IA : modélisation des neurones

[_Goel_]

Bonjour !

suite à la lecture (partielle) d'un sujet sur l'IA, je me pose une question :

a-t-on essayé de modéliser le comportement d'un neurone "humain" (au sens biologique) ?

C'est à dire implémenter :
- un système de transfert de potentiels d'actions,
- le développement de l'axone est desdendrites
- la multiplication des synapses
- la diversité des neurotransmetteurs
- la disparition des neurones les moins actifs
- le développement des neurones les plus actifs.
etc...

le but étant de reproduire un système le plus proche possible d'un neurone "réel" (d'un animal).

Maintenant, déployons 1 000 000 neurones de ce type.
Interfacons certains neurones avec un environement (simulation d'un sens -vue, ouïe etc...)
Que se passe-t-il ? Quelqu'un a-t-il déjà essayé ?

en fait, je pense que la douleur doit également être implémentée. Mais je ne sais pas comment. Si qqn sait à quoi est due la douleur dans un cerveau humain...

Merci de vos éclaircissements !
@+

[invite4eb78dc4]

en fait, je pense que la douleur doit également être implémentée. Mais je ne sais pas comment. Si qqn sait à quoi est due la douleur dans un cerveau humain...

Merci de vos éclaircissements !
@+

Rappel de la base de l'IA :

Le nombre " 1 " = "vrai" et "0" = "faux". Ce langage est nommé langage binaire. C'est avec ce langage que fonctionnent les ordinateurs.

Bientôt ils vont faire des machines qui fonctionnent avec la Réciproque Equationnelle Matricielle de L'Intelligence Artificielle... looooooooooool

En tout cas l'ordinateur est l'inverse de la vie,il est mort et par conséquent ne devrait pas connaitre la notion de douleur,un être connait cette notion et je saurais pas t'éclairer pour l'instant pourquoi...

Voilà je t'ai rien appris cela dit je trouve la refléxion intéressante.

Peace & Love

[invitebe0cd90e]

oui, plus ou moins, on a essayé, ca s'appelle les reseaux de nerones... ne temballe pas, ca ne casse pas des briques, et ca ne suffit pas a faire un odri intelligent. c'est utilisé, par exemple, pour de la reconnaissance de caractere...

Maintenant, déployons 1 000 000 neurones de ce type.

c'est la que ca coince.. d'une part, il en faudrait un nombre enorme et tres hors de portee de la puissance des ordis, et en plus il ne suffit pas de les "deployer" pour avoir un cerveau..

[invite6c250b59]

a-t-on essayé de modéliser le comportement d'un neurone "humain" (au sens biologique) ?

Oui, c'est le champ des modèles biophysiques .

Avec 1 millions j'en connais pas -trop lourd à gérer. Le plus que je me souviens c'est un modèle de Lamproie (un vertébré pas cher et pas mignon donc modèle de choix). La montée en puissance des ordinateurs devrait aider, mais personnellement je suis assez convaincu que c'est des progrès dans la compréhension qui nous manquent le plus.

[A voir en vidéo sur Futura]

[spi100]

Maintenant, déployons 1 000 000 neurones de ce type.
Interfacons certains neurones avec un environement (simulation d'un sens -vue, ouïe etc...)
Que se passe-t-il ? Quelqu'un a-t-il déjà essayé ?
@+

Il ne suffit pas juste de les connecter. Comment est ce que l'on stimule le réseau, qu'est ce que l'on mesure en sortie du réseau. Comment évalue t'on la qualité de ses réactions ?

Deplus la stimulation du réseau pendant la croissance du réseau, joue un rôle essentiel. C'est elle qui assure en grande partie sa structuration.

[invite6de5f0ac]

Bonjour,

Ayant pas mal travaillé sur le sujet, je pense être compétent pour intervenir.

La modélisation des neurones est assez ancienne, elle date (pour les premiers modèles efficients) des années '50 (von Bertallanffy, von Neumann...), c'est-à-dire des débuts "scientifiques" de la Cybernétique (qui, elle, date d'Aristote). Et même votre serviteur "von" fderwelt a commis plusieurs papiers sur le sujet (en tant que co-auteur) dans des congrès et revues confidentiels. Il est vrai qu'il ne s'agissait que de décrire les contraintes sur la morphologie des neurones, induites par les transferts d'information nécessaires (d'après les spec's).

Il ressort de tout ça:
premièrement, que les neurones ne se ramènent certainement pas à un schéma binaire; d'ailleurs, les réseaux de neurones formels n'ont aucune raison de fonctionner en binaire, ils marchent encore mieux en analogique;
deuxièmement, que les neurones ne peuvent pas fonctionner efficacement sans transmetteurs (cellules gliales) qui semblent probablement plus importants que les neurones eux-mêmes; j'aime beaucoup raconter (même si c'est un gag) le fait que, quand on a disséqué le cerveau d'Einstein, on a été très déçu de voir qu'il n'avait pas plus de neurones que vous ou moi, mais qu'en revanche il avait deux fois plus de cellules gliales;
troisièmement, de nombreux animaux (primitifs, certes) se débrouillent très bien pour vivre "intelligemment" avec quelques milliers de neurones seulement; donc pas besoin d'un million de neurones pour exhiber un comportement adapté.

Morale (si j'ose dire, et qui relève plus de la conviction que de la preuve scientifique): on n'aura un comportement adapté et "intelligent" que si les structures neuronales reflètent (d'une manière à préciser, beau sujet de thèse) la structure de l'environnement. J'avais pondu un prototype basé sur ce principe, et même déposé un brevet (googler pour "mémoire Sauvan") mais c'est techniquement impraticable...

-- françois

[invite6c250b59]

le cerveau d'Einstein, on a été très déçu de voir qu'il n'avait pas plus de neurones que vous ou moi, mais qu'en revanche il avait deux fois plus de cellules gliales

ça tient un peu de la légende urbaine... laissons donc son cerveau tranquille -surtout vu la manière dont il a été conservé.

[invite6de5f0ac]

ça tient un peu de la légende urbaine... laissons donc son cerveau tranquille -surtout vu la manière dont il a été conservé.

"un peu"? je l'ai vu repris dans je ne sais quel reportage télé... mais d'accord avec toi!

-- françois

[invite6c250b59]

"un peu"?

Je viens de voir que c'est la version wikipedia... disons "beaucoup" alors

[spi100]

ça tient un peu de la légende urbaine... laissons donc son cerveau tranquille -surtout vu la manière dont il a été conservé.

Même pas besoin de disséquer le cerveau d'Einstein, pour savoir que l'efficacité d'un réseau de neurones n'est pas proportionnelle au nombre de neurones.
Lorsque l'on paramètre un réseau de neurones de type perceptron ou multi-perceptron, il faut ajuster le nombre de neurones au strict nécessaire pour stocker les exemples que l'on veut lui apprendre.
Si l'on augmente trop le nombre de neurones, la capacité de généralisation du réseau s'effondre.

[_Goel_]

A tous :
merci pour vos éclaircissements;

nota : il y a eu un article sur les cellules gliales dans S&V, je pense que c'est l'origine de la légende urbaine... !

En corollaire, a-t-on essayé une culture de quelques disaines (voire miliers) de neurones, ainsi que leur évolution ?

que pensez vous du rapport entre la douleur et l'intelligence ?

[invite7a8ce750]

A tous :
merci pour vos éclaircissements;
[...]

que pensez vous du rapport entre la douleur et l'intelligence ?

Je pense que comme tu le mentionnais plus ou moins, il est impossible de supprimer l'expérience des sensations, les sentiments et l'intelligence. De nos jours on veut souvent séparer les sentiments et la « raison »... c'est une erreur d'après moi.

Ici (Université de Sherbrooke) un de mes collègues, François Michaud, essaye d'intégrer des sentiments à ces robots. Le but n'est pas de les rendre plus humain, mais plus efficace (c'est dans le Département de psycho qu'il font ça pour le côté étude humaine, pas en génie): si un robot a « peur » de rentrer dans un mur parce que ça fait « mal », ça l'aidera à bien se diriger. Bon les résultats ne sont pas encore vraiment au RDV mais c'est un début.

La modélisation d'une tâche par un réseau de neurones ne changent rien au problème. Si tu veux t'approcher d'un comportement humain (en visant une certaine efficacité) alors il faut intégrer la relation avec l'environnement, la gestion des sensations et les sentiments. C'est cependant extrêment difficile, mais je pense que c'est par là qu'on ouvrira un chemin. Pas dans le carcan actuel. On fait des choses géniales, mais il manque toujours une réelle ouverture.

[_Goel_]

Gre, (apparemment bien renseigné) comment l'homme matérialise-t-il la douleur (le sait-on d'ailleurs ?)
merci pour ton précédent post au passage !

[invite6c250b59]

ça bouge... apparement la souris est pour bientôt

[invite8915d466]

Bonjour

ça bouge... apparement la souris est pour bientôt

à part le nombre de neurones simulés, en quoi la simulation est-elle celle d'une souris? y a t-il des contraintes sur les connexions tirées de connaissances de la structuration du cerveau, ou s'agit-il juste d'un "toy model" de taille équivalente?

Cordialement

Gilles

[invite6c250b59]

Salut,

à part le nombre de neurones simulés, en quoi la simulation est-elle celle d'une souris? y a t-il des contraintes sur les connexions tirées de connaissances de la structuration du cerveau, ou s'agit-il juste d'un "toy model" de taille équivalente?

Dans les similitudes: décharge des neurones réaliste, rêgle de plasticité biologiquement fondée, taille du réseau (en terme de synapses et de neurone) équivalente à la souris, pourcentage de synapses inhibitrices/exitatrices ainsi que délais de transmission qui respectent pas mal ce qu'on connait, et pour finir la différenciation connectivité longue/courte distance est assez intéressante.

Dans les différences: pas de moelle épinière, de bulbe, de cervelet, de noyau gris centraux, ni même de thalamus (pourtant essentiel au cortex); pas d'entrée sensorielle ou de sortie motrice; pas de neuromodulateurs hors des exitations/inhibition; pas de microstructure corticale (colonne de dominance par exemple), ni d'ailleurs de macrostructure (pas d'aires corticales fonctionnellement différentes); homogénéité des neurones/synapses et présence de stimulations générales surréalistes; ... j'en oublie probablement -par exemple la faible durée de vie (quelques secondes de simulées).

Au final je voterais plutôt toy model. Par contre ça ouvre clairement une nouvelle façon de s'interroger sur la dynamique des cerveaux (sous entendu: quelles sont les règles locales qui permettent une dynamique globale pas franchement fausse?): très excitant!

Encore plus: si on avait de meilleurs connaissances, alors les capacités de calcul impliquées dans cette recherche seraient probablement suffisantes pour émuler une souris, dont le comportement serait dans l'idéal indifférenciable des souris biologiques. A quand un test de Turing pour les souris? On a déjà un genre de test comme ça avec des blattes, mais avec une souris ce serait un poil plus convainquant

[sliders_alpha]

ça tient un peu de la légende urbaine... laissons donc son cerveau tranquille -surtout vu la manière dont il a été conservé.

il y avait un science et vie qui contenait tout un dossier la dessus, eux aussi disait que einstein avait 2 fois plus de matiere gliale (pas sur de l'orthographe^^) qu'un humain normal. ça doit dater d'au moin un ans

[_Goel_]

il y avait un science et vie qui contenait tout un dossier la dessus, eux aussi disait que einstein avait 2 fois plus de matiere gliale (pas sur de l'orthographe^^) qu'un humain normal. ça doit dater d'au moin un ans

En effet. C'est un peu le sens de ce sujet de conversation (qu je souhaitais, à la base) : Discuter des différents paramètres de modélisation à prendre/pris en compte.

Pour moi le cerveau fonctionne :
- avec un système rapide : les neurones
- un système lent : les cellules gliales
- un système de contrôle : les hormones

Les neurones doivent :
- acheminer un signal d'entrée en fonction de paramètres (intensité du signal, taux d'hormones etc...)
- assurer un plasticité (adaptativité)
- avoir un traitement de l'information cohérent.

J'ai une question : un neurone biologique a peine créé, seul, a-t-il un comportement prédéfini ? (ex : acheminer le signal, sans perte des dendrites vers l'axone ?) Pareil pour un groupe de neurones a peine créés.
De telles recherches ont sûrement dûes être effectuées. Où peut-on trouver les résultats (quels sont-ils ?)?

[invite8e636fbd]

En effet. C'est un peu le sens de ce sujet de conversation (qu je souhaitais, à la base) : Discuter des différents paramètres de modélisation à prendre/pris en compte.

Pour moi le cerveau fonctionne :
- avec un système rapide : les neurones
- un système lent : les cellules gliales
- un système de contrôle : les hormones

Les neurones doivent :
- acheminer un signal d'entrée en fonction de paramètres (intensité du signal, taux d'hormones etc...)
- assurer un plasticité (adaptativité)
- avoir un traitement de l'information cohérent.

Salut!

Je dirais que les gliales jouent un rôle dans la plasticité du réseau neuronal(dans l'apprentissage) comme un réseau parallèle...mais sa procédure exacte, je pense que l'on ne le sait pas encore, c'est encore un défit dans la compréhension du cerveau.

Pour le sytème rapide, le réseau neuronal est une solution remarquable. En effet, le traitement de l'information se fait en parallèle par le temps exact où chaque neurone passe son seuil de décharge. Ce temps peut être discétisé, amha, sans que cela affecte un traitement efficace...tous les indices vont dans ce sens; voir les réalisations de robots basés sur les neurones à spike dont la configuration s'est faite par algorithme évolutionniste. Pas besoins de modélisation fine pour que ces techniques indiquent une voie prometteuse certaine.

La modification du réseau, ie. des potentiels synaptiques, se fait probablement par des règles locales à chaque neurone, de type hebb, mais peut être on pourrait envisager que le réseau complexe des gliales joue un rôle plus subtile dans l'apprentissage, par des interactions entre les neurones.

J'ai une question : un neurone biologique a peine créé, seul, a-t-il un comportement prédéfini ? (ex : acheminer le signal, sans perte des dendrites vers l'axone ?) Pareil pour un groupe de neurones a peine créés.
De telles recherches ont sûrement dûes être effectuées. Où peut-on trouver les résultats (quels sont-ils ?)?

Je ne sais pas, peut être son comportement est rapidement dicté par les gliales environnantes. Ce qui m'épate c'est la rapidité avec laquelle le développement cérébrale des animaux propose une fonctionalité effective en relation avec toutes les parties du corps. Edelman avait proposé un méchanisme de selection darwinienne au niveau des assemblées neuronales, mais je ne sais pas si des travaux ont abouti en ce sens.

[spi100]

tous les indices vont dans ce sens; voir les réalisations de robots basés sur les neurones à spike dont la configuration s'est faite par algorithme évolutionniste.

Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?

[_Goel_]

Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?

Même question !

Question subsidiaire : y a-t-il une aproche empirique pour les résaux de neurones, ou tout est précalculé, toutes les avancées sont issues de savants calculs ?

[invite284605b7]

Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?

Bonjour spi100,

Un petit debut de reponse: un des avantages c'est qu'etant plus proches du principe biologique, il est plus facile de faire des paralleles entre les donnees experimentales et le modele. Par exemple la "transposition" de la loi de Hebb dans ce domaine (STDP: Synaptic Time Dependant Plasticity) colle aux comportements biologique.

[invite06fcc10b]

Bonjour,

Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?

C'est une question difficile. En premier lieu, je dirais qu'ils n'apportent rien relativement au problème de classification classique, que des réseaux statiques traitent parfaitement. En complément, il y a aussi les réseaux récurrents qui peuvent apprendre à prédire la sortie en fonction d'une base d'exemples de séquences temporelles, comme par exemple dans le cas de l'évolution des tâches solaires.
En revanche, ce que ne permet pas un réseau de neurones classique, c'est l'apprentissage ou la sensibilité à un petit décalage temporaire entre l'activation des neurones. Par exemple, il y a des lois de Hebb spéciales qui ne permettent le renforcement que s'il y a une parfaite synchronisation des spikes provenant des neurones afférents. Donc, il faut non seulement qu'il y ait coactivation, mais aussi synchronisation du déclenchement des spikes. En fait, le problème de l'apprentissage gagne plusieurs degrés de liberté, ce qui complexifie les choses.
Il semble que le cerveau utilise plusieurs mécanismes d'apprentissage ou de régulation en même temps. Le codage de l'information se fait sans doute parfois en fréquence, parfois en différence de phase et parfois en intensité, voire un peu tout à la fois.

Cordialement,
Argyre

[invite06fcc10b]

C'est une question difficile. En premier lieu, je dirais qu'ils n'apportent rien relativement au problème de classification classique, que des réseaux statiques traitent parfaitement.

J'oubliais : au niveau de l'utilité, c'est à dire à la question "peut-on se passer de la modélisation à l'aide de spikes ?", je répondrais que cela dépend :
1) Pour modéliser un petit réseau de neurones biologiques, avec tout au plus une centaine de neurones, on est obligé de descendre au niveau des spikes, voire même au niveau d'un modèle précis de neurone.
2) Pour modéliser un traitement de l'information, du style reconnaissance des formes, on n'en a sans doute pas besoin.
3) Pour certains traitements nécessitant la prise en compte du timing d'activation de chaque neurone, on n'est peut-être pas obligé de prendre en compte chaque spike, mais on est obligé de gérer le temps comme en programmation événementielle, avec des lois de décroissance de l'activation.
Mais attention, je ne doute pas que sur un sujet aussi difficile, d'autres ne soient pas du même avis que moi.

Cordialement,
Argyre

[invite06fcc10b]

Bonjour !

suite à la lecture (partielle) d'un sujet sur l'IA, je me pose une question :

a-t-on essayé de modéliser le comportement d'un neurone "humain" (au sens biologique) ?

C'est à dire implémenter :
- un système de transfert de potentiels d'actions,
- le développement de l'axone est desdendrites
- la multiplication des synapses
- la diversité des neurotransmetteurs
- la disparition des neurones les moins actifs
- le développement des neurones les plus actifs.
etc...

Bonjour,

Voici quelques tentatives de compléments à ce qu'ont dit Jiav et Spi100, entre autres :
primo, on peut noter le modèle de neurone artificiel de Hodgkin-Huxley, qui marche pas mal et qui a été modélisé avec succès par des circuits électroniques.
Le problème, c'est qu'il n'y a pas qu'1 type de neurone dans le cerveau et que les connexions ne sont pas faites complétement au hasard, que ce soit au niveau interneurones ou au niveau intergroupes de neurones, et ce à différentes échelles. De plus, il faut également inclure un modèle d'évolution des synapses, entre autres, pour pouvoir réaliser un apprentissage. Et je ne parle pas du nombre de neurones à modéliser ...

Il résulte de tout cela qu'il semble assez facile de créer un seul neurone dont les propriétés électriques sont proches du neurone réel, mais très difficile de reproduire la structure fondamentale et fonctionnelle d'un groupe de neurones.
C'est en tout cas un des plus grands challenges actuels des neurosciences computationnelles.

Concernant la douleur, j'ai envie de répondre de manière provocatrice qu'elle n'existe pas. En fait, ce qui existe de manière évidente, c'est une perturbation de l'équilibre physiologique avec des signes mesurables au niveau de l'activité de certaines zones du cerveau comme les noyaux de l'amygdale, ce qui a pour conséquence les signes extérieurs tels que les cris, les pleurs, et toute sorte de comportements réflexes.
C'est parce que la douleur perturbe le fonctionnement général du corps et du cerveau que nous attribuons à la douleur, de manière logique, une note affective négative.
De même, un robot pourrait apprendre par expérience que la douleur perturbe son propre fonctionnement et avoir également ses propres sensations de "mal".

Cordialement,
Argyre