Are Insect Brains the Secret to Great AI? | Frances S. Chance | TED

72,255 views ・ 2023-01-02

TED


Veuillez double-cliquer sur les sous-titres anglais ci-dessous pour lire la vidéo.

Traducteur: Claire Ghyselen Relecteur: eric vautier
00:05
Creating intelligence on a computer.
0
5210
2377
Créer l’intelligence dans un ordinateur.
00:08
This has been the Holy Grail for artificial intelligence
1
8129
2837
C’est le Saint Graal de l’intelligence artificielle
00:11
for quite some time.
2
11007
1377
depuis toujours.
00:12
But how do we get there?
3
12968
1668
Mais comment y parvenir ?
00:15
So we view ourselves as highly intelligent beings.
4
15679
3128
Nous nous considérons comme des êtres hautement intelligents.
00:18
So it's logical to study our own brains,
5
18848
2795
Il est donc logique d’étudier notre cerveau,
00:21
the substrate of our cognition, for creating artificial intelligence.
6
21685
4212
le substrat de la cognition, quand on veut créer une intelligence artificielle.
00:27
Imagine if we could replicate how our own brains work on a computer.
7
27148
4130
Imaginez pouvoir répliquer nos propres cerveaux dans un ordinateur.
00:32
But now consider the journey that would be required.
8
32612
2503
Évaluez à présent le cheminement qui sera nécessaire.
00:37
The human brain contains 86 billion neurons.
9
37367
3712
Le cerveau humain contient 86 milliards de neurones.
00:42
Each is constantly communicating with thousands of others,
10
42289
3628
Chacun est en communication constante avec des milliers d’autres,
00:45
and each has individual characteristics of its own.
11
45959
3045
et chacun a ses propres caractéristiques individuelles.
00:49
Capturing the human brain on a computer
12
49879
2378
Répliquer le cerveau humain sur un ordinateur
00:52
may simply be too big and too complex a problem
13
52299
3670
pourrait s’avérer être tout simplement trop énorme et trop complexe
00:56
to tackle with the technology and the knowledge that we have today.
14
56011
3795
pour la technologie et le savoir que nous avons à disposition aujourd’hui.
01:01
I believe that we can capture a brain on a computer,
15
61266
2878
Je suis convaincue que nous pouvons répliquer un cerveau sur un ordinateur,
01:04
but we have to start smaller.
16
64144
2461
mais nous devons commencer petit.
01:07
Much smaller.
17
67230
1168
Beaucoup plus petit.
01:10
These insects have three of the most fascinating brains in the world to me.
18
70734
4713
Ces trois insectes ont les cerveaux les plus fascinants au monde à mes yeux.
01:16
While they do not possess human-level intelligence,
19
76448
2836
Certes, ils n’ont pas une intelligence de niveau humain.
01:19
each is remarkable at a particular task.
20
79326
3169
Mais chacun est remarquable dans une tâche précise.
01:22
Think of them as highly trained specialists.
21
82954
2544
On peut dire que ce sont des spécialistes très bien entraînés.
01:26
African dung beetles are really good at rolling large balls in straight lines.
22
86750
5088
Le scarabée bousier africain est très fort
pour faire rouler des boules en ligne droite.
01:31
(Laughter)
23
91880
1710
(Rires)
01:33
Now, if you've ever made a snowman,
24
93632
1710
Ceux qui ont déjà fait un bonhomme de neige
01:35
you know that rolling a large ball is not easy.
25
95342
2460
savent que ce n’est pas évident de faire rouler une grande boule.
01:39
Now picture trying to make that snowman
26
99095
2211
Imaginez maintenant faire rouler
01:41
when the ball of snow is as big as you are
27
101348
2377
une boule de neige de votre taille
01:43
and you're standing on your head.
28
103725
1835
avec la tête en bas.
01:45
(Laughter)
29
105602
1168
(Rires)
01:47
Sahara desert ants are navigation specialists.
30
107228
3796
Les fourmis du Sahara sont les pros de la navigation.
01:51
They might have to wander a considerable distance to forage for food.
31
111775
3753
Elles doivent souvent parcourir des distances considérables pour se nourrir.
01:55
But once they do find sustenance,
32
115862
1752
Une fois qu’elles trouvent de la nourriture,
01:57
they know how to calculate the straightest path home.
33
117656
2585
elles savent calculer le chemin le plus direct vers leur nid.
02:01
And the dragonfly is a hunting specialist.
34
121910
2919
La libellule est quant à elle la spécialiste de la chasse.
02:05
In the wild, dragonflies capture approximately 95 percent
35
125205
3587
Dans la nature, les libellules attrapent environ 95% de leurs proies.
02:08
of the prey they choose to go after.
36
128833
1752
02:11
These insects are so good at their specialties
37
131336
3003
Ces insectes sont si bons à ce qu’ils font
02:14
that neuroscientists such as myself study them as model systems
38
134381
4337
que les neuroscientifiques comme moi les étudient comme modèles systémiques
02:18
to understand how animal nervous systems solve particular problems.
39
138760
4046
pour comprendre comme leurs systèmes nerveux résout des problèmes précis.
02:23
And in my own research, I study brains to bring these solutions,
40
143973
3879
Dans mes recherches, j’étudie les cerveaux pour apporter ces solutions,
02:27
the best that biology has to offer, to computers.
41
147894
3337
le meilleur que la biologie a à offrir, aux ordinateurs.
02:31
So consider the dragonfly brain.
42
151272
1877
Prenons le cerveau de la libellule.
02:33
It has only on the order of one million neurons.
43
153900
3003
Il a environ un million de neurones.
02:37
Now, it's still not easy to unravel a circuit of even one million neurons.
44
157570
4672
Cela reste ardu de démêler un circuit d’un million de neurones.
02:42
But given the choice
45
162701
1167
Mais, entre démêler un cerveau d’un million de neurones
02:43
between trying to tease apart the one-million-neuron brain
46
163910
3003
02:46
versus the 86-billion-neuron brain,
47
166955
2586
et celui de 86 milliards de neurones,
02:49
which would you choose to try first?
48
169541
2169
le choix est assez simple.
02:51
(Laughter)
49
171710
1167
(Rires)
02:53
When studying these smaller insect brains,
50
173837
2586
L’étude de ces plus petits cerveaux d’insectes
02:56
the immediate goal is not human intelligence.
51
176464
2461
n’a pas pour objectif direct l’intelligence humaine.
02:59
We study these brains for what the insects do well.
52
179551
3461
On étudie ces cerveaux pour ce que les insectes font bien.
03:03
And in the case of the dragonfly, that's interception.
53
183805
2878
Dans le cas de la libellule, c’est l’interception.
03:07
So when dragonflies are hunting,
54
187559
1543
Quand une libellule chasse,
03:09
they do more than just fly straight at the prey.
55
189144
2502
elle ne fait pas que voler droit sur sa proie.
03:12
They fly in such a way that they will intercept it.
56
192021
2503
Elle vole de façon à l’intercepter.
03:14
They aim for where the prey is going to be.
57
194566
2460
Elle vise l’endroit où la proie sera.
03:17
Much like a soccer player, running to intercept a pass.
58
197402
3003
Un peu comme un joueur de foot, qui courrait pour intercepter une passe.
03:21
To do this correctly,
59
201865
1459
Pour faire cela correctement,
03:23
dragonflies need to perform what is known as a coordinate transformation,
60
203366
3879
la libellule fait ce qu’on appelle une transformation de coordonnées,
03:27
going from the eye’s frame of reference, or what the dragonfly sees,
61
207245
3504
passant du cadre visuel de référence, c’est-à-dire ce qu’elle voit,
03:30
to the body's frame of reference,
62
210790
1585
au cadre de référence corporel,
03:32
or how the dragonfly needs to turn its body to intercept.
63
212375
2836
c’est-à-dire comment elle doit orienter son corps pour intercepter sa proie.
03:36
Coordinate transformations are a basic calculation
64
216004
3044
Les transformations de coordonnées sont des calculs de base
03:39
that animals need to perform to interact with the world.
65
219048
3713
que les animaux font pour interagir avec le monde.
03:43
We do them instinctively every time we reach for something.
66
223261
3086
On fait cela instinctivement quand on tend la main vers quelque chose.
03:47
When I reach for an object straight in front of me,
67
227098
2878
Si je tends la main vers un objet en face de moi,
03:50
my arm takes a very different trajectory than if I turn my head,
68
230018
3545
les bras ont une trajectoire différente que si je tourne la tête,
03:53
look at that same object when it is off to one side
69
233605
2460
et regarde le même objet mais de côté par rapport à moi
03:56
and reach for it there.
70
236107
1335
et que je m’en empare.
03:58
In both cases, my eyes see the same image of that object,
71
238109
3712
Dans les deux cas, mes yeux voient la même image de cet objet,
04:01
but my brain is sending my arm on a very different trajectory
72
241821
3712
mais mon cerveau envoie mes bras sur des trajectoires très différentes
04:05
based on the position of my neck.
73
245575
1919
selon la position de mon cou.
04:12
And dragonflies are fast.
74
252624
1960
Et les libellules sont rapides.
04:15
This means they calculate fast.
75
255293
2085
En d’autres mots, elles calculent vite.
04:18
The latency, or the time it takes for a dragonfly to respond
76
258046
4004
La latence, le temps de réaction nécessaire à la libellule
04:22
once it sees the prey turn,
77
262091
1752
pour adapter sa trajectoire,
04:23
is about 50 milliseconds.
78
263885
1960
est de 50 millisecondes.
04:27
This latency is remarkable.
79
267180
2044
C’est une latence extraordinaire,
04:30
For one thing, it's only half the time of a human eye blink.
80
270016
3378
la moitié de la durée d’un clin d’œil.
04:34
But for another thing,
81
274020
1668
Mais surtout,
04:35
it suggests that dragonflies capture how to intercept
82
275688
3003
cela implique que la libellule calcule comment intercepter
04:38
in only relatively or surprisingly few computational steps.
83
278733
4755
en étonnamment peu d’étapes de calcul.
04:44
So in the brain,
84
284364
1376
Dans son cerveau,
04:45
a computational step is a single neuron
85
285782
2878
une instruction n’a besoin que d’un neurone
04:48
or a layer of neurons working in parallel.
86
288660
2460
ou d’une couche de neurones travaillant en parallèle.
04:51
It takes a single neuron about 10 milliseconds
87
291996
3087
Un neurone a besoin de 10 millisecondes
04:55
to add up all its inputs and respond.
88
295124
2336
pour traiter les données d’entrée et réagir.
04:58
The 50-millisecond response time
89
298169
2336
Un temps de réaction de 50 millisecondes
05:00
means that once the dragonfly sees its prey turn,
90
300547
3503
signifie que dès que la libellule voit sa proie dévier,
05:04
there's only time for maybe four of these computational steps
91
304092
3336
il ne lui faut que quatre étapes de calcul,
05:07
or four layers of neurons, working in sequence, one after the other,
92
307470
3837
ou quatre couches de neurones travaillant en séquence,
05:11
to calculate how the dragonfly needs to turn.
93
311349
2377
pour adapter son propre mouvement.
05:14
In other words, if I want to study
94
314811
2085
En d’autres mots, si je veux étudier
05:16
how the dragonfly does coordinate transformations,
95
316896
4213
comment la libellule réalise des transformations de coordonnées,
05:21
the neural circuit that I need to understand,
96
321109
2753
je dois comprendre un circuit neural,
05:23
the neural circuit that I need to study,
97
323903
2252
je dois étudier un circuit neural,
05:26
can have at most four layers of neurons.
98
326197
2670
qui a maximum quatre couches de neurones.
05:29
Each layer may have many neurons,
99
329784
2377
Chaque couche a sans doute beaucoup de neurones,
05:32
but this is a small neural circuit.
100
332203
2127
mais on a alors un petit circuit neural.
05:34
Small enough that we can identify it
101
334789
2002
Suffisamment petit pour pouvoir l’identifier
05:36
and study it with the tools that are available today.
102
336833
2669
et l’étudier avec les outils à disposition aujourd’hui.
05:40
And this is what I'm trying to do.
103
340670
1835
C’est ce que je fais.
05:43
I have built a model of what I believe is the neural circuit
104
343298
3044
J’ai développé le modèle de ce que je crois être le circuit neural
05:46
that calculates how the dragonfly should turn.
105
346384
2544
du calcul de la trajectoire de la libellule.
05:49
And here is the cool result.
106
349596
1584
Et voilà le résultat.
05:51
In the model,
107
351222
1627
Dans ce modèle,
05:52
dragonflies do coordinate transformations in only one computational step,
108
352891
4713
la libellule fait des transformations de coordonnées en une seule étape,
05:57
one layer of neurons.
109
357645
1627
une couche de neurones.
05:59
This is something we can test and understand.
110
359898
2877
Voilà un système que nous pouvons mettre à l’épreuve et comprendre.
06:03
In a computer simulation,
111
363651
1502
Dans une simulation informatique,
06:05
I can predict the activities of individual neurons
112
365194
3170
je peux prédire les activités des neurones individuels
06:08
while the dragonfly is hunting.
113
368364
1669
d’une libellule en train de chasser.
06:11
For example, here I am predicting the action potentials, or the spikes,
114
371367
4338
Par exemple, je prédis le potentiel d’actions, c’est-à-dire les pics,
06:15
that are fired by one of these neurons
115
375747
1835
qui sont initiés par un neurone,
06:17
when the dragonfly sees the prey move.
116
377582
2627
quand la libellule détecte le mouvement de sa proie.
06:22
To test the model, my collaborators and I
117
382545
2169
Pour tester ce modèle, avec mes collègues,
06:24
are now comparing these predicted neural responses
118
384756
2836
on compare les réactions neurales qu’on a prédites
06:27
with responses of neurons recorded in living dragonfly brains.
119
387592
3837
avec celles qu’on a enregistrées dans le cerveau d’une libellule.
06:33
These are ongoing experiments
120
393431
1668
Ce sont des expériences
06:35
in which we put living dragonflies in virtual reality.
121
395099
3796
où nous mettons des libellules vivantes dans une réalité virtuelle.
06:40
(Laughter)
122
400188
1918
(Rires)
06:42
Now, it's not practical to put VR goggles on a dragonfly.
123
402148
3754
Certes, ces lunettes 3D ne sont pas très pratiques pour une libellule.
06:47
So instead, we show movies of moving targets to the dragonfly,
124
407070
4588
Donc on leur montre des vidéos de proies en mouvement,
06:51
while an electrode records activity patterns of individual neurons
125
411658
3670
et une électrode enregistre l’activité cérébrale des neurones.
06:55
in the brain.
126
415328
1251
06:58
Yeah, he likes the movies.
127
418331
1335
Elle aime bien le cinéma.
07:01
If the responses that we record in the brain
128
421167
2628
Si les réactions enregistrées dans le cerveau
07:03
match those predicted by the model,
129
423836
2128
correspondent aux prédictions de notre modèle,
07:06
we will have identified which neurons are responsible
130
426005
2711
on aura identifié quels neurones sont responsables
07:08
for coordinate transformations.
131
428758
1543
des transformations de coordonnées.
07:11
The next step will be to understand the specifics
132
431010
2294
L’étape suivante sera de comprendre les spécificités
07:13
of how these neurons work together to do the calculation.
133
433346
3337
de comment ces neurones collaborent pour réaliser ces calculs.
07:16
But this is how we begin to understand how brains do basic
134
436724
3462
C’est ainsi que nous commençons à comprendre
comment le cerveau fait des calculs basiques, ou primitifs.
07:20
or primitive calculations.
135
440186
1627
07:22
Calculations that I regard as building blocks for more complex functions,
136
442188
4880
Je considère ces calculs comme les fondements de fonctions plus complexes,
07:27
not only for interception but also for cognition.
137
447110
3086
pas uniquement l’interception, mais aussi la cognition.
07:32
The way that these neurons compute may be different from anything
138
452156
3170
La manière dont ces neurones font des calculs est sans doute différente
07:35
that exists on a computer today.
139
455368
1877
de ce qui existe dans les ordinateurs.
07:37
And the goal of this work is to do more than just write code
140
457870
3587
Et l’objectif de mon travail est d’aller plus loin qu’écrire du code
07:41
that replicates the activity patterns of neurons.
141
461457
2419
qui réplique les modèles de l’activité des neurones.
07:44
We aim to build a computer chip
142
464293
1794
On nourrit l’ambition de développer une puce
07:46
that not only does the same things as biological brains
143
466129
2794
qui ne se limite à faire la même chose qu’un cerveau biologique,
07:48
but does them in the same way as biological brains.
144
468965
2711
mais qui les fasse de la même façon qu’un cerveau biologique.
07:52
This could lead to drones driven by computers
145
472885
3254
Avec ça, on peut imaginer des drones dirigés par des ordinateurs
07:56
the same size of the dragonfly's brain
146
476139
2002
de la taille d’un cerveau de libellule,
07:58
that captures some targets and avoid others.
147
478182
2837
capable de cibler un objet et d’en éviter des autres.
08:01
Personally, I'm hoping for a small army of these
148
481853
2586
Personnellement, je rêve d’une micro-armée
08:04
to defend my backyard from mosquitoes in the summer.
149
484480
2461
qui protégera mon jardin des moustiques l’été.
08:06
(Laughter)
150
486983
1460
(Rires)
08:09
The GPS on your phone could be replaced by a new navigation device
151
489027
4170
Le GPS de votre téléphone pourrait être remplacé par un instrument de navigation
08:13
based on dung beetles or ants
152
493239
1710
basé sur le scarabée bousier ou la fourmi
08:14
that could guide you to the straight or the easy path home.
153
494991
3045
pour nous faire rentrer chez nous le plus facilement possible.
08:18
And what would the power requirements of these devices be like?
154
498953
3378
Et qu’en est-il de l’énergie nécessaire pour faire fonctionner ces machines ?
08:23
As small as it is --
155
503458
1501
Aussi petit soit-il -
08:25
Or, sorry -- as large as it is,
156
505001
1877
pardon, aussi grand soit-il,
08:26
the human brain is estimated to have the same power requirements
157
506878
3628
le cerveau humain a besoin, estime-t-on, des mêmes besoins énergétiques
08:30
as a 20-watt light bulb.
158
510548
2044
qu’une lampe de 20 watts.
08:32
Imagine if all brain-inspired computers
159
512633
2211
Imaginez un monde où les ordinateurs inspirés du cerveau
08:34
had the same extremely low-power requirements.
160
514844
2669
ont les mêmes besoins énergétiques que celui-ci.
08:38
Your smartphone or your smartwatch probably needs charging every day.
161
518431
3837
Aujourd’hui, on doit recharger son téléphone tous les jours environ.
08:42
Your new brain-inspired device might only need charging every few months,
162
522268
3587
Avec une machine inspirée du cerveau, ce serait tous les quelques mois,
08:45
or maybe even every few years.
163
525897
1668
voire toutes les quelques années.
08:49
The famous physicist, Richard Feynman, once said,
164
529275
3670
Le physicien célèbre Richard Feynman a dit :
08:52
"What I cannot create, I do not understand."
165
532945
2878
« Ce que je ne peux pas créer, je ne le comprends pas. »
08:56
What I see in insect nervous systems
166
536783
2085
Je vois dans le système nerveux des insectes
08:58
is an opportunity to understand brains
167
538868
2169
une opportunité de comprendre le cerveau
09:01
through the creation of computers that work as brains do.
168
541079
3003
à travers la création d’ordinateurs qui fonctionnent comme un cerveau.
09:05
And creation of these computers will not just be for knowledge.
169
545083
3712
Créer de tels ordinateurs ne sert pas uniquement à la science.
09:08
There's potential for real impact on your devices, your vehicles,
170
548795
4254
Il y a un potentiel d’impact concret pour nos engins, nos voitures,
09:13
maybe even artificial intelligences.
171
553091
2210
et même l’intelligence artificielle.
09:16
So next time you see an insect,
172
556177
2419
Alors, quand vous croiserez un insecte,
09:18
consider that these tiny brains can lead to remarkable computers.
173
558638
4045
imaginez que leur petit cerveau peut mener à des ordinateurs remarquables.
09:23
And think of the potential that they offer us for the future.
174
563518
3211
Pensez au potentiel que ces insectes nous offrent pour l’avenir.
09:27
Thank you.
175
567271
1126
Merci.
09:28
(Applause)
176
568439
3379
(Applaudissements)
À propos de ce site Web

Ce site vous présentera des vidéos YouTube utiles pour apprendre l'anglais. Vous verrez des leçons d'anglais dispensées par des professeurs de premier ordre du monde entier. Double-cliquez sur les sous-titres anglais affichés sur chaque page de vidéo pour lire la vidéo à partir de là. Les sous-titres défilent en synchronisation avec la lecture de la vidéo. Si vous avez des commentaires ou des demandes, veuillez nous contacter en utilisant ce formulaire de contact.

https://forms.gle/WvT1wiN1qDtmnspy7