À l'intérieur de l'effort Moonshot pour enfin comprendre le cerveau

'Voilà le problème de l'intelligence artificielle aujourd'hui', déclare David Cox. Oui, il est devenu étonnamment bon, de la reconnaissance faciale presque parfaite aux voitures sans conducteur et aux machines Go-playing championnes du monde. Et c'est vrai que certaines applications d'IA n'ont même plus besoin d'être programmées : elles reposent sur des architectures qui leur permettent d'apprendre par l'expérience.

Pourtant, il y a toujours quelque chose de maladroit et de force brute à ce sujet, dit Cox, neuroscientifique à Harvard. Pour construire un détecteur de chien, vous devez montrer au programme des milliers de choses qui sont des chiens et des milliers qui ne sont pas des chiens, dit-il. Ma fille n'a eu qu'à voir un chien et n'a cessé de lui signaler les chiots depuis. Et les connaissances que l'IA d'aujourd'hui parvient à extraire de toutes ces données peuvent être étrangement fragiles. Ajoutez un peu de statique astucieux à une image - un bruit qu'un humain ne remarquerait même pas - et l'ordinateur pourrait simplement confondre un chien avec une benne à ordures. Ce n'est pas bon si les gens utilisent la reconnaissance faciale pour, par exemple, la sécurité sur les smartphones (voir Is AI Riding a One-Trick Pony? ).

Le chercheur postdoctoral Abhinav Grama observe le cerveau.

Après le test, le cerveau de l'animal a été prélevé.

Cette histoire faisait partie de notre numéro de novembre 2017

• Voir la suite du problème
• S'abonner

Pour surmonter ces limitations, Cox et des dizaines d'autres neuroscientifiques et experts en apprentissage automatique ont uni leurs forces l'année dernière pour l'intelligence artificielle des réseaux corticaux (MICrONS). initiative : un effort de 100 millions de dollars pour désosser le cerveau. Ce sera l'équivalent neuroscientifique d'un moonshot, déclare Jacob Vogelstein, qui a conçu et lancé MICrONS lorsqu'il était responsable de programme pour l'Intelligence Advanced Research Projects Agency, la branche de recherche de la communauté américaine du renseignement. (Il est maintenant à la société de capital-risque Camden Partners à Baltimore.) Les chercheurs de MICrONS tentent de cartographier la fonction et la structure de chaque détail dans un petit morceau de cortex de rongeur.

C'est un témoignage de la complexité du cerveau qu'un moonshot est nécessaire pour cartographier même ce minuscule morceau de cortex, un cube mesurant un millimètre de côté - la taille d'un gros grain de sable. Mais ce cube est des milliers de fois plus grand que n'importe quel morceau de cerveau que quelqu'un a essayé de détailler. Il contiendra environ 100 000 neurones et quelque chose comme un milliard de synapses, les jonctions qui permettent aux impulsions nerveuses de sauter d'un neurone à l'autre.

Un cerveau de rat dans un plat.

C'est une ambition qui laisse les autres neuroscientifiques stupéfaits. Je pense que ce qu'ils font est héroïque, dit Eve Marder, qui a passé toute sa carrière à étudier des circuits neuronaux beaucoup plus petits à l'Université Brandeis. C'est l'une des choses les plus excitantes qui se passent en neurosciences, déclare Konrad Kording, qui fait de la modélisation informatique du cerveau à l'Université de Pennsylvanie.

Le cerveau est collé sur une plaque avant d'être scanné.

La récompense ultime sera les secrets neuronaux extraits des données du projet, des principes qui devraient former ce que Vogelstein appelle les blocs de construction informatiques de la prochaine génération d'IA. Après tout, dit-il, les réseaux de neurones d'aujourd'hui sont basés sur une architecture vieille de plusieurs décennies et une notion assez simpliste du fonctionnement du cerveau. Essentiellement, ces systèmes diffusent les connaissances sur des milliers de nœuds densément interconnectés, analogues aux neurones du cerveau. Les systèmes améliorent leurs performances en ajustant la force des connexions. Mais dans la plupart des réseaux neuronaux informatiques, les signaux cascadent toujours vers l'avant, d'un ensemble de nœuds à l'autre. Le vrai cerveau est plein de rétroaction : pour chaque faisceau de fibres nerveuses transmettant des signaux d'une région à l'autre, il y a un nombre égal ou supérieur de fibres qui reviennent dans l'autre sens. Mais pourquoi? Ces fibres de rétroaction sont-elles le secret de l'apprentissage ponctuel et de tant d'autres aspects de l'immense pouvoir du cerveau ? Est-ce qu'il se passe autre chose ?

MICrONS devrait fournir au moins certaines des réponses, déclare Sebastian Seung, neuroscientifique à l'Université de Princeton, qui joue un rôle clé dans l'effort de cartographie. En fait, dit-il, je ne pense pas que nous puissions répondre à ces questions sans un projet comme celui-ci.

Image 1 : Le petit cube en haut à gauche est la partie du cerveau qui sera cartographiée. Illustration 2 : Ce morceau de cerveau est enfermé dans de l'acrylique en vue d'être tranché extrêmement fin.

Zoom avant

Les équipes MICrONS, l'une dirigée par Cox, l'autre basée à Université du riz et le Baylor College of Medicine, et un troisième à Carnegie Mellon - poursuivent chacun quelque chose qui est remarquablement complet : une reconstruction de toutes les cellules dans un millimètre cube du cerveau d'un rat, plus un schéma de câblage - un connectome - montrant comment chaque cellule est connecté à toutes les autres cellules, et des données montrant exactement quelles situations déclenchent les neurones et influencent les autres neurones.

La première étape consiste à examiner le cerveau des rats et à déterminer ce que font réellement les neurones de ce millimètre cube. Lorsque l'animal reçoit un stimulus visuel spécifique, comme une ligne orientée d'une certaine manière, quels neurones commencent soudainement à déclencher des impulsions et quels voisins réagissent ?

Il y a à peine dix ans, la capture de ce type de données allait de difficile à impossible : les outils n'ont tout simplement jamais existé, déclare Vogelstein. Il est vrai que les chercheurs pourraient faire glisser des fils ultrafins dans le cerveau et obtenir de magnifiques enregistrements de l'activité électrique dans les neurones individuels. Mais ils ne pouvaient pas enregistrer plus de quelques dizaines à la fois parce que les cellules étaient très serrées les unes contre les autres. Les chercheurs pourraient également cartographier la géographie globale de l'activité neuronale en plaçant des humains et d'autres animaux dans des appareils d'IRM. Mais les chercheurs ne pouvaient pas surveiller les neurones individuels de cette façon : la résolution spatiale était au mieux d'environ un millimètre.

Les tranches de cerveau coupées collent à un ruban adhésif en plastique.

La bande, avec des échantillons de cerveau attachés, est découpée et placée sur une plaque coulissante qui ira dans une énorme machine à scanner.

Ce qui a brisé cette impasse a été le développement de techniques permettant d'allumer les neurones lorsqu'ils s'activent dans un cerveau vivant. Pour ce faire, les scientifiques ensemencent généralement les neurones avec des protéines fluorescentes qui brillent en présence d'ions calcium, qui surgissent en abondance chaque fois qu'une cellule se déclenche. Les protéines peuvent être insérées chimiquement dans le cerveau d'un rongeur, transportées par un virus bénin ou même codées dans le génome des neurones. La fluorescence peut alors être déclenchée de plusieurs manières, peut-être plus utilement, par une paire de lasers qui pompent la lumière infrarouge dans le rat à travers une fenêtre fixée dans son crâne. Les fréquences infrarouges permettent aux photons de pénétrer dans le tissu nerveux relativement opaque sans rien endommager, avant d'être absorbés par les protéines fluorescentes. Les protéines, à leur tour, combinent l'énergie de deux des photons infrarouges et la libèrent sous la forme d'un seul photon de lumière visible qui peut être vu sous un microscope ordinaire lorsque l'animal regarde quelque chose ou effectue un certain nombre d'autres actions.

Andreas Tolias, qui dirige une partie de l'équipe de Baylor, dit que c'est révolutionnaire car vous pouvez enregistrer à partir de chaque neurone, même ceux qui sont juste à côté les uns des autres.

Une fois qu'une équipe du laboratoire de Cox a cartographié l'activité neuronale d'un rat, l'animal est tué et son cerveau est infusé avec l'osmium, un métal lourd. Ensuite, une équipe dirigée par le biologiste de Harvard, Jeff Lichtman, découpe le cerveau en tranches et découvre exactement comment les neurones sont organisés et connectés.

Ce processus commence dans un laboratoire au sous-sol avec une machine de bureau qui fonctionne comme une trancheuse de charcuterie. Une petite plaque de métal monte et descend, découpant méthodiquement la pointe de ce qui semble être un crayon de couleur ambrée et faisant adhérer les tranches à un tapis roulant fait de ruban adhésif en plastique. La différence est que le salami est en fait un tube de résine dure qui enveloppe et soutient le tissu cérébral fragile, la plaque mobile contient une lame de diamant incroyablement tranchante et les tranches mesurent environ 30 nanomètres d'épaisseur.

Des scans de tranches de cerveau sont assemblés par un algorithme.

Un champ de vision multifaisceaux, constitué de 61 images prises au microscope électronique, est vu à gauche ; 14 champs de vision multifaisceaux sont combinés à droite.

Les scans sont assemblés dans un cube et colorisés.

Ensuite, dans un autre laboratoire au bout du couloir, des longueurs de ruban contenant plusieurs tranches de cerveau chacune sont montées sur des plaquettes de silicium et placées à l'intérieur de ce qui ressemble à un grand réfrigérateur industriel. L'appareil est un microscope électronique : il utilise 61 faisceaux d'électrons pour balayer simultanément 61 parcelles de tissu cérébral à une résolution de quatre nanomètres.

Chaque plaquette prend environ 26 heures à numériser. Des moniteurs à côté du microscope montrent les images résultantes au fur et à mesure qu'elles s'accumulent dans des détails impressionnants - membranes cellulaires, mitochondries, vésicules remplies de neurotransmetteurs se pressant au niveau des synapses. C'est comme zoomer sur une fractale : plus vous regardez de près, plus vous voyez de complexité.

Trancher n'est pas la fin de l'histoire. Même lorsque les scans sortent du microscope - vous êtes en train de faire un film où chaque tranche est plus profonde, dit Lichtman - ils sont transmis à une équipe dirigée par l'informaticien de Harvard Hanspeter Pfister. Notre rôle est de prendre les images et d'extraire autant d'informations que possible, explique Pfister.

Cela signifie reconstruire tous ces neurones tridimensionnels - avec tous leurs organites, synapses et autres caractéristiques - à partir d'une pile de tranches 2D. Les humains pourraient le faire avec du papier et un crayon, mais ce serait désespérément lent, dit Pfister. Lui et son équipe ont donc formé des réseaux de neurones pour suivre les vrais neurones. Ils fonctionnent beaucoup mieux que toutes les autres méthodes que nous avons utilisées, dit-il.

Chaque neurone, quelle que soit sa taille, produit une forêt de vrilles appelées dendrites, et chacun a une autre fibre longue et fine appelée axone pour transmettre l'influx nerveux sur de longues distances - complètement à travers le cerveau, dans des cas extrêmes, ou même tous les tout le long de la moelle épinière. Mais en cartographiant un millimètre cube comme le fait MICrONS, les chercheurs peuvent suivre la plupart de ces fibres du début à la fin et ainsi voir un circuit neuronal complet. Je pense que nous allons découvrir des choses, dit Pfister. Probablement des structures que nous n'avions jamais soupçonnées, et des aperçus complètement nouveaux sur le câblage.

Le pouvoir de l'anticipation

Parmi les questions auxquelles les équipes MICrONS espèrent commencer à répondre : Quels sont les algorithmes du cerveau ? Comment fonctionnent tous ces circuits neuronaux ? Et en particulier, à quoi servent tous ces retours ?

De nombreuses applications d'IA d'aujourd'hui n'utilisent pas de rétroaction. Les signaux électroniques dans la plupart des réseaux de neurones cascadent d'une couche de nœuds à l'autre, mais généralement pas en arrière. (Ne soyez pas surpris par le terme de rétropropagation, qui est un moyen de former réseaux de neurones.) Ce n'est pas une règle absolue : les réseaux de neurones récurrents ont des connexions qui reviennent en arrière, ce qui les aide à gérer les entrées qui changent avec le temps. Mais aucun d'entre eux n'utilise de rétroaction sur quoi que ce soit comme l'échelle du cerveau. Dans une partie bien étudiée du cortex visuel, dit Tai Sing Lee à Carnegie-Mellon , seulement 5 à 10% des synapses écoutent les entrées des yeux. Les autres écoutent les commentaires des niveaux supérieurs du cerveau.

Les cubes colorisés sont utiles dans les illustrations 3D de diverses structures et processus neuronaux, donnant aux scientifiques leur carte la plus détaillée à ce jour de ce qui se passe réellement dans le cerveau.

Il existe deux grandes théories sur la raison d'être de la rétroaction, dit Cox, et l'une est l'idée que le cerveau essaie constamment de prédire ses propres entrées. Pendant que le cortex sensoriel traite cette cadre du film, pour ainsi dire, les niveaux supérieurs du cerveau essaient d'anticiper le suivant cadre, et transmettent leurs meilleures suppositions à travers les fibres de rétroaction.

C'est la seule façon dont le cerveau peut faire face à un environnement en mouvement rapide. Les neurones sont vraiment lents, dit Cox. Cela peut prendre jusqu'à 170 à 200 millisecondes pour passer de la lumière frappant la rétine à toutes les étapes de traitement jusqu'au niveau de perception consciente. À cette époque, le service de tennis de Serena Williams parcourt neuf mètres. Donc, quiconque parvient à rendre ce service doit balancer sa raquette sur la base de la prédiction.

Et si vous essayez constamment de prédire l'avenir, dit Cox, alors lorsque le véritable avenir arrive, vous pouvez vous ajuster pour améliorer votre prochaine prédiction. Cela cadre bien avec la deuxième théorie majeure explorée : que les connexions de rétroaction du cerveau sont là pour guider l'apprentissage. En effet, les simulations informatiques montrent qu'une lutte pour l'amélioration oblige tout système à construire de mieux en mieux des modèles du monde. Par exemple, dit Cox, vous devez comprendre comment un visage apparaîtra s'il tourne. Et cela, dit-il, pourrait s'avérer être une pièce essentielle du puzzle de l'apprentissage ponctuel.

Lorsque ma fille a vu un chien pour la première fois, dit Cox, elle n'a pas eu à apprendre comment fonctionnent les ombres ou comment la lumière rebondit sur les surfaces. Elle avait déjà accumulé un riche réservoir d'expérience sur de telles choses, rien qu'en vivant dans le monde. Ainsi, lorsqu'elle arrivait à quelque chose comme 'C'est un chien', dit-il, elle pouvait ajouter cette information à un énorme corpus de connaissances.

Si ces idées sur la rétroaction du cerveau sont correctes, elles pourraient apparaître dans la carte détaillée de MICrONS de la forme et de la fonction d'un cerveau. La carte pourrait montrer quelles astuces les circuits neuronaux utilisent pour mettre en œuvre la prédiction et l'apprentissage. À terme, de nouvelles applications d'IA pourraient imiter ce processus.

Même alors, cependant, nous resterons loin de répondre à toutes les questions sur le cerveau. Connaître les circuits neuronaux ne nous apprendra pas tout. Il existe des formes de communication de cellule à cellule qui ne passent pas par les synapses, y compris certaines réalisées par des hormones et des neurotransmetteurs flottant dans les espaces entre les neurones. Il y a aussi la question de l'échelle. Aussi grand que puisse être MICrONS, il ne s'agit toujours que de regarder un minuscule morceau de cortex pour trouver des indices sur ce qui est pertinent pour le calcul. Et le cortex n'est que la fine couche externe du cerveau. Les fonctions critiques de commande et de contrôle sont également assurées par des structures cérébrales profondes telles que le thalamus et les ganglions de la base.

La bonne nouvelle est que MICrONS ouvre déjà la voie à de futurs projets qui cartographient de plus grandes sections du cerveau.

Une grande partie des 100 millions de dollars, dit Vogelstein, est dépensée pour des technologies de collecte de données qui n'auront pas à être réinventées. Parallèlement, les équipes de MICrONS développent des techniques de numérisation plus rapides, dont une qui élimine le besoin de trancher les tissus. Des équipes de Harvard, du MIT et du Cold Spring Harbor Laboratory ont mis au point un moyen d'étiqueter de manière unique chaque neurone avec un schéma de code-barres, puis de visualiser les cellules en détail en les saturant d'un gel spécial qui les gonfle très doucement à des dizaines ou des centaines de fois leur taille normale.

Ainsi, le premier millimètre cube sera difficile à collecter, dit Vogelstein, mais le suivant sera beaucoup plus facile.

M. Mitchell Waldrop est un écrivain indépendant à Washington, D.C. Il est l'auteur de La complexité et la machine à rêves et était auparavant éditeur à La nature .

cacher