À cheval entre neurosciences et informatique, un chercheur de l’EPFL a conçu un algorithme d’intelligence artificielle (IA) capable de prédire les effets de surprise ou de nouveauté sur les comportements. Un outil qui pourrait être utile en psychiatrie ou en éducation, par exemple.
IMAGO/Photos de conception
Dans sa thèse de doctorat, Alireza Modirshanechi, chercheur au Laboratoire de neurosciences computationnelles de l’Ecole polytechnique fédérale de Lausanne (EPFL), a conçu un algorithme décrit comme un agent artificiel intelligent imitant l’humain. Soumis aux mêmes expériences, il réalise les mêmes tâches avec les mêmes résultats.
But de l’opération : mieux définir l’effet de surprise et étudier son impact sur différentes fonctions cérébrales. À partir d’expériences classiques en études comportementales, le spécialiste a développé une taxonomie de 18 définitions mathématiques différentes de la surprise et de la nouveauté.
M. Modirshanechi a ensuite exploré les similitudes de ces définitions, leurs différences et les conditions qui les rendent indiscernables. Son algorithme distingue ainsi la surprise, considérée comme un modulateur de la vitesse d’apprentissage, et la nouveauté, moteur de l’exploration vers un but.
Prédictions des tests
«Nous avons quantifié mathématiquement cela», explique le chercheur, cité vendredi dans un communiqué de l’EPFL: «On peut ainsi distinguer que la surprise accélère le processus d’apprentissage, tandis que la nouveauté pousse l’exploration.» On peut dissocier les signaux dans le cerveau.
Une deuxième étape a consisté à tester les prédictions de l’algorithme sur des humains pour voir si elles étaient cohérentes. Le scientifique a analysé le comportement et les données de l’électroencéphalogramme (EEG) de sujets humains dans le cadre d’expériences cognitives. « Nous avons pu prédire entre 60 et 80 % des décisions que les sujets allaient prendre lors des expériences », indique le chercheur.
« Tout le monde sait que lorsqu’on laisse tomber une pomme, elle tombe. Mais Newton a trouvé la formule qui l’explique. C’est un peu notre objectif. Nous avons pu définir l’algorithme qui prédit quand et dans quelle mesure le sujet est surpris et nous pouvons expliquer par quelle équation, les humains apprennent plus vite lorsqu’ils sont surpris », explique-t-il.
Une base de recherche
Cet algorithme constitue une base pour des recherches ultérieures. « Par exemple, l’EEG suggère que les personnes atteintes de schizophrénie ont une perspective différente sur la surprise que celles des groupes témoins. Mais on ne sait pas à quel point leur point de vue est différent », note le spécialiste.
Dans d’autres domaines, comme l’éducation, cette base pourrait permettre d’explorer des pistes d’utilisation de la surprise afin de renforcer le processus d’apprentissage ou de mémorisation.
L’autre apport de ce travail est l’IA. « La plupart des algorithmes existants sont basés sur un environnement stable. Il faut donc intégrer ces signaux surprises pour mettre à jour nos modèles et concevoir une IA plus fiable et plus sûre », conclut le chercheur postdoctoral.
