Le cerveau humain, modèle pour une IA plus intelligente

L’intelligence artificielle (IA) évolue à une vitesse fulgurante, soulevant des questions éthiques profondes et des enjeux philosophiques sur la conscience, l’intelligence et sa véritable nature. Lors d’une récente conférence, inspirée par le livre percutant The Self-Assembling Brain^[1] du professeur en neurobiologie Peter Robin Hiesinger, j’ai exploré les parallèles fascinants — et les distinctions cruciales — entre le cerveau humain et les réseaux de neurones artificiels (RNA).

Le cerveau, un système qui s’assemble lui-même

Imaginez votre cerveau comme une structure de Lego d’une complexité folle — sauf que ce Lego-là se construit tout seul. Contrairement à un ensemble Lego classique, où le résultat est connu d’avance, le cerveau ne garantit aucun plan final. L’ADN contiendrait plutôt les « instructions » qui guident un processus appelé croissance algorithmique — un processus qui n’est pas figé, mais qui évolue en fonction de l’environnement. C’est justement ce processus d’auto-assemblage qui donne au cerveau son sens de l’intelligence.

Les réseaux neuronaux biologiques — autrement dit, notre cerveau — ne suivent pas de schéma rigide préétabli. Ils se développent de façon organique, influencés par des interactions encodées génétiquement et continuellement remodelées par les stimuli extérieurs. À l’opposé, les réseaux neuronaux artificiels (RNA) sont souvent vus comme des « ardoises vierges » : leur structure est définie à l’avance, de manière rigide, avant toute phase d’apprentissage.

Nature contre culture, revisité

Le débat classique entre nature et culture prend un nouveau sens ici. La nature représente les plans génétiques qui orientent le développement initial du cerveau, alors que la culture englobe les expériences et interactions qui le façonnent au fil du temps. Hiesinger affirme que ces deux forces ne sont pas séparées, mais entremêlées dans une danse kaléidoscopique qui guide, de façon inséparable, le développement neuronal et l’intelligence.

Dans les systèmes d’IA, on distingue clairement ces étapes : on conçoit une architecture (la nature), qu’on entraîne ensuite indépendamment à l’aide de données et d’expériences (la culture). Cette séparation dès le départ pourrait en fait limiter le potentiel de l’IA à atteindre une intelligence semblable à celle des humains. On risque ainsi de passer à côté d’éléments fondamentaux du développement naturel de l’intelligence.

Le problème de l'information

Une des grandes questions demeure : comment une quantité limitée d’informations contenues dans l’ADN peut-elle générer un cerveau aussi structuré et intelligent ? Une analogie utile est celle des automates cellulaires, comme dans le jeu Game of Life^[2] de Conway. Des règles simples, appliquées en boucle, finissent par produire des formes complexes et imprévisibles. Le cerveau suit une logique semblable : il commence avec des conditions de base très simples — des cellules indifférenciées guidées par des instructions génétiques. Au fil du temps, et grâce à l’énergie consommée, ces conditions évoluent en une entité hautement complexe et intelligente.

‍

‍

Ce processus illustre une idée fondamentale : la complexité significative et l’information ne peuvent émerger que par une succession d’étapes progressives. Il n’existe tout simplement pas de raccourci ou de simplification. Dans le domaine de l’IA, cela signifie essentiellement que les raccourcis pris lors de l’entraînement des modèles pourraient intrinsèquement limiter la profondeur de l’intelligence atteinte.

Cerveaux biologiques vs réseaux neuronaux artificiels

Les distinctions clés entre les cerveaux biologiques et les réseaux neuronaux artificiels révèlent des limites importantes dans les approches actuelles de l’IA :

• Point de départ : les cerveaux biologiques disposent d’instructions génétiques, tandis que l’IA commence généralement avec une base vierge conçue par des ingénieurs.
• Processus de développement : les cerveaux biologiques grandissent, s’organisent et apprennent simultanément, alors que les systèmes d’IA sont d’abord conçus, puis entraînés.
• Temps et énergie : le développement du cerveau est lent, s’étendant sur plusieurs années et nécessitant beaucoup d’énergie, contrairement aux attentes d’apprentissage rapide de l’IA.

Ces différences sont significatives. La flexibilité inhérente aux cerveaux biologiques permet des architectures adaptatives et auto-modifiables — une capacité que la plupart des modèles d’IA actuels ne possèdent pas en raison de leur rigidité.

Conséquences pour le développement de l'IA

En raison de ces écarts fondamentaux, Hiesinger et d’autres scientifiques avancent que les méthodes d’IA actuelles pourraient omettre des éléments essentiels à l’émergence d’une intelligence comparable à celle de l’humain. Plutôt que de simplement entraîner des architectures fixes, il serait peut-être plus prometteur d’intégrer des processus inspirés du développement biologique — comme la croissance et l’adaptation — afin de créer des systèmes d’IA plus intelligents et plus flexibles. Comprendre les dynamiques évolutives et adopter des approches basées sur la croissance pourrait nous rapprocher de systèmes véritablement intelligents.

Ces idées soulèvent également des implications philosophiques profondes. En étudiant l’auto-assemblage du cerveau, nous comprenons mieux les origines de l’intelligence et pouvons remettre en question notre définition même de la vie. Dans What is Life?, Erwin Schrödinger^[3] propose que la vie se caractérise par sa capacité à maintenir une faible entropie interne — en d’autres termes, à générer de la complexité et de l’information à l’encontre des lois de la thermodynamique. Les réseaux neuronaux biologiques illustrent précisément ce principe, évoluant constamment vers une complexité et une fonctionnalité accrues.

Mot de la fin

Intégrer les découvertes biologiques au développement de l’IA pourrait constituer un tournant majeur. Tout comme un scientifique ne peut prédire la forme d’un pommier en étudiant uniquement l’ADN de sa graine, il se pourrait que les systèmes d’IA doivent, eux aussi, passer par de véritables processus de croissance. C’est en leur permettant d’évoluer, de s’adapter et de se transformer naturellement que nous pourrons ouvrir la voie à des intelligences artificielles authentiques.

En tirant ces leçons de la biologie, nous ne faisons pas que faire progresser la technologie — nous approfondissons notre compréhension même de l’intelligence, en dévoilant les liens profonds entre le cerveau vivant et les systèmes informatiques.

Références

[1] "The Self-Assembling Brain," par Peter Robin Hiesinger

[2] Conway’s Game of Life: Voir ici

[3] ”What is Life?” par Erwin Schrödinger, Roger Penrose