Avec tout le battage médiatique autour de ChatGPT, la plupart des gens sont étourdis par les promesses de l’intelligence artificielle, mais ils en négligent les pièges. Si nous voulons avoir des machines véritablement intelligentes qui comprennent leur environnement, apprennent en permanence et nous aident au quotidien, nous devons appliquer les neurosciences aux modèles d’intelligence artificielle à apprentissage profond. Pourtant, à quelques exceptions près, ces deux disciplines sont restées étonnamment isolées pendant des décennies.
Cela n’a pas toujours été le cas. Dans les années 1930, Donald Hebb et d’autres ont élaboré des théories sur la manière dont les neurones apprennent, inspirant les premiers modèles d’apprentissage profond. Puis, dans les années 1950 et 1960, David Hubel et Torsten Wiesel ont remporté le prix Nobel pour avoir compris le fonctionnement du système perceptif du cerveau. Cela a eu un impact important sur la réseaux neuronaux convolutifsqui constituent aujourd’hui une part importante de l’apprentissage profond de l’intelligence artificielle.
Les super-pouvoirs du cerveau
Alors que le domaine des neurosciences a explosé au cours des 20 à 30 dernières années, presque aucune de ces percées récentes n’est évidente dans les systèmes d’I.A. d’aujourd’hui. Si vous interrogez les professionnels de l’I.A. d’aujourd’hui, ils ne sont pas au courant de ces avancées et ne comprennent pas comment les récentes percées neuroscientifiques peuvent avoir un impact sur l’I.A. Cela doit changer si nous voulons des systèmes d’I.A. capables de repousser les limites de la science et de la connaissance.
Par exemple, nous savons aujourd’hui qu’il existe une circuit commun dans notre cerveau qui peut être utilisé comme modèle pour l’I.A.
Le cerveau humain consomme environ 20 watts d’énergie pour un adulte moyen, soit moins de la moitié de la consommation d’une ampoule électrique. En janvier, le ChatGPT a consommé à peu près autant d’électricité que 175 000 personnes.. Étant donné L’adoption fulgurante du ChatGPTil consomme aujourd’hui autant d’électricité par mois que 1 000 000 d’habitants. A papier de l’université du Massachusetts Amherst indique que “la formation d’un seul modèle d’I.A. peut émettre autant de carbone que cinq voitures au cours de leur vie”. Pourtant, cette analyse ne portait que sur un d’entraînement. Lorsque le modèle est amélioré par des entraînements répétés, la consommation d’énergie est beaucoup plus importante.
Outre la consommation d’énergie, les ressources informatiques nécessaires à la formation de ces systèmes d’I.A. ont été utilisées à plusieurs reprises. doublent tous les 3,4 mois depuis 2012. Aujourd’hui, avec l’augmentation incroyable de l’utilisation de l’I.A., on estime que les coûts d’inférence (et la consommation d’énergie) sont au moins 10 fois plus élevés que les coûts de formation. C’est totalement insoutenable.
Le cerveau n’utilise pas seulement une infime partie de l’énergie utilisée par les grands modèles d’I.A., mais il est également “véritablement” intelligent. Contrairement aux systèmes d’I.A., le cerveau peut comprendre la structure de son environnement pour faire des prédictions complexes et mener des actions intelligentes. Et contrairement aux modèles d’I.A., les humains apprennent de manière continue et incrémentale. À l’inverse, le code n’a pas encore véritablement “appris”. Si un modèle d’I.A. commet une erreur aujourd’hui, il continuera à la répéter jusqu’à ce qu’il soit réentraîné à l’aide de nouvelles données.
Comment les neurosciences peuvent stimuler les performances de l’I.A.
Malgré le besoin croissant de collaboration interdisciplinaire, les différences culturelles entre les neuroscientifiques et les praticiens de l’I.A. rendent la communication difficile. En neurosciences, les expériences requièrent une quantité énorme de détails et chaque découverte peut nécessiter deux à trois ans d’enregistrements, de mesures et d’analyses minutieux. Lorsque des articles de recherche sont publiés, les détails sont souvent perçus comme du charabia par les professionnels de l’I.A. et les informaticiens.
Comment combler ce fossé ? Premièrement, les neuroscientifiques doivent prendre du recul et expliquer leurs concepts d’un point de vue global, afin que leurs résultats aient un sens pour les professionnels de l’I.A. Deuxièmement, nous avons besoin d’un plus grand nombre de chercheurs ayant une connaissance approfondie de l’I.A. et de ses applications. Deuxièmement, nous avons besoin d’un plus grand nombre de chercheurs ayant rôles hybrides I.A.-neurosciences afin de combler le fossé entre les deux domaines. Grâce à une collaboration interdisciplinaire, les chercheurs en I.A. peuvent mieux comprendre comment les découvertes neuroscientifiques peuvent être traduites en I.A. inspirées par le cerveau.
Des percées récentes prouvent que l’application de principes basés sur le cerveau à de grands modèles de langage peut accroître l’efficacité et la durabilité par des ordres de grandeur. Dans la pratique, il s’agit d’appliquer la logique neuroscientifique aux algorithmes, aux structures de données et aux architectures du modèle d’I.A. afin qu’il puisse apprendre rapidement à partir de très peu de données d’entraînement, tout comme notre cerveau.
Plusieurs organisations progressent dans l’application des principes cérébraux à l’I.A., notamment les agences gouvernementales, chercheurs universitaires, Intel, Google DeepMindet de petites entreprises comme Cortical.io (Cortical utilise la technologie de Numenta, et Numenta possède une partie de Cortical dans le cadre de notre accord de licence). Ce travail est essentiel si nous voulons développer les efforts en matière d’intelligence artificielle tout en protégeant le climat, car les systèmes d’apprentissage profond évoluent aujourd’hui vers des modèles de plus en plus grands.
Du virus de la variole à l’ampoule électrique, presque toutes les plus grandes percées de l’humanité sont le fruit de contributions et d’efforts multiples. collaboration interdisciplinaire. Il doit en être de même pour l’I.A. et les neurosciences.
Nous avons besoin d’un avenir où les systèmes d’I.A. sont capables d’interagir véritablement avec les scientifiques, en les aidant à créer et à mener des expériences qui repoussent les limites de la connaissance humaine. Nous avons besoin de systèmes d’I.A. qui améliorent réellement les capacités humaines, apprenant à nos côtés et nous aidant dans tous les aspects de notre vie.
Que nous le voulions ou non, l’I.A. est là. Nous devons la rendre durable et efficace en comblant le fossé entre les neurosciences et l’I.A. Ce n’est qu’ensuite que nous pourrons appliquer les bonnes méthodes d’interopérabilité. Ce n’est qu’ensuite que nous pourrons appliquer à l’I.A. la recherche interdisciplinaire, la commercialisation, l’éducation, les politiques et les pratiques adéquates afin qu’elle puisse être utilisée pour améliorer la condition humaine.
Subutai Ahmad est le PDG de Numenta.
Les opinions exprimées dans les commentaires de Fortune.com n’engagent que leurs auteurs et ne reflètent pas nécessairement les opinions et les croyances de Fortune.com. Fortune.
Plus de commentaires incontournables publiés par Fortune:
Retour à l’accueil Worldnet
