Un modèle de réseau de l'Université de Cologne intègre un traitement rapide et parallèle à la reconnaissance de l'expérience pour permettre à un agent artificiel d'apprendre plus efficacement.

Avantages

  • Apprentissage accru
  • Efficacité accrue
  • Adaptable

Applications

  • intelligence artificielle
  • Robotique

Objectifs de développement durable des Nations Unies abordés

  • Objectif 9 : Innovation et infrastructure de l'industrie

Le projet

Les ordinateurs reposent sur un système binaire, composé de 0 et de 1, pour fonctionner. Ils suivent un code pour calculer et accomplir des tâches, et ils n'ont pas de mémoire dynamique. Pour cette raison, les ordinateurs ne peuvent effectuer que les tâches pour lesquelles ils sont conçus et ne peuvent pas apprendre de nouveaux processus à moins qu'il n'y ait un changement dans la programmation. Si un ordinateur est confronté à une décision, il ne peut que suivre son code, il ne peut pas se souvenir de ce qui s'est passé lors des calculs passés avant que le code ne soit modifié.

Détails de l'innovation

Les chercheurs ont analysé comment les mouches des fruits apprennent à trouver de la nourriture dans leur environnement et ont construit un modèle informatique qui imite le processus. Normalement, les chercheurs entraînent les mouches en présentant un parfum spécifique avec une récompense et un second parfum sans récompense. La mouche apprend à associer rapidement certains parfums à des récompenses, et elle peut se souvenir de cette information lors de la recherche de nourriture dans des environnements plus complexes à l'avenir. Les chercheurs ont examiné le traitement informatique impliqué dans le processus et l'ont appliqué à un modèle informatique qui imite le traitement de l'information biologique des mouches des fruits. Ce qui distingue le calcul biologique, c'est qu'il utilise un traitement rapide et parallèle avec une entrée de brèves impulsions nerveuses. De plus, il crée une mémoire distribuée en changeant et en modifiant constamment les contacts entre les neurones tout au long du processus d'apprentissage. Cela permet à un modèle d'apprentissage automatique, tel que l'IA ou un système autonome, d'apprendre beaucoup plus efficacement et d'appliquer ce qu'il a appris dans un environnement changeant, en utilisant uniquement une petite base de données d'échantillons d'apprentissage.

Modèle biologique

Les insectes sont capables de faire face aux problèmes de leur environnement en modifiant leur comportement en fonction des connaissances acquises lors d'expériences passées. Leur système nerveux utilise un traitement parallèle rapide avec de brèves impulsions nerveuses pour former une mémoire distribuée.