Un seul neurone n’est pas un simple interrupteur. C’est une centrale électrique.
De nouvelles recherches changent la donne sur la façon dont nous comprenons les unités de traitement du cerveau. Pendant des décennies, la science a supposé que notre avantage cognitif provenait d’une simple échelle. Vous connaissez la logique : 100 milliards de neurones. Des milliards de connexions. Un matériel plus gros équivaut à une plus grande intelligence.
Mais une étude récente publiée dans les Proceedings of the National Academy of Sciences (PNAS) suggère que cette hypothèse est dépassée. Le vrai secret ? La complexité informatique des neurones humains est bien plus profonde qu’on ne le pensait auparavant.
Une cellule cérébrale peut effectuer des calculs rivalisant avec un réseau neuronal artificiel profond. Il ne s’agit pas des unités simplifiées de l’IA d’aujourd’hui, mais des unités complexes et superposées.
Cela bouleverse tout le paysage des neurosciences. Si l’intelligence n’est pas seulement une question de quantité, mais aussi de qualité par cellule, nous devons examiner l’origine réelle du langage, des mathématiques et même de l’imagination. Ils peuvent commencer à l’intérieur d’une seule micropuce solitaire dans votre cortex.
La « puce électronique » dans votre tête
Les neurones du cortex humain – la couche externe responsable de la pensée d’ordre supérieur – se comportent davantage comme des processeurs sophistiqués. Ils ne se contentent pas de transmettre des signaux comme une brigade de seaux. Ils analysent. Ils se combinent. Ils calculent.
Des chercheurs de l’Université hébraïque, dirigés par les professeurs. Idan Segev et Mickey Londan se sont associés à des scientifiques du Centre Edmond et Lily Safra pour les sciences du cerveau (ELSC) pour le prouver. Ils comprenaient la collaboration du professeur Chris de Kock de l’Université libre d’Amsterdam.
“Les gens considèrent souvent un neurone comme un interrupteur marche-arrêt”, a expliqué Segev. “Ce que nous montrons, c’est qu’un un seul neurone humain est en soi un dispositif informatique extraordinairement sophistiqué.”
Pensez-y de cette façon : une ampoule s’allume ou ne s’allume pas. Un neurone cortical humain ? Il pèse les données entrantes, considère le contexte de ses dendrites et prend une décision calculée qui imite un modèle d’IA multicouche.
Comment ils l’ont testé
Vous ne pouvez pas simplement mesurer la taille d’une cellule et deviner son QI. Un neurone plus gros ne signifie pas toujours un neurone plus intelligent.
L’équipe avait besoin d’une métrique. Ils ont donc construit des jumeaux numériques.
En utilisant la modélisation informatique et l’IA, ils ont tenté de reproduire le comportement des neurones biologiques à l’aide de réseaux de neurones artificiels (ANN). C’était un jeu d’imitation.
- Ils ont pris un neurone biologique.
- Ils l’ont nourri avec des intrants.
- Ils ont regardé la sortie.
- Ensuite, ils ont essayé de former un réseau d’IA pour reproduire exactement ce résultat.
Voici le truc : les neurones simples d’autres mammifères étaient faciles à copier. Un petit réseau d’IA superficiel pourrait facilement imiter leur comportement.
Neurones corticaux humains ? C’était dur.
L’IA devait être beaucoup plus profonde, plus élaborée et beaucoup plus complexe pour reproduire avec précision les schémas de déclenchement d’une cellule humaine. Plus un neurone était difficile à copier, plus il possédait de puissance de calcul.
Pourquoi le cerveau humain gagne
Les données sont claires : les neurones corticaux humains nécessitent des réseaux artificiels plus complexes pour les imiter que ceux des autres mammifères.
Pourquoi? Cela dépend de la structure. Plus précisément, les arbres dendritiques. Ce sont les structures en forme de branches qui reçoivent les signaux. Les neurones humains possèdent des arbres dendritiques complexes et richement ramifiés dotés de propriétés électriques distinctives.
Il ne s’agit pas seulement d’un câblage passif. Cela permet au neurone d’analyser des combinaisons de signaux plutôt que de simplement les additionner de manière linéaire.
Une cellule peut fonctionner comme un système en couches doté de capacités comparables à un réseau neuronal profond.
Cette capacité explique pourquoi nous pouvons distinguer des détails subtils, comme la différence entre un chat et un chien dans une image, ou saisir des concepts mathématiques abstraits. Nous ne comptons pas seulement les neurones. Nous exploitons la puissance de traitement avancée de chaque cellule individuelle.
Ce que cela signifie pour l’intelligence artificielle
Ce n’est pas seulement une curiosité académique. Cela a d’énormes implications pour la conception d’une IA inspirée du cerveau.
La plupart des modèles d’apprentissage automatique actuels reposent sur des unités artificielles simplifiées. Ils les empilent en couches profondes, en espérant que la complexité collective émerge. C’est une approche par force brute.
Si nous voulons construire des systèmes véritablement avancés, nous devons peut-être nous tourner vers l’intérieur. Vers la biologie.
Les futurs modèles d’IA pourraient utiliser des composants artificiels qui imitent la complexité informatique des neurones humains. Au lieu d’unités stupides, stupides et stupides empilées en hauteur, imaginez des unités de traitement intelligentes et nuancées qui gèrent la complexité individuellement.
C’est un chemin différent. Celui qui s’éloigne de l’échelle brute et se dirige vers la sophistication structurelle.
La recherche remet en question l’ancienne vision selon laquelle l’intelligence n’est qu’un jeu de chiffres. La cognition humaine ne consiste pas seulement à avoir un gros cerveau. Il s’agit d’avoir des pièces intelligentes.
Alors que nous repoussons les limites des neurosciences et de l’apprentissage automatique, la frontière entre la biologie et le silicium pourrait s’estomper de manière inattendue. Mais une chose reste claire : le plus grand atout du cerveau humain n’est peut-être pas sa taille.
C’est la complexité de la cellule.
