’intelligence artificielle (IA) pour lui donner des commandes à suivre, ont-ils déclaré.
À l’aide de cette technique, les chercheurs ont démontré comment un robot pouvait apprendre à naviguer dans un labyrinthe en stimulant électriquement les cellules nerveuses du cerveau auxquelles ils étaient connectés en utilisant l’apprentissage d’erreur réduite et contrôlée de premier ordre (FORCE). Ils ont décrit leur travail dans un article publié dans Applied Physics Letters.
« Le calcul de réservoir physique (PRC) est un concept émergent dans lequel la dynamique non linéaire intrinsèque d’un système physique donné … est exploitée en tant que ressource de calcul ou réservoir », ont expliqué les chercheurs dans un résumé pour l’article. « Des études récentes ont caractérisé la riche dynamique des activités neuronales spatio-temporelles en tant qu’origine du calcul neuronal, parfois en tant que réservoir, et ont démontré la PRC dans des cultures neuronales vivantes. »
Pourtant, les scientifiques ont eu du mal à générer une sortie de signal cohérent à partir d’un système neuronal spontanément actif à l’aide de la PRC, c’est là que FORCE est entré en jeu dans leur travail, selon l’article.
Lien Neuro-Physique
|
Avec l’aimable autorisation des chercheurs/lettres de physique appliquée
Des scientifiques de l’Université de Tokyo ont utilisé le calcul des réservoirs physiques pour expérimenter des robots, les plaçant sur des champs avec des obstacles et les dirigeant vers un objectif avec un stimulus électrique. |
Les chercheurs ont utilisé des cellules nerveuses, ou neurones, issus de cellules vivantes pour agir comme réservoir physique permettant à l’ordinateur de construire des signaux homéostatiques cohérents indiquant au robot que l’environnement interne était maintenu dans une certaine plage. Ils ont également agi comme une ligne de base alors qu’il se déplaçait librement dans le labyrinthe.
Chaque fois que le robot se dirigeait dans la mauvaise direction ou faisait face dans le mauvais sens, les chercheurs perturbaient les neurones de la culture cellulaire avec une impulsion électrique. Le robot a été continuellement alimenté par les signaux homéostatiques interrompus par les signaux de perturbation jusqu’à ce qu’il réussisse à naviguer dans le labyrinthe, ont déclaré les chercheurs.
Tout au long de l’expérience, le robot ne pouvait pas « voir » ou détecter son environnement et était donc entièrement dépendant des impulsions électriques d’essai et d’erreur. Les résultats suggèrent qu’en utilisant la PRC, les scientifiques peuvent générer un comportement ciblé chez les robots sans avoir besoin d’un apprentissage supplémentaire en utilisant ces signaux de perturbation, ont-ils déclaré.
De plus, sur la base de ce principe, les ordinateurs à réservoir physique peuvent produire des capacités intelligentes de résolution de tâches, créant finalement un réservoir qui comprend comment résoudre une tâche et créant ainsi un moyen artificiel pour les robots de « penser », ont-ils déclaré.
« Un cerveau de [an] Un enfant de l’école primaire est incapable de résoudre des problèmes mathématiques lors d’un examen d’admission à l’université, peut-être parce que la dynamique du cerveau ou de son « ordinateur réservoir physique » n’est pas assez riche », a expliqué Hirokazu Takahashi, professeur agrégé de mécano-informatique à l’université et co-auteur de l’article, dans un communiqué de presse. « La capacité de résolution de tâches est déterminée par la richesse du répertoire de modèles spatio-temporels que le réseau peut générer. »
En fin de compte, les chercheurs pensent que leur utilisation du calcul de réservoir physique dans ce contexte conduira à une meilleure compréhension du fonctionnement du cerveau et contribuera au développement de systèmes informatiques neuromorphiques.
