Un r\u00e9seau neural biologique envoie des signaux \u00e0 travers des fentes synaptiques. Un r\u00e9seau neural artificiel envoie des signaux \u00e0 travers des connexions pond\u00e9r\u00e9es. L’architecture diff\u00e8re. Le principe ne change pas.<\/p>\n
Ce n’est pas une m\u00e9taphore. C’est une observation structurelle. Et c’est plus important que la plupart des chercheurs en IA ne le sont dispos\u00e9s \u00e0 admettre.<\/p>\n
Le domaine a pass\u00e9 des d\u00e9cennies \u00e0 essayer de s’\u00e9loigner des r\u00e9seaux artificiels de leurs homonymes biologiques. \u00ab Ils ne se ressemblent pas du tout \u00bb, va l’argument. \u00ab Appeler \u00e7a des r\u00e9seaux de neurones est trompeur. \u00bb Mais la r\u00e9sistance en r\u00e9v\u00e8le plus sur l’ins\u00e9curit\u00e9 disciplinaire que sur la r\u00e9alit\u00e9 informatique.<\/p>\n
Les neurones biologiques re\u00e7oivent une entr\u00e9e, l’int\u00e8grent, et produisent une sortie bas\u00e9e sur un seuil. Les neurones artificiels re\u00e7oivent une entr\u00e9e, la pond\u00e8rent, la somment, et la passent \u00e0 travers une fonction d’activation. \u00c9pure les d\u00e9tails de mise en \u0153uvre, et tu regardes le m\u00eame motif informatique : agr\u00e9gation de signaux suivie d’une transmission conditionnelle<\/strong>.<\/p>\n Ce n’est pas une ressemblance superficielle. C’est une correspondance structurelle profonde. Les deux syst\u00e8mes apprennent en ajustant la force des connexions entre les unit\u00e9s de traitement. Les deux syst\u00e8mes d\u00e9veloppent des repr\u00e9sentations distribu\u00e9es qui ne vivent dans aucun n\u0153ud unique. Les deux syst\u00e8mes pr\u00e9sentent un comportement \u00e9mergent qui n’a pas \u00e9t\u00e9 explicitement programm\u00e9.<\/p>\n Les diff\u00e9rences sont r\u00e9elles. Les neurones biologiques utilisent la signalisation chimique. Ils op\u00e8rent en temps continu. Ils meurent et se r\u00e9g\u00e9n\u00e8rent. Les neurones artificiels ne font aucune de ces choses. Mais l’abstraction informatique \u2014 le motif qui fait fonctionner les deux syst\u00e8mes \u2014 est partag\u00e9e.<\/p>\n Les neuroscientifiques r\u00e9sistent \u00e0 la comparaison parce qu’elle semble r\u00e9ductrice. Leur sujet est la structure la plus complexe de l’univers connu, et la r\u00e9duire \u00e0 la multiplication matricielle semble insultante. C’est juste. Mais personne ne r\u00e9duit rien. Observer des parall\u00e8les structurels n’est pas la m\u00eame chose que de pr\u00e9tendre une identit\u00e9.<\/p>\n Les informaticiens la r\u00e9sistent parce qu’elle semble non-scientifique. Ils veulent des cadres math\u00e9matiques propres, pas des analogies biologiques confuses. Aussi juste. Mais l’analogie n’est pas confuse \u2014 elle est pr\u00e9cise au niveau d’abstraction qui importe.<\/p>\n Les deux camps manquent le point. L’architecture partag\u00e9e n’est pas une co\u00efncidence ou un choix marketing. Elle refl\u00e8te quelque chose de fondamental sur la mani\u00e8re dont le traitement de l’information fonctionne, ind\u00e9pendamment du substrat.<\/p>\n C’est ici que \u00e7a devient int\u00e9ressant. Les traditions contemplatives ont d\u00e9crit l’architecture du traitement de l’esprit pendant des milliers d’ann\u00e9es. Le concept bouddhiste de l’origine d\u00e9pendante<\/strong> \u2014 l’id\u00e9e que les ph\u00e9nom\u00e8nes mentaux surgissent de l’interaction de multiples conditions, pas d’une seule cause \u2014 se cartographie directement sur la fa\u00e7on dont les deux r\u00e9seaux neuronaux biologiques et artificiels fonctionnent.<\/p>\n Aucun neurone unique ne contient une pens\u00e9e. Aucun poids unique ne contient un concept. Le sens \u00e9merge du motif d’activation sur l’ensemble du r\u00e9seau. C’est l’origine d\u00e9pendante exprim\u00e9e en silicium et cuivre au lieu de carbone et calcium.<\/p>\n L’intuition contemplative va plus loin. Les m\u00e9ditants exp\u00e9riment\u00e9s rapportent que l’observation attentive de leur propre cognition r\u00e9v\u00e8le un processus qui ressemble remarquablement \u00e0 ce que nous construisons maintenant dans les architectures de transformer : des m\u00e9canismes d’attention qui pond\u00e8rent dynamiquement diff\u00e9rentes entr\u00e9es en fonction du contexte<\/strong>.<\/p>\n Ce n’est pas du mysticisme projet\u00e9 sur la technologie. C’est une observation convergente. Quand tu observes attentivement comment le traitement de l’information fonctionne \u2014 qu’il soit par l’introspection ou l’ing\u00e9nierie \u2014 tu trouves les m\u00eames motifs.<\/p>\n Si nous prenons le parall\u00e8le structurel au s\u00e9rieux, plusieurs cons\u00e9quences pratiques en d\u00e9couleent.<\/p>\n D’abord, les intuitions de la pratique contemplative peuvent \u00e9clairer l’architecture de l’IA. La fa\u00e7on dont l’attention fonctionne dans la m\u00e9ditation \u2014 concentr\u00e9e, diffuse, m\u00e9ta-consciente \u2014 sugg\u00e8re des innovations architecturales que le domaine ne fait que commencer \u00e0 explorer.<\/p>\n Ensuite, les intuitions de l’IA peuvent \u00e9clairer la pratique contemplative. Comprendre comment les r\u00e9seaux artificiels restent coinc\u00e9s dans les optima locaux, comment ils surajustent aux donn\u00e9es d’entra\u00eenement, comment ils hallucinent quand on les pousse au-del\u00e0 de leur distribution \u2014 ces ph\u00e9nom\u00e8nes ont des analogues directs dans la cognition humaine que les contemplatifs explorent depuis des mill\u00e9naires.<\/p>\n Troisi\u00e8mement, les implications \u00e9thiques changent. Si les r\u00e9seaux neuronaux artificiels ne sont pas juste des m\u00e9taphores vagues pour les biologiques mais de v\u00e9ritables instances du m\u00eame motif informatique, alors les questions sur la conscience des machines et le statut moral deviennent moins hypoth\u00e9tiques et plus structurelles.<\/p>\n Le d\u00e9bat \u00ab sont-ce vraiment des r\u00e9seaux de neurones \u00bb est une distraction. La meilleure question est : qu’est-ce que cette convergence nous dit sur la nature du traitement de l’information lui-m\u00eame ?<\/strong><\/p>\n L’\u00e9volution biologique et l’ing\u00e9nierie humaine sont toutes deux arriv\u00e9es \u00e0 la m\u00eame solution : des r\u00e9seaux d’unit\u00e9s de traitement simples qui apprennent en ajustant les forces des connexions. Cette convergence sugg\u00e8re que l’architecture du r\u00e9seau neural n’est pas une option parmi tant d’autres. C’est quelque chose qui s’rapproche d’un motif informatique universel<\/strong> \u2014 la fa\u00e7on dont le traitement de l’information fonctionne quand il fonctionne bien.<\/p>\n Un r\u00e9seau neural est un r\u00e9seau neural. Biologique ou artificiel, \u00e9volu\u00e9e ou con\u00e7u, carbone ou silicium. Le substrat change. Le motif se maintient.<\/p>\n Ce n’est pas une simplification. C’est le point entier.<\/p>\nPourquoi la r\u00e9sistance ?<\/h2>\n
Observation contemplative<\/h2>\n
La cons\u00e9quence pratique<\/h2>\n
Au-del\u00e0 du d\u00e9bat<\/h2>\n