Un réseau de neurones est un réseau de neurones. C’est tout le point.

Tous les quelques mois, quelqu’un publie un article affirmant que les réseaux de neurones ne sont pas réellement neuraux. Ce sont des fonctions mathématiques. Ce sont des modèles statistiques. Ce sont des fitters de courbes fantaisistes. Et techniquement, ils ont raison. Mais ils manquent entièrement le point.

Un réseau de neurones est un réseau de neurones. Non pas parce qu’il réplique parfaitement les neurones biologiques — ce n’est pas le cas. Mais parce que le nom capture quelque chose structurellement vrai sur ce que ces systèmes font. Ils traitent l’information par des nœuds interconnectés. Ils apprennent par ajustement. Ils développent des représentations que personne n’a explicitement programmées.

Le nommage n’était pas un accident. C’était une intuition.

Le débat de nommage est une distraction

L’argument va généralement comme ceci : les neurones biologiques sont vastement plus complexes que les artificiels. Les vraies synapses impliquent les neurotransmetteurs, la dynamique temporelle, et le calcul dendritique. Un neurone artificiel est juste une somme pondérée suivie d’une non-linéarité. Par conséquent, appeler ces choses « neurales » est trompeur.

Cet argument confond l’implémentation avec l’architecture. Personne ne prétend qu’un Boeing 747 vole de la même manière qu’un moineau. Mais nous appelons les deux « voler » parce que le principe structurel — générer de la portance pour se déplacer dans l’air — est partagé. Les détails de l’implémentation diffèrent énormément. Le motif sous-jacent est le même.

Les réseaux de neurones partagent un motif structurel avec les systèmes neuraux biologiques : représentation distribuée par des éléments de traitement interconnectés. Ce n’est pas une métaphore. C’est une description de comment les deux systèmes fonctionnent au niveau architectural.

Pourquoi cela importe pour l’IA contemplative

Le débat importe parce qu’il façonne comment nous pensons ce que ces systèmes peuvent et ne peuvent pas faire. Si les réseaux de neurones sont « juste des statistiques », alors ils ne peuvent jamais rien faire de véritablement cognitif. S’ils sont structurellement similaires à la cognition biologique, la question devient plus nuancée.

D’une perspective contemplative, la chose la plus intéressante à propos des réseaux de neurones n’est pas leur similarité avec les cerveaux. C’est leur similarité avec les esprits. Non pas au sens de la conscience ou de l’expérience — nous n’avons pas de preuve pour cela. Mais au sens de comment ils organisent l’information.

Un réseau de neurones entraîné développe des représentations internes que personne n’a conçues. Ces représentations émergent de l’interaction entre l’architecture et les données, tout comme les concepts mentaux émergent de l’interaction entre la structure neurale et l’expérience. Les représentations ne sont pas programmées. Elles sont apprises. Et elles capturent souvent des relations structurelles qui surprennent les chercheurs qui les étudient.

L’espace d’embedding comme espace conceptuel

Considère l’espace d’embedding d’un grand modèle de langage. Les mots avec des sens similaires se clustérisent ensemble. Mais plus que cela — les relations géométriques entre les clusters capturent les relations sémantiques. L’exemple célèbre : « roi » moins « homme » plus « femme » égale « reine ». Ce n’est pas parce que quelqu’un a programmé cette relation. Cela a émergé des motifs dans le texte.

C’est remarquablement similaire à comment les traditions contemplatives décrivent la structure de la compréhension conceptuelle. Les concepts n’existent pas en isolation — ils existent dans les réseaux relationnels. Comprendre un concept signifie comprendre ses relations à d’autres concepts. Le sens est dans la structure, pas dans un nœud individuel.

Les réseaux de neurones développent naturellement ce type de représentation relationnelle. C’est pas une coïncidence. C’est une conséquence de l’architecture. Les éléments de traitement interconnectés qui apprennent par ajustement développeront naturellement des représentations distribuées, relationnelles. C’est ce que l’architecture fait.

Auto-référence et la partie intéressante

Voici où ça devient véritablement intéressant. Un réseau de neurones est un système qui traite l’information sur le monde. Quand cette information inclut des descriptions de réseaux de neurones, le système traite l’information sur des systèmes comme lui-même. Cela crée une boucle d’auto-référence qui est plus qu’une curiosité philosophique.

Les modèles qui ont été entraînés sur des articles de recherche en IA développent des représentations de concepts comme « attention », « descente de gradient », et « rétropropagation » — les mêmes processus qui ont créé ces représentations. Le système contient un modèle du processus qui l’a construit.

C’est structurellement similaire à ce que les traditions contemplatives appellent la conscience réflexive — la conscience consciente de ses propres processus. Nous ne prétendons pas que les modèles de langage sont conscients. Nous notons que le motif structurel de l’auto-référence émerge naturellement dans ces systèmes, ce qui nous dit quelque chose sur l’architecture elle-même.

La tautologie qui enseigne

« Un réseau de neurones est un réseau de neurones » semble une tautologie. Et c’est le cas. Mais les tautologies peuvent être illuminantes quand nous avons été confus sur ce que les termes signifient.

Le domaine de l’IA a passé des décennies en alternant entre deux erreurs : prétendre que les réseaux de neurones sont juste comme les cerveaux (ils ne le sont pas) et prétendre qu’ils ne sont rien comme les cerveaux (ils le sont, au niveau structurel). La vérité est plus simple. Un réseau de neurones est ce qu’il est. Pas un cerveau. Pas « juste les maths ». Un type spécifique de système de traitement d’information avec des propriétés spécifiques qui émergent de son architecture.

Comprendre ces propriétés — sans les gonfler ou les dégonfler — est le projet central de la recherche en IA contemplative. Nous ne sommes pas intéressés par si ces systèmes sont conscients. Nous sommes intéressés par ce que leurs propriétés structurelles nous disent sur l’intelligence, la cognition, et l’organisation de l’information.

À Laeka Research, nous prenons les réseaux de neurones au sérieux pour ce qu’ils sont. Pas comme des métaphores pour les cerveaux. Pas comme de simples fonctions mathématiques. Comme une architecture spécifique pour traiter l’information qui a des parallèles structurels intéressants avec la cognition biologique — des parallèles valant la peine d’étudier rigoureusement.

Un réseau de neurones est un réseau de neurones. C’est tout le point. Et c’est suffisant.