Une étude de chercheurs de Caltech a récemment suggéré que les souris pourraient apprendre bien plus rapidement qu’on ne le pensait; une piste pour faire progresser notre compréhension de l’apprentissage, mais aussi les algorithmes de machine learning.
En science, cela fait désormais des décennies que les souris sont considérées comme des sujets d’étude de tout premier plan. Elles sont souvent les vedettes des laboratoires qui travaillent sur des sujets en lien avec la biologie ou la médecine, mais également les sciences cognitives. Elles ont fait l’objet d’innombrables expériences en la matière, notamment sur la question de l’apprentissage. Mais elles sont encore loin d’avoir livré tous leurs secrets. Dans une étude repérée par Slashgear, une équipe de chercheurs du California Institute of Technology (Caltech) vient d’ailleurs de démontrer qu’elles pourraient apprendre encore plus vite qu’on ne le pensait.
Pour s’en rendre compte, ils ont imaginé une expérience où les rongeurs devaient réaliser une tâche simple, mais non instinctive, ce qui implique de nombreuses décisions et un processus d’apprentissage progressif. Les souris ont été placées dans un petit nid douillet relié à un labyrinthe complexe, avec 64 impasses différentes, et surtout une source d’eau en guise de récompense dans l’une d’entre elles.
Ils ont ensuite laissé tout le loisir d’explorer cet environnement pendant une nuit entière, sous la surveillance d’une caméra épaulée par un système de reconnaissance d’image. Les chercheurs ont donc pu extraire de nombreuses données statistiques sur ses trajets entre sa maison et la source d’eau.
Les souris apprennent bien plus vite qu’on ne le pensait
Ils ont ainsi pu déduire que les souris apprenaient à réaliser cette tâche environ 1000 fois plus vite que les autres tâches non naturelles pour cette espèce. “Des travaux précédents ont démontré que les animaux avaient tendance à devoir répéter une tâche des milliers de fois avant de l’apprendre”, explique Matthew Rosenberg, l’un des auteurs de l’étude. “Cela nous a donc surpris de constater que l’animal pouvait apprendre le plan détaillé de ce labyrinthe, avec de nombreux virages, en une seule nuit.”
Pour s’assurer que les souris ne “trichaient” pas en se référant à d’autres indices ( par exemple une odeur particulière) les chercheurs ont même tenté de les induire en erreur en retournant la structure. Mais sans succès : dans les deux cas, les souris avaient tellement bien appris leur leçon qu’elles sont parvenues à retrouver l’eau en un éclair. De même, il n’y avait quasiment aucune différence de vitesse d’apprentissage entre les souris assoiffées et les autres; il s’agit donc bien d’un vrai apprentissage, et non pas d’une motivation particulière causée par des besoins physiologiques. “Cela suggère que les animaux ne se basent pas sur un seul sens, mais construisent une carte mentale complexe de la situation”, explique M. Rosenberg.
Les mécanismes de l’apprentissage au service de l’IA
L’autre point intéressant, c’est que les chercheurs ont également testé un protocole similaire sur des étudiants de l’université, avec des résultats comparables. La portée de cette étude dépasse donc la simple analyse comportementale des rongeurs. Avec leurs trouvailles, ils espèrent pouvoir identifier certains mécanismes dont nos cerveaux, et ceux des souris, se servent comme des raccourcis cognitifs pour apprendre plus rapidement. “Ce que nous tentons d’accomplir ici, c’est de comprendre l’apprentissage à un niveau global”, renchérit T. Zhang, un autre auteur de l’étude.
À terme, l’objectif de cette approche serait ensuite d’appliquer ces phénomènes à une autre forme d’apprentissage très en vogue : le machine learning. Une fois les mécanismes en jeu bien identifiés, ils pourraient permettre d’améliorer grandement l’efficacité des algorithmes utilisés dans cette discipline. “Cette tâche peut être interprétée comme une passerelle pour comprendre certains aspects de l’apprentissage que le machine learning n’est pas capable de reproduire”, explique Tony Zhang.
Évidemment, il est impossible de “copier-coller” un processus cognitif d’un cerveau à une IA; de tels progrès ne seront possibles qu’avec des travaux plus poussés et une collaboration étroite avec des chercheurs spécialisés en IA. Mais elle n’en est qu’à ses balbutiements, cette approche pourrait contribuer à améliorer largement les algorithmes de machine learning du futur. Qui sait, si une intelligence artificielle prend un jour le pouvoir, elle devra peut-être sa consécration au sens de l’orientation d’une poignée de petites souris.
Source: jdg
