Intelligence artificielle vs neurophysiologie : pourquoi la différence compte

Sur le temple d’Apollon à Delphes (Grèce), il était composé : « Cognosce te Ipsum » (Connais-toi toi-même). Il faut garder à l’esprit ces mots pour tous ceux qui veulent produire de l’intelligence artificielle.

Je continue ma série de courts articles sur la nature de l’intelligence humaine et l’avenir des systèmes d’intelligence artificielle. Cet article est une extension de l’article intitulé « Symbiose au lieu de développement – Une nouvelle idée sur la nature de l’intelligence humaine ».

Dans l’article précédent, après avoir évalué le temps de réaction minimum à un simple signal entrant , nous avons découvert que le cerveau humain avec un haut degré de probabilité pourrait s’avérer être une étoile double, comprenant deux plans pratiques de réponse à l’excitation : réflexe et intellectuel.

Dans cet article, nous parlerons de le tout premier, la partie réflexe. Ensemble, nous examinerons à quel point un plan de réaction réflexe est réellement similaire à un algorithme et comment cela peut avoir un impact sur l’avenir du système expert.

Comparable ne suggère pas exactement la même chose

Qu’est-ce que est la différence ?

Dans les films de vulgarisation scientifique, une impulsion nerveuse est présentée comme un type de signal qui traverse les cellules nerveuses comme des fils. Nous considérons cela comme un exemple biologique pour une impulsion électrique.

En vérité, ce n’est pas du tout le cas. Une impulsion nerveuse est un mouvement brusque d’ions sodium et potassium à travers la membrane externe d’un neurone utilisant des canaux ioniques dépendants du potentiel. Cette procédure peut être comparée aux chutes successives d’une piste de cartes ou de dominos. Après chaque impulsion nerveuse, le neurone doit ramener les ions à leur position d’origine. Dans notre exemple, voici comment développer à nouveau une piste à partir de cartes ou de dominos.

L’impulsion nerveuse est un effort. Il est essentiel que, dans son essence physique profonde, une impulsion nerveuse soit plutôt un travail mécanique, et pas du tout un signal électrique, comme beaucoup le pensent.

Cela limite sérieusement le taux de transmission du signal en biologie tissus. Le signal voyage le long de fibres non myélinisées de petit diamètre à une vitesse d’un mètre par seconde seulement. C’est comme une marche lente. Pour les fibres myélinisées plus grosses, la vitesse augmente jusqu’à 45-60 kilomètres par heure. Et rien que pour certaines grosses fibres avec une épaisse gaine de myéline et des interceptions spéciales de Ranvier, la vitesse atteint 200-300 km/h.

Généralement, les impulsions nerveuses dans notre système nerveux se déplacent 3 millions de fois plus lentement que les signaux électriques dans les systèmes informatiques. L’influx nerveux, en plus d’être lent, s’arrête également régulièrement au niveau des synapses, les points de jonction des neurones. Pour continuer le parcours, le signal nécessite de passer par la fente synaptique, point de jonction des cellules nerveuses. Nous pouvons affirmer que l’influx nerveux est un voyage assez lent avec des transferts.

Tout cela suggère que l’influx nerveux lui-même est déjà le résultat d’un effort intense, qui devrait simplement arriver quelque part à la fin du cours.

L’algorithme informatique est d’une nature totalement différente

Les algorithmes qui fonctionnent dans les systèmes informatiques sont alimentés par une série de chutes de tension ou de code d’appareil, y compris les ceux et absolument non.

En plus de la vitesse et de l’essence physique, il existe une longue série de différences essentielles entre le réflexe et l’algorithme. Une impulsion nerveuse ou un réflexe est une action incontournable, et un algorithme est une quantité de règles, ou un ensemble de directives conçues pour résoudre un problème particulier.

En d’autres termes, le réflexe peut être incorrect, mais ne peut pas être silencieux, et l’algorithme, au contraire, en règle générale, ne commet pas d’erreurs, mais peut ne pas offrir de réponse si la direction qu’il contient ne peut être exécutée.

Le réflexe comprend la réponse avant même la tâche, et l’algorithme trouve la réponse juste après avoir terminé toutes les étapes nécessaires.

Un exemple simple

Pensez à un problème simple pour trouver la valeur de X dans la formule 1 X 3 = 6. L’algorithme fera ceci : d’abord 6-1 = 5, puis 5-3 = 2, donc X = 2. Le réflexe répondra immédiatement X = 2. C’est vrai, cela aura lieu seulement si le réflexe a déjà vécu un tel scénario et a découvert empiriquement que les réponses 1 et 3 sont inexactes.

Mais que se passe-t-il si la circonstance se modifie et que la question devient plus difficile 1 XY = 6. Avec une telle préoccupation , l’algorithme restera silencieux et ne pourra pas fournir de réponse. En effet, les données préliminaires sont insuffisantes pour répondre. Ce choix a de nombreuses bonnes réponses. L’algorithme n’aura pas la capacité de déterminer lequel est précis.

Et pour le réflexe, absolument rien n’a réellement changé, le réflexe adressera simplement X = 2, et Y = 3 si le réflexe est actuellement satisfait. une telle tâche avant. Si ce n’est pas le cas, le réflexe répondra toujours à, mais très probablement avec une erreur.

Pourquoi est-ce ainsi ?

La réponse réside dans la dépense énergétique de la procédure d’influx nerveux. Mouvement du signal dans le système nerveux humain, une procédure extrêmement énergivore pour laquelle il est d’abord nécessaire de créer une capacité membranaire (jusqu’à 90 mV) à la surface d’une cellule nerveuse, puis de la déplacer considérablement, créant ainsi une onde de dépolarisation. Au moment d’une impulsion nerveuse, les ions se déplacent rapidement à travers la membrane, après quoi le neurone afférent doit ramener les ions sel et potassium à leur position d’origine. Pour cela, des pompes moléculaires spéciales (sodium-potassium adénosine triphosphatases) doivent fonctionner.

En conséquence, le tissu nerveux s’avère être la structure la plus énergivore de notre corps. Le cerveau humain pèse en moyenne 1,4 kilogramme, soit 2 % du poids corporel, et absorbe environ 20 % de toute l’énergie offerte à notre corps. Chez certains enfants de 4 à 6 ans, la consommation d’énergie du cerveau atteint 60% de l’énergie immédiatement disponible pour le corps !

Tout cela oblige la nature à économiser autant les ressources du système nerveux que possible.

Pour résoudre un seul travail pratique facile, le système nerveux a besoin d’environ 100 cellules nerveuses situées de manière compacte. Les anémones de mer (une classe de polypes coralliens) ont un système nerveux de base (100 neurones), qui peut reproduire (répéter) l’orientation initiale du corps s’ils sont transférés d’un endroit à un autre.

Plus tâches difficiles, plus de cellules nerveuses

Les tâches et fonctions supplémentaires nécessitent une augmentation de la puissance du système nerveux, ce qui entraîne inévitablement une augmentation du regroupement des neurones inclus. En conséquence, des centaines et d’innombrables neurones afférents voraces sont nécessaires.

Cependant, la nature sait comment trouver des options même lorsqu’il semble qu’absolument rien ne peut être inventé. Si le travail du système nerveux est si coûteux, alors il n’est pas nécessaire d’obtenir la réponse appropriée à un prix aussi élevé.

Il est tout simplement moins coûteux de se tromper.

D’un autre côté, une erreur est inutile à la nature. Si l’organisme se trompe souvent, il meurt tout simplement, et celui qui donne les réponses appropriées prend sa place. Même si de telles réponses sont le résultat d’un coup de chance. Au sens figuré, tout est de nature basique – juste ceux qui ont fourni la réponse correcte en direct.

Cela recommande que le travail du système nerveux ne soit qu’apparemment comparable à l’algorithme. Il n’y a pas de calcul au cœur de son travail, mais un réflexe ou une simple répétition de décisions stéréotypées basées sur la mémoire.

La nature et le système nerveux de tout organisme vivant sur notre monde se contentent de jongler avec des berceaux pré-écrits. dans le genre de systèmes de mémoire différents, mais extérieurement, cela ressemble à une activité de calcul.

En d’autres termes, essayer de battre le réflexe avec un algorithme de calcul, c’est comme tenter de jouer franc jeu contre une carte plus nette.

Cette tactique, intégrée à la plasticité synaptique, fournit au système nerveux biologique des performances extraordinaires.

Dans la nature vivante, le cerveau est une denrée extrêmement chère. Son fonctionnement repose sur un réflexe basique mais peu coûteux, et non sur un algorithme précis mais coûteux. Avec cette technique, un petit nombre de neurones résolvent des problèmes vraiment compliqués liés, par exemple, à l’orientation. Le secret est que le système nerveux biologique ne calcule en fait rien, il garde juste en tête la réponse appropriée. Au cours de milliards d’années de développement et d’une durée de vie, un ensemble universel de solutions a en fait été créé qui était auparavant un succès. Et sinon, il n’est pas effrayant de se tromper. Cela permet même aux systèmes nerveux petits et primitifs de réagir simultanément aux stimuli et de préserver les fonctions automatisées telles que le tonus musculaire, la respiration, la digestion des aliments et la circulation sanguine.

Les algorithmes perdent avant que les concurrents ne commencent

Tout cela suggère qu’en essayant de créer une IA basée sur des algorithmes de calcul existants, nous perdrons fondamentalement face à la nature, même dans des exemples d’activités non intellectuelles de base associées, par exemple, au mouvement. Nos appareils électroniques seront précis, mais très énergivores et, par conséquent, totalement inefficaces.

Nous pouvons déjà le voir dans les voitures autonomes. L’un des problèmes imprévus traités par les développeurs de systèmes de contrôle autonomes est lié à l’apport énergétique. Les véhicules autonomes spéculatifs nécessitent des générateurs électriques hautes performances uniques pour alimenter les systèmes de contrôle électronique.

Dans la nature, il existe des systèmes nerveux étonnamment simples qui font parfaitement face à la tâche de manœuvre dynamique. Par exemple, les requins nourrices (qui pèsent jusqu’à 110 kg et peuvent agresser les humains), le cerveau ne pèse que 8 grammes et l’ensemble du système nerveux, ainsi que toutes les fibres de la zone périphérique, un peu plus de 250 grammes.

La principale conclusion

La toute première chose dont nous avons besoin pour produire un vrai système expert, ce sont des systèmes électroniques qui traitent les concepts d’un arc réflexe biologique, c’est-à-dire des algorithmes biologiques sans aucune discrétion.

Il est intéressant de noter que les schémas fonctionnels structurels des algorithmes biologiques existaient à la fin du siècle dernier, mais en raison de l’étrange absence de discrétion, ils sont en fait restés exotiques. La seule exception était les algorithmes évolutionnaires, qui ont constitué la base de la modélisation évolutionniste dans le domaine de l’intelligence computationnelle.

La biologie nous enseigne qu’en réalité ce n’est pas celui qui fait des erreurs qui perd, mais celui qui les fait pas économiser les ressources.

Il n’y a pas besoin d’avoir peur des erreurs. Il faut avoir peur des réponses précises payées par un apport énergétique élevé.

Ce n’est qu’une partie du problème, dont la solution permettra de créer des systèmes synthétiques raisonnablement simples capables de gérer le mouvement et la finesse motricité.

Pour développer une véritable intelligence artificielle applicable dans la réalité, nous devrons découvrir comment fonctionne le second, le schéma intellectuel du cerveau humain.

Ceci est le sujet du prochain article.