Les réseaux de neurones sont devenus un sujet brûlant au cours de la dernière décennie, mis au travail sur des tâches allant de la reconnaissance de contenu d’image à la génération de texte et même à la lecture de jeux vidéo. Cependant, ces réseaux de neurones artificiels ne sont essentiellement que des tas de calculs à l’intérieur d’un ordinateur, et bien qu’ils soient capables de grandes choses, la technologie n’a pas encore montré sa capacité à produire une véritable intelligence.
Cortical Labs, basé à Melbourne, en Australie, a une approche différente. Plutôt que de s’appuyer uniquement sur le silicium, leur travail consiste à développer de véritables neurones biologiques sur des réseaux d’électrodes, leur permettant d’être interfacés avec des systèmes numériques. Leurs derniers travaux ont montré que ces véritables réseaux de neurones biologiques peuvent être amenés à apprendre, selon un article pré-imprimé qui n’a pas encore fait l’objet d’un examen par les pairs.
Articles humides
L’objectif général du travail est d’exploiter les neurones biologiques pour leur puissance de calcul, dans le but de créer une « intelligence biologique synthétique ». L’idée générale est que les neurones biologiques ont beaucoup plus de complexité et de capacité que n’importe quel réseau de neurones simulé dans un logiciel. Ainsi, si l’on souhaite créer une intelligence viable à partir de zéro, il est plus logique d’utiliser des neurones biologiques plutôt que de jouer avec des simulations créées par l’homme.
L’équipe à l’origine du projet a étudié les réseaux de neurones développés à partir de cellules de souris et humaines. Des cellules corticales de souris ont été récoltées à partir d’embryons à cette fin, tandis que dans le cas des cellules humaines, des cellules souches pluripotentes ont été utilisées et différenciées en neurones corticaux à des fins de test. Ces cellules ont été étalées sur un réseau multiélectrodes haute densité de Maxwell Biosystems.
Une fois déposées et correctement cultivées en laboratoire, les cellules ont formé des « réseaux dendritiques densément interconnectés » sur la surface du réseau d’électrodes. Celles-ci pourraient ensuite être stimulées électroniquement via le réseau d’électrodes, et les réponses des neurones relues à leur tour. Le résultat fut un système surnommé PlatCerveaupour le simple fait qu’il est constitué de matière neurale vivant essentiellement dans une boîte de Pétri.
PlatCerveau a été mis à l’épreuve dans un environnement de jeu simulé rappelant le jeu Pong. Le réseau neuronal biologique (BNN) comporte une série d’électrodes qui ont été stimulées en fonction de l’état du jeu, fournissant aux cellules une entrée sensorielle. D’autres électrodes ont ensuite été affectées pour contrôler le mouvement de haut en bas de la raquette dans le jeu.
Une variété d’approches de rétroaction ont ensuite été utilisées pour voir si le réseau de neurones pouvait apprendre à contrôler le jeu intelligemment. L’idée principale était basée sur le principe de l’énergie libre, dans lequel les systèmes biologiques visent à agir pour maintenir un état mondial qui correspond à leurs propres modèles internes. Ainsi, la boucle de rétroaction de condition « Stimulus » a été conçue pour fournir une rétroaction aléatoire imprévisible lorsque la balle a été manquée par la raquette, et une rétroaction prévisible lorsque la raquette a frappé la balle correctement. Cette méthode a ensuite été comparée à un mode silencieux où le stimulus était entièrement coupé lorsque la raquette frappait la balle, et à un mode sans rétroaction où aucun stimulus spécial n’était fourni par rapport à l’état du jeu. Un mode repos a également été utilisé pour obtenir une lecture de base de l’activité lorsqu’elle n’est pas stimulée.
Les résultats ont montré qu’au départ, il y avait peu de différence dans les performances de jeu entre les différents modes, la condition Stimulus étant légèrement moins performante. Cependant, après les cinq premières minutes, les statistiques ont montré que dans la condition Stimulus, le réseau neuronal maintenait des rallyes plus longs de frappes répétées de la balle et était moins susceptible de manquer le service initial, par rapport aux modes silencieux et sans retour. En fait, la condition Stimulus était également la seule condition dans laquelle le réseau montrait des performances améliorées au fil du temps, suggérant la preuve d’un effet d’apprentissage. En comparaison, les modes silencieux et sans retour ont maintenu un niveau de performance relativement stable tout au long d’un test complet de 20 minutes.
La recherche, qui n’a pas encore été évaluée par des pairs, est très prometteuse dans plusieurs domaines. Non seulement c’est une preuve supplémentaire que nous pouvons réussir à nous développer et à nous interfacer avec les cellules neuronales, mais cela fournit également une plate-forme pour une meilleure compréhension du fonctionnement de notre cerveau, à la fois sur le plan conceptuel et physique. Si les résultats sont confirmés comme étant valides, cela suggère que l’équipe de recherche a essentiellement réussi à faire pousser un cerveau très simple dans une cuve et l’a entraîné à contrôler un jeu vidéo. Les joueurs professionnels d’e-sport doivent être avertis ! (OK, peut-être pas encore.)
L’article permet une lecture dense, mais il montre qu’il existe un réel potentiel pour que les neurones biologiques soient entraînés à accomplir intelligemment des tâches de concert avec des interfaces numériques. Bien qu’il n’en soit qu’à ses débuts, dans quelques décennies, vous pourriez recharger votre voiture autonome avec un flacon de milieu de croissance neuronale pour vous assurer de pouvoir traverser le pays en toute sécurité lors de votre roadtrip sans qu’il ne se mêle accidentellement à la circulation. L’humanité est en train d’apprendre à s’interfacer avec de vrais cerveaux biologiques, et il se peut que nous maîtrisions cela avant de réussir à créer le nôtre à partir de rien !
