Infos pour
Accès direct
UFR
Jonas-Frederic Sauer mène ses recherches au Centre de physiologie intégrative et de médecine moléculaire (CIPMM) sur le campus de Hombourg.
Le texte suivant a été traduit automatiquement de l'allemand et n'a pas été post-édité.
L'Institut central pour la santé mentale a publié le communiqué de presse suivant à ce sujet :
Le projet, baptisé NAILIt (Neuro-inspired AI for Learning and Inference in non-stationary environments), est financé à hauteur de 1,6 million d'euros sur trois ans par le ministère fédéral allemand de la Recherche, de la Technologie et de l'Espace (BMFTR). Dans le cadre de NAILIt, les scientifiques du ZI collaborent avec des chercheurs de l'Institut Hector pour l'intelligence artificielle en psychiatrie (HITKIP), du Centre interdisciplinaire de calcul scientifique (IWR) de l'université de Heidelberg et du Centre de physiologie intégrative et de médecine moléculaire (CIPMM) de l'Université de la Sarre, de nouvelles approches afin que les systèmes d'IA puissent à l'avenir s'adapter de manière aussi flexible que les êtres vivants à des conditions changeantes, par exemple à de nouvelles tâches ou à des situations imprévues.
Les partenaires du projet aux côtés du chef de projet, le professeur Daniel Durstewitz (ZI), et de ses collaborateurs sont le professeur Georgia Koppe (HITKIP, IWR) et le professeur Jonas-Frederic Sauer (CIPMM) avec leurs équipes.
Recherche à l'interface entre la neurobiologie et l'intelligence artificielle
NAILIt se concentre sur la question de savoir comment les principes d'apprentissage du cerveau animal peuvent être transférés à l'intelligence artificielle (IA). Alors que les modèles d'IA actuels, tels que les grands modèles linguistiques, sont généralement entraînés une seule fois sur d'énormes ensembles de données et ne sont ensuite que peu adaptables, les animaux parviennent à adapter leur comportement en permanence à de nouvelles situations, rapidement, efficacement et avec un minimum d'effort. De telles capacités deviennent également de plus en plus importantes pour les systèmes d'IA, par exemple pour le contrôle de véhicules autonomes ou pour les modèles d'apprentissage qui interagissent directement avec les humains.
Les chercheurs utilisent des outils d'IA de pointe, développés en interne, pour la reconstruction de systèmes dynamiques (DSR) afin d'obtenir des modèles génératifs d'apprentissage flexible à partir de données neuronales et comportementales. Ceux-ci visent à montrer comment le cerveau traite les informations et s'adapte en temps réel, c'est-à-dire pendant l'exécution de tâches.
Des principes d'apprentissage fondamentaux aux nouveaux systèmes d'IA
Sur cette base, les scientifiques, sous la direction du Prof. Dr Daniel Durstewitz, directeur du département des neurosciences théoriques au ZI, souhaitent identifier les principes fondamentaux de l'apprentissage qui peuvent être transposés à l'IA. L'objectif des chercheurs est de permettre aux modèles d'IA de s'adapter de manière autonome, flexible et rapide à de nouvelles situations sans devoir être entièrement réentraînés à chaque fois.
En outre, l'équipe du projet se penchera sur la question de savoir comment les connaissances acquises peuvent être appliquées aux réseaux neuronaux dits « spiking », c'est-à-dire aux modèles d'IA qui traitent les signaux de manière similaire aux cellules nerveuses biologiques. L'objectif ici est de permettre des formes d'intelligence artificielle plus efficaces sur le plan énergétique et plus fidèles à la nature.
Perspectives à long terme pour l'application clinique et la recherche en IA
« Notre travail vise non seulement à améliorer les systèmes d'IA, mais aussi à mieux comprendre et prédire les processus dynamiques du cerveau dans le cas de maladies mentales », explique M. Durstewitz. « À long terme, les méthodes que nous développons devraient également trouver des applications dans le domaine psychiatrique, par exemple pour prédire l'évolution individuelle de la maladie ou pour contrôler les procédures adaptatives de neurofeedback. » Il est prévu de publier les résultats du projet dans des revues scientifiques spécialisées et lors de grandes conférences sur l'IA et l'apprentissage automatique. À terme, ils devraient également être transférés vers des collaborations industrielles et des applications biomédicales.
Source : communiqué de presse de l'Institut central pour la santé mentale