Comprendre comment le cerveau apprend de nouveaux concepts a le potentiel de résoudre les problèmes cognitifs

Une découverte sur la façon dont les algorithmes peuvent apprendre et retenir les informations plus efficacement offre un aperçu potentiel de la capacité du cerveau à absorber de nouvelles connaissances. Les découvertes de chercheurs de l’Université de Californie à Irvine School of Biological Sciences pourraient aider à combattre les déficiences cognitives et à améliorer la technologie. Leur étude apparaît dans les Actes de l’Académie nationale des sciences.

Les scientifiques se sont concentrés sur les réseaux de neurones artificiels, connus sous le nom de RNA, qui sont des algorithmes conçus pour imiter le comportement des neurones dans le cerveau. Comme les esprits humains, les RNA peuvent absorber et classer de grandes quantités d’informations. Cependant, contrairement à notre cerveau, les RNA ont tendance à oublier ce qu’ils savent déjà lorsque de nouvelles connaissances sont introduites trop rapidement, un phénomène connu sous le nom d’oubli catastrophique.

Les chercheurs ont longtemps théorisé que notre capacité à apprendre de nouveaux concepts découle de l’interaction entre l’hippocampe du cerveau et le néocortex. L’hippocampe capte des informations fraîches et les reproduit pendant le repos et le sommeil. Le néocortex prend le nouveau matériel et révise ses connaissances existantes afin qu’il puisse intercaler ou superposer le nouveau matériel sur des catégories similaires développées à partir du passé.

Cependant, il y a eu des questions sur ce processus, étant donné le temps excessif qu’il faudrait au cerveau pour trier toutes les informations qu’il a collectées au cours d’une vie. Cet écueil pourrait expliquer pourquoi les ANN perdent de la visibilité à long terme lorsqu’ils absorbent trop rapidement de nouvelles données.

Lire aussi  Quelle est la fréquence du syndrome de fatigue chronique chez les patients atteints de COVID-19 prolongé ?

Traditionnellement, la solution utilisée dans l’apprentissage automatique profond consistait à recycler le réseau sur l’ensemble des données passées, qu’elles soient ou non étroitement liées aux nouvelles informations, un processus qui prend du temps. Les scientifiques de l’UCI ont décidé d’approfondir la question et ont fait une découverte remarquable.

Nous avons constaté que lorsque les ANN intercalaient un sous-ensemble beaucoup plus petit d’anciennes informations, comprenant principalement des éléments similaires aux nouvelles connaissances qu’ils acquéraient, ils les apprenaient sans oublier ce qu’ils savaient déjà. »

Rajat Saxena, premier auteur de l’article, étudiant diplômé

Saxena a dirigé le projet avec l’aide de Justin Shobe, assistant scientifique du projet. Tous deux membres du laboratoire de Bruce McNaughton, Distinguished Professor of Neurobiology and Behavior.

« Cela a permis aux ANN de recevoir des informations fraîches très efficacement, sans avoir à parcourir tout ce qu’ils avaient précédemment acquis », a déclaré Saxena. « Ces résultats suggèrent un mécanisme cérébral expliquant pourquoi les experts en quelque chose peuvent apprendre de nouvelles choses dans ce domaine beaucoup plus rapidement que les non-experts. Si le cerveau a déjà un cadre cognitif lié à de nouvelles informations, le nouveau matériel peut être absorbé plus rapidement.  » parce que le des changements ne sont nécessaires que dans la partie du réseau cérébral qui encode les connaissances expertes. »

Lire aussi  Le Consortium canadien en neurodégénérescence associée au vieillissement lance un programme en ligne pour prévenir la démence

La découverte a le potentiel de résoudre les problèmes cognitifs, selon McNaughton. « Comprendre les mécanismes de l’apprentissage est essentiel pour progresser », a-t-il déclaré. « Cela nous donne un aperçu de ce qui se passe lorsque le cerveau ne fonctionne pas comme il le devrait. Nous pourrions développer des stratégies d’entraînement pour les personnes ayant des problèmes de mémoire dus au vieillissement ou à celles souffrant de lésions cérébrales. Cela pourrait également conduire à la capacité de manipuler le cerveau. les circuits afin que les gens puissent surmonter ces déficits. »

Les résultats offrent également des possibilités de rendre plus précis et plus efficaces les algorithmes de machines telles que les équipements de diagnostic médical, les voitures autonomes et bien d’autres.

Le financement de la recherche a été fourni par une subvention de la Defense Advanced Research Projects Agency à l’appui de la recherche fondamentale potentiellement bénéfique pour l’humanité et par les National Institutes of Health.

Police de caractère:

Université de Californie, Irvine

Référence du magazine :

Saxena, R. et coll. (2022) Apprentissage dans les réseaux de neurones profonds et les cerveaux avec apprentissage intégré pondéré par la similarité. PNAS. doi.org/10.1073/pnas.2115229119.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *