Recherche

Afin de concrétiser une vision à long terme d’un champ intégré en Neuro-IA, UNIQUE a établi une feuille de route qui comprend quatre axes de recherche interconnectés (perception et contrôle, cognition de haut niveau, apprentissage et réseaux neuronaux) et trois groupes de travail transversaux (plateformes, neuro-informatique et solutions de données, innovation technologique et éthique de la Neuro-IA)

Axe 1 ‐ Perception et contrôle

Co-responsables: Dr Tal Arbel et Dr Yves De Koninck
Cet axe de recherche vise à découvrir et modéliser les principes fondamentaux des codes neuronaux qui médient la perception et l’action, de même que la boucle perception-action. Nous reconsidérons la conception classique input-output de la sensation, en priorisant l’interaction entre l’action et l’environnement, et l’acquisition de l’expérience sensorielle. La détection sensorielle active contribue à la modulation de l’information acheminée au cerveau, par l’entremise d’un labyrinthe de boucles de rétroaction imbriquées dans les régions sensorielles et motrices. Nous proposons une approche multidisciplinaire, reliant les neuroscientifiques et les experts en IA, et un nouveau cadre conceptuel pour analyser les mécanismes de contrôle des arrivées sensorielles et de l’action motrice par des codes distribués dans des réseaux de rétroaction multicouches. Un aperçu des interactions entre le système visuel, auditif et sensorimoteur pourrait révéler les principes fondamentaux de l’organisation du cerveau qui donnent lieu aux fonctions cognitives de haut niveau. Il peut également inspirer des modèles IA pour des applications en traitement d’images et du langage, de même que pour les machines autonomes.

Axe 2 ‐Processus cognitifs de haut-niveau

Co-responsables: Dr Yoshua Bengio et Dr Paul Cisek
Le deuxième axe se concentre sur les facultés cognitives, comme le langage, la mémoire explicite, la représentation abstraite des connaissances, le processus de décision et la conscience. Plusieurs de ces facultés restent peu comprises au niveau des mécanismes neuronaux et sont encore au-delà de la capacité des systèmes d'IA les plus avancés. En effet, l’un des objectifs initiaux de l’IA, soit l’implémentation de machines capables de simuler l’intelligence générale de l’humain est loin d’être atteint. Nous travaillons suivant l’hypothèse que l’atteinte d’un tel but n’est possible qu’à travers une approche interdisciplinaire, par laquelle la conception des systèmes artificiels repose sur le seul système connu capable de vraie intelligence, le cerveau humain. Nous croyons que les étapes décrivant le cheminement vers ce but long-terme donneront lieu à des avancées significatives à la fois en IA et pour la compréhension de la cognition humaine .

Axe 3 ‐ Apprentissage

Co-responsables: Dr Doina Precup et Dr Thomas Schultz
La notion d’apprentissage est centrale à la fois en neuroscience et en intelligence artificielle, et leur influence inter-disciplinaire est bidirectionnelle. La discipline des neurosciences bénéficie de l’utilisation des méthodes de réseaux artificiels neuronaux pour analyser les grandes quantités de données neuronales qui sont collectées, et l'utilisation des réseaux neuronaux artificiels pour modéliser, et donc expliquer et prédire, les effets des paradigmes d'apprentissage des circuits neuronaux. L’IA, en retour, bénéficie des découvertes en neuroscience sur le principe de l’apprentissage chez les animaux, incluant les humains. Parmi les idées neuroscientifiques et psychologiques formalisées par des algorithmes en IA, on trouve par exemple la plasticité synaptique, le renforcement, les erreurs de réduction et l’imitation. L’axe 3 accélèrera ces influences mutuelles en augmentant les interactions entre chercheurs, et en veillant à la formation étudiante à travers ces deux disciplines.

Axis 4 ‐ Réseaux neuronaux

Co-responsables: Dr Guillaume Lajoie et Dr Bratislav Misic
Les réseaux de neurones, biologiques ou artificiels, peuvent accomplir des choses étonnantes, et nous ne comprenons toujours pas clairement comment ils s’y prennent. Malgré leur performance supérieure dans des tâches spécialisées, les réseaux artificiels ne peuvent pas atteindre la flexibilité et la performance des cerveaux biologiques. Tandis que les unités de neurones individuels sont relativement simples, lorsque faisant partie de réseaux connectés, ils donnent lieu à la complexité des fonctions émergentes, un processus peu compris. Quels sont les principes fondamentaux qui forment les capacités fonctionnelles dans des réseaux artificiels et biologiques? Cet axe de recherche explore le rôle de l’architecture des réseaux et les dynamiques dans le calcul. Le développement parallèle est primordial: les contributions des réseaux biologiques permettront le raffinement conceptuel de l’IA, alors que le déploiement de réseaux artificiels aidera à éclairer les mécanismes opérant dans les systèmes biologiques. En intégrant ces deux disciplines particulièrement dynamiques, cet axe identifiera les principes essentiels de la relation entre la structure et la fonction des réseaux unifiant l’intelligence biologique et artificielle.