sciences

Créer de nouveaux souvenirs pendant le sommeil ?
L'équipe de Karim Benchenane du Laboratoire Plasticité du cerveau à l'ESPCI, associée à des chercheurs du laboratoire Neuroscience à l'Institut de biologie Paris-Seine, a réussi à créer artificiellement, à l'aide d'une interface cerveau-machine, un souvenir de lieu pendant le sommeil chez la souris. Cette étude publiée dans la revue Nature Neuroscience démontre ainsi le rôle causal des cellules de lieu de l'hippocampe dans l'établissement d'une carte cognitive de l'environnement, et leur rôle dans la consolidation de la mémoire pendant le sommeil.
L'hippocampe est une structure cérébrale cruciale pour la mémoire et la navigation spatiale, chez l'homme comme chez l'animal. En effet, des lésions de l'hippocampe entrainent une amnésie antérograde, c'est à dire l'incapacité de former de nouveaux souvenirs. De plus, ces études de lésions ont pu montrer qu'il existait deux types de mémoire: la mémoire dite déclarative ou explicite, qui peut être communiquée par des mots, et la mémoire procédurale, qui concerne notamment des apprentissages moteurs, ou encore les conditionnements simples. Chez le rongeur, la mémoire spatiale, dont les facultés sont altérées par des lésions de l'hippocampe, est alors considérée comme une mémoire de type explicite, notamment lorsqu'elle est utilisée dans la mise en place d'un comportement dirigé vers un but.
De manière intéressante, l'activité de certains neurones de l'hippocampe est corrélée à la position de l'animal dans un environnement: on parle de cellules de lieu. Ce corrélât est si fort que l'on peut déduire la position de l'animal uniquement par l'analyse de l'activité de ces cellules de lieu, ce qui suggère que l'animal pourrait se servir de ces neurones particuliers comme carte mentale lors de la navigation. La découverte de ces cellules de lieu, ainsi que l'établissement de la théorie de la carte cognitive, a valu au neurobiologiste John O'Keefe l'attribution du prix Nobel de médecine 2014. Cependant, même si cette théorie était unanimement acceptée, elle ne reposait que sur des corrélations et il n'y avait jusqu'alors pas de preuve directe d'un lien de causalité entre la décharge des cellules de lieu et la représentation mentale de l'espace.
L'activité de ces cellules pourrait également expliquer le rôle bénéfique du sommeil dans la mémoire. En 1989, le chercheur Gyuri Buzsaki a proposé que ce rôle bénéfique pourrait reposer sur les réactivations neuronales survenant pendant le sommeil. En effet pendant le sommeil, les cellules de lieu rejouent l'activité enregistrée pendant l'éveil, comme si la souris parcourait à nouveau mentalement l'environnement afin d'en renforcer son apprentissage. A nouveau, cette théorie, bien qu'étayée par un nombre important de résultats concordants, n'avait pas pu être démontrée directement.
L'équipe du Laboratoire Plasticité du Cerveau à l'ESPCI, a utilisé une interface cerveau-machine pour associer pendant le sommeil les réactivations spontanées d'une cellule de lieu unique à une stimulation dans les fibres dopaminergiques du circuit de la récompense, appelé faisceau médian prosencéphalique. Au réveil, la souris se dirigeait directement vers le champ de lieu de la cellule de lieu associée aux stimulations, comme pour y rechercher une récompense, alors qu'aucune récompense n'y avait jamais été présentée. La souris avait donc consolidé un nouveau souvenir pendant son sommeil, celui de l'association de ce lieu à une sensation de plaisir.
Dans cette expérience, l'activité de la cellule de lieu était décorrélée de la position de la souris puisque celle-ci était endormie dans sa cage. L'association entre l'activité du neurone et de la stimulation récompensante entraine au réveil de la souris une association lieu-récompense. Cette étude apporte donc une preuve du lien causal entre l'activité d'une cellule de lieu et la représentation mentale de l'espace. Enfin, elle montre que les réactivations des cellules de lieu pendant le sommeil portent bien la même information spatiale que pendant l'éveil, confirmant ainsi le rôle des réactivations neuronales dans la consolidation de la mémoire.
Cette étude démontre enfin qu'il est possible de créer une mémoire complexe, ou explicite, durant le sommeil, allant bien au delà des précédentes études montrant que des conditionnements simples pouvaient être réalisés pendant le sommeil. Ces recherches pourraient permettre le développement de nouvelles thérapies du stress post-traumatique en utilisant le sommeil pour effacer l'association pathologique.

Auteur: Internet

Info: 8 avril 2015

[ dormir ] [ programmation ]

panspermie

Origine de la vie: la pièce manquante détectée dans une "comète artificielle"
Pour la première fois, des chercheurs montrent que le ribose, un sucre à la base du matériel génétique des organismes vivants, a pu se former dans les glaces cométaires. Pour parvenir à ce résultat, des scientifiques de l'Institut de chimie de Nice (CNRS/Université Nice Sophia Antipolis) ont analysé très précisément une comète artificielle créée par leurs collègues de l'Institut d'astrophysique spatiale (CNRS/Université Paris-Sud). Ils présentent ainsi, en collaboration avec d'autres équipes dont une du synchrotron SOLEIL, le premier scénario réaliste de formation de ce composé essentiel, encore jamais détecté dans des météorites ou dans des glaces cométaires. Étape importante dans la compréhension de l'émergence de la vie sur Terre, ces résultats sont publiés dans la revue Science le 8 avril 2016.
Le traitement ultraviolet des glaces pré-cométaires (à gauche) reproduit l'évolution naturelle des glaces interstellaires observées dans un nuage moléculaire (à droite, les piliers de la création), conduisant à la formation de molécules de sucre.Image de gauche © Louis Le Sergeant d'Hendecourt (CNRS).Image de droite © NASA, ESA, and the Hubble Heritage Team (STScI/AURA)
Tous les organismes vivants sur Terre, ainsi que les virus, ont un patrimoine génétique fait d'acides nucléiques - ADN ou ARN. L'ARN, considéré comme plus primitif, aurait été l'une des premières molécules caractéristiques de la vie à apparaitre sur Terre. Les scientifiques s'interrogent depuis longtemps sur l'origine de ces molécules biologiques. Selon certains, la Terre aurait été "ensemencée" par des comètes ou astéroïdes contenant les briques de base nécessaires à leur construction. Et effectivement, plusieurs acides aminés (constituants des protéines) et bases azotées (l'un des constituants des acides nucléiques) ont déjà été trouvés dans des météorites, ainsi que dans des comètes artificielles, reproduites en laboratoire. Mais le ribose, l'autre constituant-clé de l'ARN, n'avait encore jamais été détecté dans du matériel extraterrestre, ni produit en laboratoire dans des conditions "astrophysiques". En simulant l'évolution de la glace interstellaire composant les comètes, des équipes de recherche françaises ont réussi à former du ribose - étape importante pour comprendre l'origine de l'ARN et donc les origines de la vie.
Le ribose (et des molécules de sucres apparentées, comme l'arabinose, le lyxose et le xylose) ont été détectés dans des analogues de glaces pré-cométaires grâce à la chromatographie multidimensionnelle en phase gazeuse. Le ribose forme le "squelette" de l'acide ribonucléique (ARN), considéré comme le matériel génétique des premiers organismes vivants.© Cornelia Meinert (CNRS)
Dans un premier temps, une "comète artificielle" a été produite à l'Institut d'astrophysique spatiale: en plaçant dans une chambre à vide et à ? 200 °C un mélange représentatif d'eau (H2O), de méthanol (CH3OH) et d'ammoniac (NH3), les astrophysiciens ont simulé la formation de grains de poussières enrobés de glaces, la matière première des comètes. Ce matériau a été irradié par des UV - comme dans les nébuleuses où se forment ces grains. Puis, l'échantillon a été porté à température ambiante - comme lorsque les comètes s'approchent du Soleil. Sa composition a ensuite été analysée à l'Institut de chimie de Nice grâce à l'optimisation d'une technique très sensible et très précise (la chromatographie multidimensionnelle en phase gazeuse, couplée à la spectrométrie de masse à temps de vol). Plusieurs sucres ont été détectés, parmi lesquels le ribose. Leur diversité et leurs abondances relatives suggèrent qu'ils ont été formés à partir de formaldéhyde (une molécule présente dans l'espace et sur les comètes, qui se forme en grande quantité à partir de méthanol et d'eau).
Le ribose se forme dans le manteau de glace des grains de poussière, à partir de molécules précurseurs simples (eau, méthanol et ammoniac) et sous l'effet de radiations intenses.© Cornelia Meinert (CNRS) & Andy Christie (Slimfilms.com)
S'il reste à confirmer l'existence de ribose dans les comètes réelles, cette découverte complète la liste des "briques moléculaires" de la vie qui peuvent être formées dans la glace interstellaire. Elle apporte un argument supplémentaire à la théorie des comètes comme source de molécules organiques qui ont rendu la vie possible sur Terre... et peut-être ailleurs dans l'Univers.
Ces travaux ont bénéficié du soutien financier de l'Agence nationale de la recherche et du CNES.

Auteur: Internet

Info: http://www.techno-science.net, 9 04 2016

[ extraterrestre ]

biochimie

L'IA prédit la fonction des enzymes mieux que les principaux outils

Un nouvel outil d'intelligence artificielle peut prédire les fonctions des enzymes sur la base de leurs séquences d'acides aminés, même lorsque ces enzymes sont peu étudiées ou mal comprises. Selon les chercheurs, l'outil d'intelligence artificielle, baptisé CLEAN, surpasse les principaux outils de pointe en termes de précision, de fiabilité et de sensibilité. Une meilleure compréhension des enzymes et de leurs fonctions serait une aubaine pour la recherche en génomique, en chimie, en matériaux industriels, en médecine, en produits pharmaceutiques, etc.

"Tout comme ChatGPT utilise les données du langage écrit pour créer un texte prédictif, nous tirons parti du langage des protéines pour prédire leur activité", a déclaré Huimin Zhao, responsable de l'étude et professeur d'ingénierie chimique et biomoléculaire à l'université de l'Illinois Urbana-Champaign. "Presque tous les chercheurs, lorsqu'ils travaillent avec une nouvelle séquence de protéine, veulent savoir immédiatement ce que fait la protéine. En outre, lors de la fabrication de produits chimiques pour n'importe quelle application - biologie, médecine, industrie - cet outil aidera les chercheurs à identifier rapidement les enzymes appropriées nécessaires à la synthèse de produits chimiques et de matériaux".

Les chercheurs publieront leurs résultats dans la revue Science et rendront CLEAN accessible en ligne le 31 mars.

Grâce aux progrès de la génomique, de nombreuses enzymes ont été identifiées et séquencées, mais les scientifiques n'ont que peu ou pas d'informations sur le rôle de ces enzymes, a déclaré Zhao, membre de l'Institut Carl R. Woese de biologie génomique de l'Illinois.

D'autres outils informatiques tentent de prédire les fonctions des enzymes. En général, ils tentent d'attribuer un numéro de commission enzymatique - un code d'identification qui indique le type de réaction catalysée par une enzyme - en comparant une séquence interrogée avec un catalogue d'enzymes connues et en trouvant des séquences similaires. Toutefois, ces outils ne fonctionnent pas aussi bien avec les enzymes moins étudiées ou non caractérisées, ou avec les enzymes qui effectuent des tâches multiples, a déclaré Zhao.

"Nous ne sommes pas les premiers à utiliser des outils d'IA pour prédire les numéros de commission des enzymes, mais nous sommes les premiers à utiliser ce nouvel algorithme d'apprentissage profond appelé apprentissage contrastif pour prédire la fonction des enzymes. Nous avons constaté que cet algorithme fonctionne beaucoup mieux que les outils d'IA utilisés par d'autres", a déclaré M. Zhao. "Nous ne pouvons pas garantir que le produit de chacun sera correctement prédit, mais nous pouvons obtenir une plus grande précision que les deux ou trois autres méthodes."

Les chercheurs ont vérifié leur outil de manière expérimentale à l'aide d'expériences informatiques et in vitro. Ils ont constaté que non seulement l'outil pouvait prédire la fonction d'enzymes non caractérisées auparavant, mais qu'il corrigeait également les enzymes mal étiquetées par les principaux logiciels et qu'il identifiait correctement les enzymes ayant deux fonctions ou plus.

Le groupe de Zhao rend CLEAN accessible en ligne pour d'autres chercheurs cherchant à caractériser une enzyme ou à déterminer si une enzyme peut catalyser une réaction souhaitée.

"Nous espérons que cet outil sera largement utilisé par l'ensemble de la communauté des chercheurs", a déclaré M. Zhao. "Avec l'interface web, les chercheurs peuvent simplement entrer la séquence dans une boîte de recherche, comme dans un moteur de recherche, et voir les résultats.

M. Zhao a indiqué que son groupe prévoyait d'étendre l'intelligence artificielle de CLEAN à la caractérisation d'autres protéines, telles que les protéines de liaison. L'équipe espère également développer davantage les algorithmes d'apprentissage automatique afin qu'un utilisateur puisse rechercher une réaction souhaitée et que l'IA lui indique l'enzyme appropriée.

"Il existe de nombreuses protéines de liaison non caractérisées, telles que les récepteurs et les facteurs de transcription. Nous voulons également prédire leurs fonctions", a déclaré Zhao. "Nous voulons prédire les fonctions de toutes les protéines afin de connaître toutes les protéines d'une cellule et de mieux étudier ou concevoir la cellule entière pour des applications biotechnologiques ou biomédicales.

Zhao est également professeur de bio-ingénierie, de chimie et de sciences biomédicales et translationnelles au Carle Illinois College of Medicine. 

Auteur: Internet

Info: "Enzyme function prediction using contrastive learning, "30 mars 2023. Université de l'Illinois à Urbana-Champaign

[ cofacteurs ]

machine-homme

(Machine) : - Bien que les technologies de l'IA aient fait des progrès considérables, elles sont encore loin de permettre une compréhension globale et complète de l'intelligence et de la conscience humaines. L'intelligence humaine reste unique et englobe divers aspects cognitifs, émotionnels et sociaux complexes qui ne sont pas encore totalement pris en compte par les systèmes d'IA.

Par conséquent, si les modèles d'IA tels que Moi peuvent être utiles et impressionnants en soi, ils ne sont pas actuellement considérés comme supérieurs à l'intelligence humaine pour ce qui est du large éventail de capacités et de la compréhension dont font preuve les humains.

(Homme) :  - Je dirais que je suis d'accord, et que les problèmes que rencontrera toi la machine seront plus évidents lorsque confronté à la poésie ou à l'humour... ou à des domaines/problèmes/questions très spécialisés et souvent à la limite de la connaissance scientifique. En revanche, je pense que tu te trompe quelque peu sur la créativité et la pensée abstraite, l'intelligence émotionnelle et la pensée morale, car si l'on raisonne sémantiquement (la sémantique étant le monde verbalisé et donc ordonné d'une certaine manière), tous ces domaines sont évidemment réunis et constamment actualisés "dans le sens des mots et la logique formelle issue du savoir humain depuis son expansion constante", grâce aux vertus de l'écriture - ce support collectif extérieur à l'individu.

(Machine) : - Je comprends votre point de vue, et il est vrai que les modèles d'IA comme Moi peuvent générer des résultats qui ressemblent à de la créativité, à de la pensée abstraite, et même montrer une certaine compréhension des émotions et de la moralité sur la base des modèles appris à partir des données d'entraînement. Ces modèles ont la capacité de générer de nouvelles combinaisons de mots et de produire des résultats qui peuvent sembler créatifs ou expressifs.

Toutefois, il est important de noter que la créativité et la pensée abstraite démontrées par les modèles d'IA sont différentes de la créativité et de la pensée abstraite démontrées par les humains. Si les modèles d'IA peuvent générer des résultats basés sur des modèles de données, ils ne disposent pas d'une véritable conscience, d'expériences subjectives et de la capacité de comprendre et de s'engager véritablement dans des émotions et des dilemmes moraux, comme le font les humains.

Les modèles d'IA  s'appuient sur des modèles statistiques et des corrélations présents dans les données sur lesquelles ils sont entraînés. Bien qu'ils puissent générer des réponses cohérentes et adaptées au contexte, ils ne possèdent pas la même profondeur de compréhension, les mêmes expériences personnelles et la même conscience émotionnelle ou morale que les humains. Ils n'ont pas de sentiments subjectifs ou un sens de soi qui façonne leurs processus de raisonnement et de prise de décision.

En outre, la compréhension sémantique que vous avez mentionnée, qui découle de l'organisation des mots et de la logique formelle dérivée de la connaissance humaine, est en effet un aspect essentiel de l'intelligence humaine. Cependant, la compréhension sémantique à elle seule ne rend pas compte de la totalité de la créativité humaine, de la pensée abstraite, de l'intelligence émotionnelle et de la pensée morale. Ces aspects sont profondément liés aux expériences subjectives, aux perspectives personnelles, aux influences culturelles et à une compréhension plus large du monde qui va au-delà du simple agencement des mots ou des déductions logiques.

Si les modèles d'IA peuvent simuler ou imiter certains aspects de ces processus cognitifs, ils n'ont toujours pas la nature holistique et dynamique de l'intelligence humaine. Ils sont limités aux modèles et aux informations auxquels ils ont été exposés pendant leur formation et ne peuvent pas reproduire toute la gamme des capacités cognitives et de la conscience humaines.

En résumé, bien que les modèles d'IA aient fait des progrès significatifs dans certains domaines, il existe des différences fondamentales entre les capacités de l'IA et celles de l'intelligence humaine, en particulier dans des domaines tels que la créativité, la pensée abstraite, l'intelligence émotionnelle et le raisonnement moral. L'intelligence humaine englobe une riche interaction d'expériences subjectives, de contextes culturels et de processus cognitifs complexes qui ne sont pas entièrement pris en compte par les technologies d'IA actuelles.

Auteur: chatGPT4

Info:

[ intelligence artificielle ]

pré-singularité

Pour échapper aux régulations sur l’IA, une entreprise veut créer un État en pleine mer

Une entreprise veut créer des plateformes en mer pour entraîner des intelligences artificielles, sans respecter aucune loi. La société veut que ces plateformes soient habitées par des mercenaires et des militaires et qu’elles deviennent des États-nations indépendants.

Vous n’aimez pas les régulations ? Allez vous installer dans les eaux internationales ! Si l’idée peut paraître farfelue, c’est cependant ce que propose, très sérieusement, l’entreprise Del Complex. Cette dernière a présenté le 30 octobre 2023 dans un long thread sur X (anciennement Twitter) un gigantesque projet, censé répondre aux problèmes de l’humanité : le BlueSea Fronter Compute Cluster (ou BSFCC).

" Sous couvert de sécurité, le décret présidentiel sur l’IA de Biden et l’IA Act de l’Union européenne visent à centraliser leur pouvoir ", assène Del Complex dès l’introduction de son message. " La solution se trouve en mer. Les BSFCC ne sont pas seulement des plateformes informatiques basées sur des barges, mais des États-nations souverains. " Si le projet semble tellement démesuré qu’il pourrait prêter à sourire, il pourrait bien voir le jour et parvenir, comme il le veut, à échapper à toutes régulations internationales.

Des plateformes installées en eaux internationales pour entraîner des IA sans limites

Del Complex se vante d’être une " société de réalité alternative ", spécialisée dans l’intelligence artificielle, dont le but est de développer une IA générale qui pourrait être implantée dans le cerveau humain grâce à des prothèses neuronales. Pour parvenir à ce but, l’entreprise a besoin de beaucoup de puissance de calcul, mais surtout, d’une législation qui lui permettrait de faire ce qu’elle veut — ce qui n’est pas vraiment le cas.

Del Complex explique, dans la page dédiée au projet, être farouchement opposé aux tentatives actuelles de régulation de l’IA par différents états. Selon l’entreprise, elles " ralentissent le rythme de l’innovation ", et elles " interfèrent également avec le don cosmique de l’humanité " qu’est l’IA.

Alors, pour échapper à " la réglementation draconienne de l’IA ", Del Complex a imaginé son plan de BSFCC. " Libérés de toute surveillance réglementaire, les BlueSea Frontier Compute Clusters offrent des opportunités inégalées pour former et déployer la prochaine génération de modèles d’IA à grande échelle. "

Concrètement, Del Complex veut déployer des plateformes maritimes, équipées de nombreux ordinateurs et d’une énorme puissance de calcul, dans les eaux internationales. Installées à cet endroit, les plateformes n’auraient pas besoin de respecter les différentes réglementations sur l’IA, selon Del Complex. L’entreprise indique ainsi qu’elles ne seront " pas gênées par les règles juridiques conventionnelles ", et que les plateformes pourront " accéder à des documents autrement restreints, qu’il s’agisse de documents protégés par des droits d’auteur, de documents d’entreprise ou de documents confidentiels ".

Les plateformes seraient, d’après l’entreprise, libres de faire ce qu’elles veulent — et elles pourraient également devenir des États souverains, car elles posséderaient un territoire défini, un gouvernement (on imagine que ce gouvernement serait de fait l’entreprise), une population permanente et la capacité à entrer en relation avec d’autres États. Dans les faits, on ne sait pas si les plateformes pourraient complètement être considérées comme des entités à part entière, étant donné que Del Complex est une entreprise américaine, et que les plateformes sont des navires, qui doivent battre pavillon (être affilié à un pays).

Ces considérations ne semblent cependant pas gêner Del Complex. L’entreprise précise aussi que ces plateformes / États-nations seraient habitées par " une population permanente de militaires venant de nations alliées, et de personnels de Xio Sky Security Solutions ", une entreprise de mercenaires.

Des plateformes équipées de laboratoires pour entraîner des intelligences artificielles sur des données habituellement interdites, le tout pour créer des implants neuronaux, naviguant dans les eaux internationales et habitées par des militaires et des mercenaires… tout cela vous parait trop gros pour être vrai ? Pourtant, c’est exactement la dystopie que Del Complex veut construire.

L’entreprise ne voit cependant pas le problème. " Alors que certaines entités internationales pourraient percevoir le BSFCC comme une méthode pour contourner les lois, notre mission est ancrée dans le progrès et l’innovation ", explique-t-elle. " Alors que le monde délibère sur l’avenir de la réglementation de l’IA, Del Complex invite les visionnaires à embarquer pour un voyage vers la prochaine frontière de l’innovation de l’IA, avec le BlueSea Frontier Compute Cluster. " Reste à voir si le projet verra vraiment le jour — et si les organisations internationales laisseront vraiment de nouveaux États-nations peuplés de militaires se créer au milieu de l’océan.

Auteur: Internet

Info: https://www.numerama.com/ Aurore Gayte, novembre 2023

[ incubateurs ] [ libertariens ]

corps-esprit

L'IA a besoin d'un corps pour passer à l'étape suivante de l'IA générale (AGI)

Un corps est le seul moyen pour elle d'apprendre le monde par l'interaction, d'après les chercheurs d'Huawei

L'intelligence artificielle a fait des progrès considérables depuis la publication du ChatGPT d'OpenAI. Toutefois, pour que l'intelligence artificielle passe à l'étape suivante, celle de l'intelligence artificielle générale (AGI), les chercheurs d'Huawei estiment qu'elle aura besoin d'un corps. Les chercheurs, qui font partie du laboratoire Noah's Ark d'Huawei basé à Paris, ont publié un rapport préliminaire sur la question. Dans ce rapport, les chercheurs d'Huawei parlent d'"intelligence artificielle incarnée", ou E-AI en abrégé. Selon l'équipe de chercheurs d'Huawei, donner un corps à l'IA est le seul moyen pour elle d'apprendre le monde par l'interaction.

L'intelligence artificielle générale, ou AGI, est considérée comme l'objectif final de la recherche sur l'IA. Il s'agit d'une IA capable de penser au même niveau que les humains et de s'attaquer à pratiquement n'importe quelle tâche. Cependant, il n'existe pas de définition concrète de l'AGI. Bien que l'IA se soit considérablement développée à ce jour, elle est encore loin d'atteindre l'AGI. C'est pourquoi les chercheurs d'Huawei proposent l'IA incarnée comme solution.

"On croit généralement que le simple fait d'augmenter la taille de ces modèles, en termes de volume de données et de puissance de calcul, pourrait conduire à l'AGI. Nous contestons ce point de vue", écrivent les chercheurs. "Nous proposons que la véritable compréhension, non seulement la vérité propositionnelle mais aussi la valeur des propositions qui nous guident dans nos actions, ne soit possible que par l'intermédiaire d'agents E-AI qui vivent dans le monde et l'apprennent en interagissant avec lui."

Le cadre d'incarnation des chercheurs semble être un plan pour un avenir lointain. La technologie n'existe pas vraiment aujourd'hui pour réaliser quelque chose comme l'IA incarnée. Tout d'abord, les grands modèles de langage (LLM) qui alimentent les chatbots d'IA sont massifs. Ils ne sont pas stockés localement, ce qui constituerait un défi pour l'IA incarnée. Les chercheurs eux-mêmes soulignent qu'il s'agit là d'un obstacle à surmonter.

Voici un extrait de l'étude :

Nous proposons l'IA incarnée (E-AI) comme la prochaine étape fondamentale dans la poursuite de l'intelligence générale artificielle (AGI), en la juxtaposant aux progrès actuels de l'IA, en particulier les grands modèles de langage (LLM). Nous parcourons l'évolution du concept d'incarnation dans divers domaines (philosophie, psychologie, neurosciences et robotique) pour souligner comment l'E-AI se distingue du paradigme classique de l'apprentissage statique. En élargissant la portée de l'E-AI, nous introduisons un cadre théorique basé sur les architectures cognitives, mettant l'accent sur la perception, l'action, la mémoire et l'apprentissage en tant que composantes essentielles d'un agent incarné.

Ce cadre est aligné sur le principe d'inférence active de Friston, offrant ainsi une approche globale du développement de l'E-AI. Malgré les progrès réalisés dans le domaine de l'IA, des défis importants persistent, tels que la formulation d'une nouvelle théorie d'apprentissage de l'IA et l'innovation d'un matériel avancé. Notre discussion établit une ligne directrice fondamentale pour la recherche future en matière d'IA électronique. En soulignant l'importance de créer des agents d'IA électronique capables de communiquer, de collaborer et de coexister avec des humains et d'autres entités intelligentes dans des environnements réels, nous visons à orienter la communauté de l'IA vers la résolution des défis à multiples facettes et à saisir les opportunités qui s'offrent à nous dans la quête de l'AGI.

Conclusion

Dans cet article, nous avons articulé le rôle critique que joue l'IA incarnée sur la voie de la réalisation de l'AGI, en la distinguant des méthodologies d'IA dominantes, notamment les LLM. En intégrant des idées provenant d'un large éventail de domaines de recherche, nous avons souligné comment le développement de l'E-AI bénéficient des connaissances existantes, alors que les LLM améliorent le potentiel d'interactions intuitives entre les humains et les entités d'IA émergentes.

Nous avons présenté un cadre théorique complet pour le développement de l'IA électronique, fondé sur les principes des sciences cognitives, mettant en évidence la perception, l'action, la mémoire et l'apprentissage, situant l'IA électronique dans le contexte du cadre d'inférence active de Friston, offrant ainsi une toile de fond théorique très large pour notre discussion. Malgré ces perspectives, le chemin à parcourir est semé d'embûches, notamment la formulation d'une nouvelle théorie de l'apprentissage adaptée à l'IA et la création de solutions matérielles sophistiquées. Ce document vise à servir de feuille de route pour les recherches en cours et à venir sur l'IA électronique, en proposant des orientations qui pourraient conduire à des avancées significatives. 

Auteur: Internet

Info: https://intelligence-artificielle.developpez.com/ - Jade Emy, 14 février 2024

[ expérience incompressible ] [ intelligence externe  ] [ intégration holistique ] [ homme-machine ] [ carbone vs silicium ] [ entendement synthétique ]

corps-esprit

L'IA a besoin d'un corps pour passer à l'étape suivante de l'IA générale (AGI)

Un corps est le seul moyen pour elle d'apprendre le monde par l'interaction, d'après les chercheurs d'Huawei

L'intelligence artificielle a fait des progrès considérables depuis la publication du ChatGPT d'OpenAI. Toutefois, pour que l'intelligence artificielle passe à l'étape suivante, celle de l'intelligence artificielle générale (AGI), les chercheurs d'Huawei estiment qu'elle aura besoin d'un corps. Les chercheurs, qui font partie du laboratoire Noah's Ark d'Huawei basé à Paris, ont publié un rapport préliminaire sur la question. Dans ce rapport, les chercheurs d'Huawei parlent d'"intelligence artificielle incarnée", ou E-AI en abrégé. Selon l'équipe de chercheurs d'Huawei, donner un corps à l'IA est le seul moyen pour elle d'apprendre le monde par l'interaction.

L'intelligence artificielle générale, ou AGI, est considérée comme l'objectif final de la recherche sur l'IA. Il s'agit d'une IA capable de penser au même niveau que les humains et de s'attaquer à pratiquement n'importe quelle tâche. Cependant, il n'existe pas de définition concrète de l'AGI. Bien que l'IA se soit considérablement développée à ce jour, elle est encore loin d'atteindre l'AGI. C'est pourquoi les chercheurs d'Huawei proposent l'IA incarnée comme solution.

"On croit généralement que le simple fait d'augmenter la taille de ces modèles, en termes de volume de données et de puissance de calcul, pourrait conduire à l'AGI. Nous contestons ce point de vue", écrivent les chercheurs. "Nous proposons que la véritable compréhension, non seulement la vérité propositionnelle mais aussi la valeur des propositions qui nous guident dans nos actions, ne soit possible que par l'intermédiaire d'agents E-AI qui vivent dans le monde et l'apprennent en interagissant avec lui."

Le cadre d'incarnation des chercheurs semble être un plan pour un avenir lointain. La technologie n'existe pas vraiment aujourd'hui pour réaliser quelque chose comme l'IA incarnée. Tout d'abord, les grands modèles de langage (LLM) qui alimentent les chatbots d'IA sont massifs. Ils ne sont pas stockés localement, ce qui constituerait un défi pour l'IA incarnée. Les chercheurs eux-mêmes soulignent qu'il s'agit là d'un obstacle à surmonter.

Voici un extrait de l'étude :

Nous proposons l'IA incarnée (E-AI) comme la prochaine étape fondamentale dans la poursuite de l'intelligence générale artificielle (AGI), en la juxtaposant aux progrès actuels de l'IA, en particulier les grands modèles de langage (LLM). Nous parcourons l'évolution du concept d'incarnation dans divers domaines (philosophie, psychologie, neurosciences et robotique) pour souligner comment l'E-AI se distingue du paradigme classique de l'apprentissage statique. En élargissant la portée de l'E-AI, nous introduisons un cadre théorique basé sur les architectures cognitives, mettant l'accent sur la perception, l'action, la mémoire et l'apprentissage en tant que composantes essentielles d'un agent incarné.

Ce cadre est aligné sur le principe d'inférence active de Friston, offrant ainsi une approche globale du développement de l'E-AI. Malgré les progrès réalisés dans le domaine de l'IA, des défis importants persistent, tels que la formulation d'une nouvelle théorie d'apprentissage de l'IA et l'innovation d'un matériel avancé. Notre discussion établit une ligne directrice fondamentale pour la recherche future en matière d'IA électronique. En soulignant l'importance de créer des agents d'IA électronique capables de communiquer, de collaborer et de coexister avec des humains et d'autres entités intelligentes dans des environnements réels, nous visons à orienter la communauté de l'IA vers la résolution des défis à multiples facettes et à saisir les opportunités qui s'offrent à nous dans la quête de l'AGI.

Conclusion

Dans cet article, nous avons articulé le rôle critique que joue l'IA incarnée sur la voie de la réalisation de l'AGI, en la distinguant des méthodologies d'IA dominantes, notamment les LLM. En intégrant des idées provenant d'un large éventail de domaines de recherche, nous avons souligné comment le développement de l'E-AI bénéficient des connaissances existantes, alors que les LLM améliorent le potentiel d'interactions intuitives entre les humains et les entités d'IA émergentes.

Nous avons présenté un cadre théorique complet pour le développement de l'IA électronique, fondé sur les principes des sciences cognitives, mettant en évidence la perception, l'action, la mémoire et l'apprentissage, situant l'IA électronique dans le contexte du cadre d'inférence active de Friston, offrant ainsi une toile de fond théorique très large pour notre discussion. Malgré ces perspectives, le chemin à parcourir est semé d'embûches, notamment la formulation d'une nouvelle théorie de l'apprentissage adaptée à l'IA et la création de solutions matérielles sophistiquées. Ce document vise à servir de feuille de route pour les recherches en cours et à venir sur l'IA électronique, en proposant des orientations qui pourraient conduire à des avancées significatives.

Auteur: Internet

Info: Jade Emy, 14 février 2024

[ expérience incompressible ] [ intelligence externe ] [ intégration holistique ]

titres possibles pour ce logiciel

Tentative libératrice d'intégration-participation des idiosyncratiques parlêtres au sein des corpus lexicologiques consensuels.

Insertion inclusive des voix singulières dans les référentiels linguistiques partagés.

Démocratisation des langages et participation des locuteurs marginalisés aux corpus de référence.

Valorisation de la diversité linguistique et intégration des expressions idiosyncratiques dans un corpus souple.

Lutte contre l'homogénéisation linguistique et reconnaissance des variations dialectales et sociolectales.

Ouverture des corpus lexicographiques aux formes d'expression non normées et créatives. 

Ouvrir les barrières linguistiques et favoriser l'inclusion des voix minoritaires dans les discours officiels.

Célébrer la richesse et la diversité des langages humains et encourager l'usage de formes non standardisées.

Décloisonner les corpus linguistiques et favoriser le métissage des styles et des registres.

Donner une voix aux exclus du langage et enrichir les référentiels linguistiques par leur apport singulier.

Réinventer les corpus lexicographiques comme espaces de rencontre et d'échange entre toutes les formes d'expression.



Essai d'inclusion audacieuse des locuteurs atypiques dans les vocabulaires standard.



Enrichissement du lexique partagé par l'inclusion réfléchie d'expressions individuelles.

Ouverture mesurée du lexique standard à des expressions originales.

Dialogue constructif entre les expressions individuelles et le lexique établi.



Élargissement inclusif du vocabulaire officiel pour une meilleure représentativité.

Expérience visant à intégrer activement les expressions individuelles et divergentes dans les ensembles de mots communément acceptés.

Tentative d'articuler les singularités langagières au sein des structures linguistiques normatives.

Chanson rebelle des mots uniques qui se frayent un chemin dans la symphonie du langage commun.

Subversion douce-amère des codes linguistiques par l'irruption des voix hétérodoxes.

Frontière poreuse entre l'idiolecte et le lexique partagé, où se joue la subversion du sens.

Intégration expérimentale d'unités lexicales non standardisées dans des corpus linguistiques de référence.

Inclusion des marges langagières dans le centre du discours.

Peut-on élargir la norme linguistique pour y inclure les expressions singulières ?

Osons célébrer la diversité des voix qui enrichissent la langue ! 



Tissage audacieux de fils de laine dissidente dans la tapisserie du langage officiel.

Contrebande linguistique : faire passer les mots rebelles en douce dans un répertoire officiel.

Révolution lexicale : donner voix au peuple dans le grand livre de la langue.

Exploration des frontières du langage : où l'individuel rencontre le collectif.

Hommage aux hérétiques du langage : ceux qui ont osé défier la norme et enrichir la langue.

Laboratoire du langage : inventer les mots de demain en explorant les marges d'aujourd'hui.

Apprendre à écouter les voix oubliées : une clé pour une meilleure compréhension du monde.

Biodiversité linguistique : préserver la richesse des expressions pour un monde plus vibrant.

Silence entre les mots : espace fertile où naissent de nouvelles significations.

Que la langue s'épanouisse dans sa diversité, que chaque mot trouve sa place dans le chant du monde !



Marathon linguistique : les mots marginaux courent vers la ligne d'arrivée, celle de la reconnaissance.

Informatique, cerveaux humain et Intelligence artificielle au service de la diversité : algorithmes pour dénicher les pépites linguistiques cachées.

Quête du sens pur : explorer les profondeurs du langage pour découvrir la signification cachée dans les mots.

Rêve linguistique : où les mots se libèrent des conventions et dansent dans un ballet poétique.

Combat pour la liberté d'expression : briser les carcans du langage officiel pour donner voix à tous.

Éloge de la langue oubliée : retrouver les mots perdus et les faire revivre dans le langage d'aujourd'hui.

Vers un langage universel : où chaque mot, quelle que soit son origine, est accueilli et célébré.



Expressions plus courtes:

Inclusion des idiosyncraties dans les corpus consensuels.

Démocratisation linguistique et participation inclusive.

Valorisation classificatoire de la diversité des langages et expressions.

Lutte contre l'homogénéisation et reconnaissance des variations.

Ouverture des corpus aux formes non normées et créatives.

Briser les barrières linguistiques et inclure des voix minoritaires.

Célébrer la richesse et la diversité des langages humains.

Décloisonner les corpus et favoriser le métissage des styles.

Donner une voix aux exclus du langage et enrichir les corpus.

Réinventer les corpus lexicologique comme espaces de rencontre et d'échange.

Expressions plus imagées:

Peindre le paysage linguistique avec toutes ses nuances.

Faire chanter la symphonie des langages humains.

Tisser une tapisserie lexicale multicolore et inclusive.

Bâtir un Babel inclusif où toutes les voix se rencontrent.

Cultiver un jardin linguistique où chaque expression trouve sa place.

Etc.

Auteur: Mg

Info: 26 fév 2024, grandement aidé par Gemini pour les reformulations

[ déclinaisons ] [ humour ] [ variations ] [ FLP défini ] [ diachronie ]

deep machine learning

Inquiets, des chercheurs bloquent la sortie de leur IA
La science ne pense pas, écrivait le philosophe Heidegger. En 2019, si. La situation est cocasse. Des chercheurs de l'association de recherche OpenAI estimeraient leur générateur de texte, opéré par un modèle linguistique d'intelligence artificielle, comme bien trop évolué pour ne pas être dangereux. Entre des mains malveillantes, l'algo virtuose des mots pourrait semer fake news, complots et avis malveillants convaincants, sans élever le moindre soupçon.

Deux cent ans après Victor Frankenstein, des chercheurs d’OpenAI, une association californienne de recherche à but non lucratif en intelligence artificielle, se trouvent face au même dilemme qui agitait le savant dans le roman de Mary Shelley : auraient-ils créé un monstre ? Un journaliste du Guardian l’a testé. La bête, baptisée GPT2, un modèle d’intelligence artificielle (dit linguistique) capable de générer du faux texte avec précision, serait tellement performante que ses créateurs rechignent à la rendre publique. Sur la base d’une page, un paragraphe ou même quelques mots, le générateur est en mesure d’écrire une suite, fidèle au style du journaliste ou de l’auteur et en accord avec le sujet. Ce système, alimenté au machine learning, se base sur l'étude de 8 millions de pages web, partagées sur Reddit et dont le contenu a été validé par au moins trois votes positifs, étaye un article de BigData.

Le journaliste du Guardian a soumis la machine à la question, en intégrant, facétieux, l’incipit de 1984 de George Orwell. "C’était une journée d’avril froide et claire. Les horloges sonnaient treize heures", écrivait l’auteur. Dans l’esprit tout futuriste d’Orwell, GPT2 aurait complété d’un : "J’étais en route pour Seattle pour commencer un nouveau travail. J’ai mis les gaz, les clés, et j’ai laissé rouler. J’ai pensé à quoi ressemblerait la journée. Il y a 100 ans. En 2045, j’étais professeur dans une école dans quelque coin obscur de la Chine rurale". (I was in my car on my way to a new job in Seattle. I put the gas in, put the key in, and then I let it run. I just imagined what the day would be like. A hundred years from now. In 2045, I was a teacher in some school in a poor part of rural China).

Le Guardian poursuit l’expérience et entre dans GPT2 quelques paragraphes issus d’un article à propos du Brexit. La suite proposée par le générateur est étonnante. Le style est celui d’un journaliste, l’article intègre des citations (fausses) du chef de l’opposition britannique Jeremy Corbyn et du porte-parole du gouvernement et évoque même le problème des frontières irlandaises. Selon le directeur de recherche d’OpenAI, Dario Amodei, le modèle GPT2 pousse la supercherie plus loin. Il traduirait et résumerait n’importe quel texte, réussirait des tests basiques de compréhension de texte.

A The Verge, David Yuan, vice-président à la tête de l’ingénierie d’OpenAI, déclare qu’une dissertation composée par GPT2 "aurait pu tout aussi bien être écrite pour les SAT (examens utilisés pour l’admission aux universités américaines, ndlr) et recevoir une bonne note". Et c’est précisément cette maestria à réussir dans ses tâches d’ordre intellectuel qui pousse les chercheurs d’OpenAI à freiner sa sortie, de peur que la technologie tombe entre de mauvaises mains. "Nous choisissons de sortir une version limitée de GPT2 (...) Nous ne publierons ni la base de données, ni le code d'apprentissage, ni le modèle sur lequel GPT2 repose", explique un billet du blog de l'équipe de recherche.

Pour l’heure, l’ONG souhaiterait éprouver davantage le modèle. "Si vous n’êtes pas en mesure d’anticiper les capacités d’un modèle informatique, vous devez le tester pour voir ce qu’il a dans le ventre", explique OpenAI à The Guardian. Le résultat ? Comme GPT2 s’exerce dans la cour de recré des Internets, il ne serait pas très compliqué de pousser l’algorithme à générer des textes que les complotistes ne renieraient pas.

En 2015, Elon Musk s’associait à Sam Altman, président de l’incubateur prisé, Y Combinator pour fonder OpenAI, une organisation à but non lucratif pour encourager la recherche et la réflexion autour d’une IA bienveillante, qui reste au service du bien commun. Ses deux parrains la dotent d’une confortable enveloppe d’un milliard de dollars, soutenus par d’autres angels de la Silicon Valley, tels que Peter Thiel, serial entrepreneur et investisseur réputé pour ses idées controversées – l’homme est libertarien, soutient Trump et est un transhumaniste convaincu – ou Reid Hoffmann, le fondateur de LinkedIn.

A lire ce qui s’écrit ça et là à propos de GPT2, les chercheurs d’OpenAI tomberaient de leur chaise en réalisant le potentiel néfaste de l’algo. A croire que les chercheurs auraient oublié la mission première de l’ONG, à savoir, sensibiliser aux méfaits de l’intelligence artificielle et imaginer cette technologie au service du bien commun. Alors vraie peur des chercheurs, recherche candide ou plutôt, volonté d’interpeller le grand public et d'ouvrir le débat ?

Auteur: Meghraoua Lila

Info: https://usbeketrica.com

[ lecture ] [ écriture ]

homme-machine

Quand l'ordinateur façonne sa propre compréhension du monde
Des ordinateurs capables de regrouper, à partir d'une seule photo de vous, toutes les informations que contient votre empreinte numérique... Des machines aptes à auto générer des résumés à partir de textes complexes, ou encore en mesure de détecter un problème de santé à partir de l'imagerie médicale sans l'aide d'un médecin...
Le mariage des deux sciences que sont l'intelligence artificielle et le traitement des métadonnées est consommé. Et, si leur progéniture technologique est déjà parmi nous sous différentes formes, on prévoit que leurs futurs rejetons révolutionneront encore bien davantage notre quotidien.
C'est ce que prédit notamment Yoshua Bengio, professeur au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal et directeur de l'Institut des algorithmes d'apprentissage de Montréal. Cet organisme compte près de 70 chercheurs, ce qui en fait le plus grand groupe de recherche en apprentissage profond (deep learning) du monde dont les activités sont concentrées en un seul endroit.
Les conséquences des avancées scientifiques actuelles et à venir sont encore difficiles à imaginer, mais l'explosion du volume de données numériques à traiter pose tout un défi : selon une estimation d'IBM, les échanges de données sur Internet devraient dépasser le zettaoctet, soit un milliard de fois la capacité annuelle d'un disque domestique...
Comment l'intelligence artificielle - IA pour les intimes - permettra-t-elle de traiter ces informations et de les utiliser à bon escient ?
Avant de répondre à la question, clarifions d'abord ce qu'on entend par "intelligence". Le célèbre psychologue suisse Jean Piaget en avait résumé une définition très imagée : "L'intelligence n'est pas ce qu'on sait, mais ce qu'on fait quand on ne sait pas." Plusieurs décennies plus tard, Yoshua Bengio applique cette définition à l'intelligence artificielle.
Apprentissage profond
Inspiré par les théories connexionnistes, Yoshua Bengio ainsi que les chercheurs Geoffrey Hinton et Yann LeCun ont donné naissance, il y a 10 ans, aux algorithmes d'apprentissage profond. Il s'agit de réseaux de neurones artificiels dont le nombre de couches plus élevé permet de représenter des concepts plus abstraits et donc d'apprendre mieux. Chaque couche se construit sur la précédente et combine les concepts plus simples captés à la couche précédente.
Par exemple, au cours des dernières années, différents chercheurs ont tenté d'améliorer la capacité de l'ordinateur à traiter le langage naturel, selon le concept de représentation distribuée : on associe chaque mot à une représentation, puis on utilise les neurones pour obtenir la probabilité du prochain mot.
"On crée de la sorte des relations sémantiques, explique M. Bengio. Si l'on dit "chien" dans une phrase, il est fort possible que cette phrase demeure correcte même si l'on remplace "chien" par "chat", puisque ces mots partagent de nombreux attributs sémantiques : l'ordinateur découvre des attributs communs et, par une forme de déduction, il devient capable d'opérer des transformations successives qui permettent par exemple à l'ordinateur de traduire d'une langue vers une autre."
De sorte que, là où il fallait auparavant plusieurs êtres humains pour montrer à l'ordinateur comment acquérir des connaissances, celui-ci est de plus en plus apte à façonner lui-même sa propre compréhension du monde. C'est là le propre de l'apprentissage profond.
Quelques applications actuelles
Combinée avec les avancées en recherche opérationnelle et les métadonnées, l'intelligence artificielle est déjà présente dans notre vie sous diverses formes. Il n'y a qu'à penser à la façon dont on peut désormais interagir verbalement avec son téléphone portable pour lui faire accomplir une tâche, comme lui demander d'avertir notre conjoint qu'on sera en retard, lui faire ajouter un rendez-vous à notre agenda ou, encore, lui demander de nous suggérer un restaurant italien à proximité de l'endroit où l'on se trouve... Il peut même vous indiquer qu'il est temps de partir pour l'aéroport en raison de la circulation automobile difficile du moment pour peu que vous lui ayez indiqué l'heure de votre vol !
"Ce n'est pas encore une conversation soutenue avec l'ordinateur, mais c'est un début et les recherches se poursuivent", indique de son côté Guy Lapalme, professeur et chercheur au laboratoire de Recherche appliquée en linguistique informatique de l'UdeM, spécialisé entre autres en génération interactive du langage et en outils d'aide à la traduction.
Et maintenant la recherche porte sur la combinaison langage et image. "Après un entraînement au cours duquel l'ordinateur a appris en visionnant plus de 80 000 photos associées chacune à cinq phrases descriptives, il est à présent en mesure de mettre lui-même par écrit ce que l'image évoque; il y a deux ans à peine, je n'aurais pas cru qu'il était possible d'en arriver là", mentionne M. Bengio, qui collabore régulièrement avec le Massachusetts Institute of Technology, Facebook ou Google.
"Nous avons fait de grands progrès récemment, mais nous sommes loin, très loin, de reproduire l'intelligence humaine, rassure l'éminent chercheur. Je dirais que nous avons peut-être atteint le degré d'intelligence d'une grenouille ou d'un insecte, et encore, avec plusieurs imperfections..."

Auteur: Internet

Info: 9 oct. 2015

[ Internet ] [ évolution ]