IA.01 : Vers une Intelligence Biophysique ?

Même si elle lui donne une incontestable puissance marketing supplémentaire, ce n’est pas la profondeur de l’apprentissage qui rendra l’Intelligence Artificielle plus mimétique de l'intelligence ... naturelle.

Même si cela peut paraître paradoxal, une Intelligence Biophysique permettrait de traiter un signal d’entrée (input : image, son, document, etc.) précis à l’aide d’un système imprécis, plus exactement à l’aide d’un système flou, plastique, redondant et statistique/comparateur (comme le cerveau).

- Plastique comme les protéines de mémoire (des tores) et leurs champs ferroélectriques.

- Flou et redondant, comme les tores protéiques ayant approximativement le même profil vectoriel que les tores les mieux accordés au signal neuronal. Flou et redondant comme le nuage d’impulsions qui accompagne l’impulsion principale.

- Comparateur, comme le système développé par cerveau humain pour sélectionner un partenaire destiné à la « bonne » continuation de l’espèce.

Le moyennage - averaging – utilisé par Robert Jenkins, et le lissage par compression d’’image de Gintare Dziugaite, sont des bonnes voies pour mimer une Intelligence biophysique.

     Le « memcomputing » ferroélectrique  imaginé par l'Oak Ridge National Laboratory pourrait en être une voie intéressante.   

Aborder l’intelligence de notre perception visuelle et tenter de la mimer commence par une question quasi métaphysique : à quoi sert la vue ? Ou plutôt les vues,

- celles, archaïques, dont le signal est transmis en 70 millisecondes et d’autres plus « intelligentes » pour lesquelles environ 200 millisecondes de plus sont nécessaires.

- celles qui produisent des images et celles qui n’en produisent pas (exemples : réglages chronobiologiques, appétit, etc.)

Notons que comme les systèmes « intelligents » de reconnaissance d’image, la vue humaine peut être trompée par un seul pixel.

Il est également nécessaire également de distinguer la vision latérale de la vision centrale, chacune ayant son utilité.

    La vision périphérique est très sensible, dynamique, elle permet, du « coin de l’œil », de repérer très rapidement le moindre mouvement et le volume de ce mouvement. Archaïque, elle permet à l’homme d’éviter ces mille hasards, mille ennemis qui sont aux aguets.

Les concepteurs des voitures « autonomes » semblent avoir oublié que le conducteur humain utilise essentiellement sa vision latérale  

… La vision centrale permet de reconstituer une image « nette »

Lettre ouverte à Jean-Paul Delahaye en réponse à son article paru dans le numéro de juin 2018 de Pour la Science :

dans la rubrique LOGIQUE & CALCUL

INTELLIGENCES ARTIFICIELLES. UN APPRENTISSAGE PAS SI PROFOND !

À vous lire, cher Jean-Paul Delahaye, je me sens moins seul, même si mes ricanements au sujet de la soi-disant Intelligence artificielle sont d’un autre ordre que les vôtres, ils sont ceux d’un (vieux) biophysicien  

Artificielle, oui, car créée par l’art de l’homme, par contre, si intelligence il y a, elle est conceptuelle mais ne ressemble en rien, ou presque rien, à la biologie de l’intelligence humaine.

Mon ricanement tourne à la stupéfaction quand apparaissent les sommes colossales investies dans l’IA, ceci sans un minimum de connaissance en biophysique qui, il est vrai, semble avoir disparue à la fois du champ des connaissances et de l’enseignement.

      Je suis surpris de lire dans nombres de publications récentes une (re)découverte, partielles, de propriétés physiques des protéines, les mêmes que j’enseignais à mes étudiants dans les années quatre-vingt. 

Ce qu'il y a de plus intelligent dans Intelligence artificielle, c’est son nom, qui sonne bien, bien mieux que cybernétique ou "système expert".

L’IA est avant tout un bon marketing. Le slogan « intelligence artificielle » arrive en 1956, date à laquelle elle fut "inventée" par John McCarthy et Marvin Lee Minsky.

La gestion des données à l’aide d’un millefeuille de tableaux Excel ne doit pas, même si elle est possède une fantastique puissance de calcul, être assimilée avec de l’Intelligence Artificielle, et d’ailleurs pas plus avec de l’intelligence naturelle 

Il y a aussi un incontestable côté démiurge dans l’IA : comme un dieu, par son art, l'homme réussit à créer une intelligence.

S'y ajoute notre complexe d’Homo sapiens (auto)domestiqué qui se cherche un Maître.

BBio-philosophie oblige, c'est ici un exposé de bonne foi, Jean-Paul Delahaye. Si c'eût été pour rechercher la faveur du monde par une très sérieuse « revue » scientifique, je l’eusse mieux paré et j’aurais prudemment utilisé le conditionnel.

Mes forces ne sont pas capables d'un tel dessein.

J’emploierais de façon simple, naturelle et ordinaire, le présent, qu’il s’agisse de phénomènes reconnus par la communauté scientifique ou d’hypothèses personnelles, en général basées sur des analogies avec d’autres systèmes biophysiques connus, même s’ils ont été oubliés !

Puissiez-vous y trouver matière à vous aider à percevoir ce qu’il faudrait faire pour aller au-delà des réseaux de neurones profonds.

La progression des paragraphes vous semblera parfois dispersée, mais l’intelligence ne l’est-elle pas tout autant ? Au moins la mienne !

Quant à aborder l’intelligence de notre perception visuelle, il convient de commencer par une question philosophique, voire métaphysique :

Considérant que notre perception est relative aux besoins d’Homo sapiens, demandons-nous à quoi sert la vue ?

Je devrais plutôt écrire les vues, et en plus des visions latérales et centrales, voir § ci-dessous, les fonctions de  l’œil de sont pas seulement que de fournir des images.

Certaines « glandes photosensibles » de l’œil synchronisent le système chrono biologique.

​

​ Des récepteurs de l’œil servent à s’orienter dans l’espace. Certains seraient sensibles à d’autres ondes électromagnétiques que la lumière.

Le rouge gorge migrateur, Erithacus rubecula, pourrait même utiliser un mécanisme quantique pour « voir » l’inclinaison du champ magnétique terrestre, (voir Île.89 : Quantique ?)

Notre œil, comme celui du tétra, sécrète-t-il des neuropeptides qui stimulent notre appétit, la prise de nourriture et, par conséquent, une augmentation de la masse graisseuse ? 

Voir L’œil gourmand

Si ces différentes "vues" ont été conservées par l’évolution, il est probable qu’elles sont utiles à l’espèce Homo sapiens, notamment quand pendant la longue période de son histoire, il était chasseur cueilleur.

Voyons la vision latérale et la vision centrale, plus particulièrement concernées par l'Intelligence (très) artificielle

La vision périphérique est très sensible ; dynamique, elle permet, même du « coin de l’œil », de repérer très rapidement le moindre mouvement.

Certaines « caméras » de l’œil sont spécialisées pour repérer un déplacement de gauche vers la droite, d’autres pour quelque chose qui s’approche, etc.

Ces caméras/glandes n’analysent pas une succession d’images mais directement un mouvement, ce qui posent quelques problèmes à la mécanique classique, mais c'est une autre histoire !

Arthur Schopenhauer dans Le Monde comme volonté et comme représentation développe parfaitement le besoin de la surveillance continue à laquelle Homo sapiens est confronté :

En même temps, de tous côtés viennent l’assiéger des périls variés à l’infini, auxquels il n’échappe qu’au prix d’une surveillance sans relâche. D’un pas prudent, avec un regard inquiet qu’il promène partout, il s’avance sur sa route ; mille hasards, mille ennemis sont là, aux aguets. Telle était sa démarche aux temps de la sauvagerie, telle elle est en pleine civilisation ; pour lui, pas de sécurité.

  Le temps de réactivité à la vision latérale est de 70 millisecondes, et comme on pouvait s’y attendre, cette vision est gérée par une région archaïque du cerveau :  l’amygdale cérébrale.

Il est remarquable que ce temps de réaction soit inférieur à la prise de conscience par le cerveau !

Pendant que je traverse la rue, je réagis par un mouvement de recul avant de m’apercevoir que le bus scolaire qui est sur ma gauche est arrêté.

Plus joyeux que Schopenhauer, la vision périphérique permet aussi de  … jouer correctement au golf !

Et c’est aussi pourquoi le moindre mouvement dans l’espace visuel du golfeur peut le perturber, … surtout quand il débute !

Avec quelques efforts et résolutions des problèmes posé par Gary Marcus, les « réseaux neuronaux » pourrons réussir à mimer ces fonctions du cerveau archaïque, mais l’intelligence, n’est-elle justement autre chose ?  

Pour cette facette du déterminisme, je reprends le photo du bus modifié par un "bruit aléatoire", que vous donnez comme exemple des images pièges.

Celles qui montrent

... que ce qu’un réseau de neurones apprend dans sa phase d’apprentissage est d’une nature assez différent de ce que nous-mêmes apprenons.

Certes, je ne vois pas un school bus dans l’image de droite mais cet objet est immobile et ne présente donc aucun danger.

Si au lieu d’une image fixe, Christian Szegedy m'avait montré une vidéo, même très courte, de quelques secondes, voire moins, je pense que j’aurais reconnu un bus, ou au moins un gros objet venant dans ma direction. Il ferait partie des périls variés à l’infini, auxquels [je] n’échappe qu’au prix d’une surveillance sans relâche.

Par ailleurs, si au lieu d’un school bus l’image avait représenté un visage exprimant la peur, j’aurais peut-être réagi (voir § Reconnaître un visage)

Il semble que les ingénieurs concepteurs des voitures « autonomes » aient occulté ce qu’aurait pu leur souffler un biophysicien : un humain conduit sa voiture en utilisant sa vision latérale, celle de la perception des mouvements.

​

​Il n’utilise sa vision centrale que pour lire les panneaux routiers (avec difficulté, il faut en effet 200 millisecondes de plus !), et qu’il ne « photographie » globalement plus qu’il ne lit réellement.  

Cette perception des mouvements est aussi celle des volumes, en déplacement (voie La perception est relative à son utilité).

​

Un humain « voit » très bien un bus, bien une automobile, mal un cycliste, c’est la principale raison pour laquelle l’utilisation du vélo est si dangereuse, notamment en ville où la vision est sollicitée par de multiples déplacements d’objets.

Puisque je les regarde avec attention, toutes les images publiées dans votre article sont celles d’une vision centrale, statique, en couleur et « nette » (même quand elles sont floues !).

     En réalité, l’œil humain est animé de micro mouvements, les microsaccades, et toute vision est une vision de mouvements. Sans ces microsaccades l’image s’efface du cerveau.

Plus généralement : Le monde que nous connaissons est construit dans le cerveau, les yeux ne fournissant que les données brutes.

Dans le petit inventaire ci-dessous, non exclusif, complétant l’utilité d’une vision centrale, j’aborde l’évaluation de la symétrie, la reconnaissance des visages, ….

Avant cet inventaire, je voudrais donner un exemple où, comme le "réseau" utilisé par Jiawei Su et ses collègues, je suis berné par un seul "pixel".

Sur la figure centrale "Oiseau", ci-dessus, par l’addition d’un seul pixel (le clair, presque au milieu de la photo), le "réseau" reconnaît une grenouille au lieu d’un oiseau dans 88,8% des cas.

Je dirais plutôt environ 9 fois sur 10, car je doute que les trois chiffres 8,8 et 8 soient significatifs. Cette précision illusoire de « 88,8 » illustre parfaitement que l’IA n'aime pas l'incertitude ! C'est bien là son défaut conceptuel originel, je vais y revenir.

Revenons à mon expérience où l’image donnée par mon œil m’a trompée.

Quand je cherche ma balle de golf dans de l’herbe haute (le rough) où sont encore accrochées des gouttes de rosée, l’étincellement du soleil dans une seule de ses gouttes peut me fait croire que je j’ai retrouvé ma balle.

Il suffit que je m’approche pour que l'angle du rayon solaire change et que je me rendre compte hélas que j’ai été berné.

Ce qui montre aussi une fois de plus l’importance du mouvement dans la reconnaissance d’image.

Biologiquement parlant, l'aptitude du cerveau à comparer se serait développée avec la reproduction sexuée.

Pour l’espèce, la phase déterminante de la vie d’un individu est le choix d’un partenaire reproductif.

Or, la symétrie est un repère/marqueur des « bonnes » qualités génétiques, d’une résistance aux parasites, etc.

Voir, par exemple, École de la Beauté.2,  École de la Beauté.24 et aussi Régnants et Conquérants

Cette appréciation de la symétrie est effectuée par le cerveau avec une extrême précision, même si elle reste en plus grande part subliminale.

Apprécier si un individu est symétrique se fait par comparaison, d’un côté et de l’autre de son visage, de son corps...

… et le cerveau est devenu au cours de l’évolution un expert en comparaison. ​

​

Pour Homo le sapiens, le choix d’un partenaire est beaucoup plus complexe puisqu’il n’est pas suffisant de mettre un enfant au monde, il faut aussi prendre soin de lui jusqu’à ce qu’il soit autonome, mais c’est une autre histoire, contée dans l’École de la Beauté

La vision latérale peut être également utilisée pour repérer la symétrie lors d’un mouvement, notamment chez un danseur.

De petites asymétries peuvent être appréciées par Homo sapiens comme conférant du charme, voir sur ce sujet : l’École de la Beauté sur le charme féminin

De prochaines Écoles de la Beauté montreront en quoi certaines asymétries sont aussi celles des Conquérants, et en quoi elles sont très utiles à l’évolution de l’espèce.

La méthodologie des « réseaux neuromimétiques » est tellement « simplifiée » qu’elle n’est pas neuromimétique. Selon Yann LeCun que vous citez : C’est un abus de langage que de parler de neurones ! ….

Je n'aurais pas osé le dire !

Pour reprendre votre texte :

 ... Souvent, plusieurs milliers de paramètres sont à calculer …

Tout l’art de la programmation des réseaux de neurones consiste à reconnaître des formes imprécises avec des calculs utilisant la numérotation de Leibnitz 0,1; donc utiliser un système très précis pour calculer plusieurs milliers de paramètres.

Or le cerveau ne sait pas calculer, ni en binaire, ni en système décimal, ni par des fractions comme le faisaient les anciens Égyptiens. Le cerveau ne sait que comparer mais il le fait très bien.

S’il n’avait pas su si bien le faire la biologie aurait sanctionnée l’espèce par une dégénérescence puis une rapide extinction … et nous ne serions pas là à argumenter.

Un dossier consacré à ce sujet est paru dans Cerveau et psycho N°96 - Février 2018

Reconnaître un visage entre 1000. L'incroyable pouvoir du cerveau physionomiste

auquel il est bon d'ajouter :

La dynamique de la reconnaissance

J’aurais plusieurs commentaires à faire mais nous nous éloignerions de l’Intelligence très artificielle. J’ajouterais quand même que …

... l’expression du visage d’une autre personne peut aussi donner des informations utiles sur « l’ambiance » environnante. Par exemple si cette personne exprime la peur, la joie ou une neutre sérénité, comme l’a montrée l’équipe de Bryan Strange.

      Là encore, comme pour les autres fonctions de survie, c’est l’amygdale cérébrale qui entre en jeu et permet d'interpréter l’expression d’un visage, même si celui-ci est complètement flou (ligne HSF).

Il est vraisemblable que pour obtenir ces informations sur la joie ou la peur exprimées par un autre Homo sapiens, le temps de réactivité du cerveau est très inférieur à ceux indiqués dans La dynamique de la reconnaissance, il est plutôt de 70 millisecondes, comme pour détecter un mouvement. Le système de reconnaissance du visage vient plus tard dans les environ 200 millisecondes suivantes

Il y a pourtant du flou dans la reconnaissance d’un visage, plus généralement d’une image.

Mais où ce flou se situe-t-il ?

L’erreur fondamentale de « l’intelligence artificielle » est conceptuelle ; l’IA veut reconnaître une forme imprécise avec un système de calcul précis. C’est le contraire qu’il faudrait faire pour être biomimétique de l’intelligence ... naturelle.

Ce n’est pas la profondeur de l’apprentissage qui fera l’Intelligence artificielle plus intelligente.

Même si cela paraît paradoxal, contre intuitif,  ...

​

​

     Il semble qu’au moins deux publications aillent dans le sens de l’utilisation d'un système de reconnaissance flou comme celui énoncé ci-dessus.

      Robert Jenkins, A. Mike Burton et leurs collègues du département de Psychologie de Université de Glasgow ont montré qu’une image « moyennée » (averaging) à partir de diverses photographies d'une même personne (ici Bill Clinton) permet une reconnaissance de visage équivalent à l’efficacité humaine (d'après les auteurs) 

Ce moyennage peut être considéré comme un traitement par le flou dans l'algorithme de reconnaissance automatique des visages.

 Les travaux de Gintare Karolina Dziugaite, de l’université de Cambridge (Royaume Uni) que vous citez, Jean-Paul Delahaye, comme étant "une idée simple", me semblent entrer également dans la catégorie du floutage algorithmique, ici celui donné par la compression de données,

« Avant de faire apprendre une image au réseau, on lui appliquera un algorithme de compression d’images d’usage courant. Cela modifie un peu certains pixels, mais la compression, en simplifiant l’image, la débarrasse des caractéristiques inutiles que le réseau pourrait prendre en compte alors qu’elles ne sont qu’accidentelles. Ce lissage ramène à ce qui est essentiel dans l’image. »

Le « inutiles » des « caractéristiques inutiles » me gêne, ou alors il s’agit des caractéristiques inutiles à la vue d’Homo sapiens.

    L’image initiale à analyser reste nette et précise. C'est bien le moyennage ou le lissage des traitements ultérieurs qui sont « imprécis ».

Je ne sais pas si, comme vous l’écrivez, Jean-Paul Delahaye, ces travaux feront globalement progresser la science de l’apprentissage automatique mais ils se rapprochent bel et bien du biomimétisme biophysique et d'un constituant essentiel en biologie : les protéines.

Je me permets, Jean-Claude Delahaye, de développer ci-dessous quelques propriétés des protéines ... qu’un mathématicien comme vous n’est pas obligé de connaître, comme je ne connais que peu de choses en mathématique, et ces « peu de choses » sont si lointaines !

Vous pouvez aller consulter Protéine sur Wikipédia, dont j'ai utilisé plusieurs figures

... mais pour faire plus court, je reprends, en la complétant, la définition de Jean Rostand & Andrée Tétry sur la structure de protéines.

« Les protéines, … , possèdent quatre types de structures.

La structure primaire correspond à l’enchaînement des acides aminés ; ..

(aa sur la figure)

Ici, de gauche à droite, l'enchaînement de la méthionine, de la phénylalanine, de l'acide aspartique, etc.

... la même molécule de protéine renferme toujours le même nombre et les mêmes acides aminés, enchaînés suivant une séquence stable.

Ce « toujours » n’est pas le cas ni des protéines de la mémoire, ni des protéines impliquées dans le système immunitaire, ni de bien d’autres systèmes.

      La structure secondaire est constituée par l’enroulement hélicoïdal de la chaîne polypeptidique,

Ces hélices sont nombreuses dans l’hémoglobine (voir figure tournante). Des structures plissées font également partie de la structure secondaire ainsi que des structures … non régulières conférées "seulement" par des angles de valence des acides aminés. Cette structure "sans structure" permet de relier entre elles les hélices et/ou les structures plissées, elle se retrouve en grande proportion dans les protéines protéiformes et en faible proportion dans les protéines de ... structure, comme les kératines.

      La structure tertiaire est formée par les replis, souvent fort compliqués, des structures primaires et secondaires.

Enfin la structure quaternaire, existante chez diverses protéines, comporte l’association entre elles de plusieurs chaînes polypeptidiques ; elle aboutit à un édifice moléculaire. »

Une façon de se représenter cet édifice moléculaire est de malaxer dans sa main environ un ou deux mètres de laine à tricoter jusqu’à obtenir une boule … protéiforme. Vous pourrez à l'occasion aussi apprécier la plasticité de la boule de laine ainsi formée.

Or, la laine de mouton est justement constituée d'une protéine, la kératine

Parmi les protéines de la figure ci-dessous, la dernière à droite, la torique, est celle qui retiendra le plus notre attention

La conformation spatiale d'un protéine fonctionnelle n'est pas toujours (et même rarement) la plus thermodynamiquement probable. 

La structure dite "native" est celle conférée par le système ribosomal au moment de la synthèse de la protéine ; système auquel participent des protéines chaperons

Pour vous convaincre un peu plus de la plasticité des protéines, je vous demande simplement, Jean-Paul Delahaye, après avoir cessé de malaxer votre boule de laine, de vous pincer la joue, pas trop fort, c’est juste pour vous faire observer que les protéines constitutives de la joue change de conformation sous une contrainte physique pour reprendre assez rapidement leur place.

   Cette plasticité est la résultante, notamment :

- de la flexibilité des angles de valence des chaînes peptidiques et

- de la faible énergie des liaisons qui maintiennent les structures spatiales des protéines. Faibles, ces énergies permettent aux liaisons de s'établir, de se rompre et de se rétablir avec une autre voisine, par exemple quand l'édifice moléculaire est soumis à une action extérieure, mécanique comme le pincement de la joue, ou "simplement" le hasard.

        La plasticité est plus ou moins importante selon les protéines, les plus plastiques sont appelées : « protéines intrinsèquement désordonnées » ou « intrinsèquement non structurées »

Et ce n’est certainement pas un hasard si les protéines les plus plastiques représentent « plus de 70 % des protéines de signal des cellules du corps humain ».

Le changement de conformation peut être réversible, ou irréversible.

Réversible quand vous faites couler une solution d’albumine comme celle du blanc d’œuf dans une tasse, irréversible si vous le chauffer pour le cuire ou si vous monter les blancs « en neige ». 

La nouvelle structure, dénaturée, est aussi la plus thermodynamiquement probable.

In vivo, si le choc thermique n’est pas trop puissant, les protéines peuvent être réparées par des structures protéiques particulières, les protéines de choc thermique, les Heat shock proteins. Celles-ci peuvent aussi, comme chaperons, participer à la formation de la « bonne » structure d’une protéine à la sortie du ribosome.

Régulièrement redécouverte, régulièrement oubliée, Le support de la mémoire est de nature protéique.

     Les travaux dans les années 1970 et 1980, ceux aux États-Unis de Bernard Agranoff, Louis Flexner et Daniel Flood, ou en France de la neurobiologiste Arielle Ungerer en apportèrent la preuve.

Les protéines mnésiques connurent ensuite une longue éclipse pendant laquelle un gourou auréolé de sa gloire passée « concentra ses efforts sur la compréhension du cerveau » et du haut de son Prix Nobel, il affirma que la mémoire ne pouvait n'être que dans des molécules équivalentes à l’ADN.

Qu’une équipe de l’École Polytechnique de Zurich ait stocké sur de l’ADN l’album Mezzanine du groupe de trip-hop britannique, ou même qu’il soit possible de

« … stocker toute l’information numérique produite par l’humanité dans un tube à essai » comme l’assurent Sylvain Gariel et Thomas Ybert fondateurs de DNA script, ne sont en rien une preuve que notre mémoire est dans des molécules équivalente à l’ADN, mais montre juste que l’ADN permet d’emmagasiner des informations, ce que nous savons déjà depuis quelques décennies !

Rappel : l’ADN qui est dans les organismes vivant code des gènes, et l’expression de ces gènes conduit à la synthèse de protéines. Une fois la machinerie (ribosomiale) lancée, de nombreuses protéines, identiques à la première, sont fabriquées « à la chaîne »

L’aphorisme : « une protéine = un gène » est général mais, comme dans le cas des protéines du système immunitaire ou mnésique, des protéines de plusieurs natures peuvent être exprimées à partir d’un seul gène.

      Après ce quart de siècle perdu, les recherches vers les protéines mnésiques reprennent, doucement.

Voir, par exemple, les travaux de Susumu Tonegawa

      Mais par contre, les propriétés physiques des protéines en général semblent avoir été oubliées. C'est pourquoi je me permets au cours de cet exposé de les rappeler.

Puisque les supports de la mémoire sont les « protéines de la mémoire », comme les dénomme Douglas Fields dans Pour la Science de septembre 2005, ces supports ont les propriétés des protéines, y compris la plasticité déjà vue et la ferroélectricité, j'y viens.

Les protéines sont ferroélectriques, et cette propriété est un facteur essentiel de leurs fonctions mnésiques.

Cette ferroélectricité est inhérente à la constitution des protéines.

Certaines fonctions latérales des acides aminés constitutifs des protéines (structure primaire) sont électriquement chargées.

        Les fonctions latérales lysine, arginine et histidine présentent une charge cationique (charge positive +)

L’acide aspartique et l’acide glutamique présentent des charges anioniques (charge négative -)

Auxquels s’ajoutent la charge anionique et cationique des acides aminés placés en bout de chaque chaîne peptidique.

      Ces charges, notamment celle de l’histidine, sont sensibles à l’environnement ionique, évidemment le pH local, mais aussi la présence d’ion bivalents comme le calcium, …

Une fois la structure quaternaire formée, un certain nombre de charges persistent

et sont réparties dans l'espace différemment selon la nature de la protéine et de sa conformation.

Les notions sur la ferroélectricité des protéines sont reprises dans l'annexe sur les protéines

Dans le cas d’un tore, c’est au centre que le champ est le plus « intense »

L’article de Laurent Sacco dans le numéro de Futura du 3 décembre 2013 Des mémoires ferroélectriques chaotiques, un modèle pour le cerveau ? ... amorce (ou aurait dû amorcer) un très intéressant pont de réflexion entre la ferroélectricité et la mémoire, à la fois naturelle et artificielle.

Je cite ce journaliste :

Polarisation chaotique des domaines

   De la même manière que les matériaux ferromagnétiques peuvent porter des bits d'information sous forme d'aimantation de domaines microscopiques, les matériaux ferroélectriques sont des outils potentiels pour fabriquer des supports de mémoire. Au lieu d'utiliser un champ magnétique, on utilise un champ électrique pour polariser dans une orientation donnée des domaines des matériaux ferroélectriques. C'est ce qu'essayaient de faire les physiciens de l'Oak Ridge National Laboratory (ORNL) avec une technique de microscopie à sonde locale quand ils ont eu une surprise.

Lorsqu'ils ont commencé à réduire la taille des domaines, le contrôle de leur polarisation a commencé à leur échapper en formant spontanément plusieurs domaines dans des régions adjacentes à celles où les physiciens tentaient d'écrire l'équivalent d'un « 0 » ou d'un « 1 ».

   Si l'on se représente ces domaines sous forme de cases noires ou blanches correspondant aux bits d’information, tout se passait parfois comme si la formation d'une seule de ces cases entraînait l'apparition imprévisible d'une portion de damier autour d'elle.

... comme l'a imaginée un artiste sur la figure ci-dessus, sauf que les 1 apparaissent "dilués" comme des 0, alors qu'ils devraient devenir des valeurs approximatives de 1.

     Les chercheurs ont commencé à y voir plus clair quand ils ont découvert que des régularités émergeaient tout de même du comportement des domaines ferroélectriques en faisant intervenir la théorie du chaos, mais dans l'espace, et non plus dans le temps.

       Je fais confiance aux physiciens de l'Oak Ridge National Laboratory mais, au moins depuis les travaux d’Henri Poincaré, on sait qu’un chaos apparaît à la suite d’itérations, sans préjuger qu’il s’agisse de temps ou d’espace. Quelles sont les itérations qui font émerger ce damier ? S’agit-il d’un chaos et/ou d’un phénomène quantique, sachant que dès les années 1990 émergea une théorie quantique de la ferroélectricité … qui hélas n'a pas été d’appliquées aux protéines….

Puisse cet article réveiller quelques physiciens endormis au fond de leurs laboratoires !

Des circuits pour le « memcomputing »

     Cette découverte pourrait apparaître comme une simple curiosité de laboratoire, mais les physiciens ...  y voient tout autre chose : la possibilité de faire avec des matériaux ferroélectriques ce qu'ils appellent du « memcomputing ». L'idée est d'utiliser des composants électroniques qui seraient capables de servir aussi bien de mémoire que de circuits pour des opérations de calcul logique.

     Ce qui est fascinant, selon les chercheurs, c'est que les neurones du cerveau humain semblent faire du memcomputing.

     Fascinant, en effet ! Si les physiciens de l'Oak Ridge National Laboratory étaient un peu biophysiciens ils auraient su que les protéines sont ferroélectriques et que chaque tore mnésique accordé (au champ électrique de l’impulsion neuronale) est accompagné de nombreux autres tores moins bien accordés. Ces tores « secondaires » pourraient bien être l’équivalent de l’épiphanie de ce damier.

Ces cellules, avec leurs connexions synaptiques, servent aussi bien à traiter de l'information qu'à la stocker.

     Saluons l’annonce de cette double fonction qu’il est rare de lire.

     Et remarquons que de nombreuses protéines "baignent" aussi dans ces connexions synaptiques.

On sait d'ailleurs que l'un des objectifs du Human Brain Project est de déboucher sur une nouvelle électronique imitant les performances des neurones pour fabriquer des ordinateurs moins gourmands en énergie et plus performants pour certaines tâches. On peut penser que des liens intéressants entre chaos, cerveau et physique du solide vont émerger en étudiant de plus près les matériaux ferroélectriques.

On pouvait en effet le penser, mais depuis 2013 l’émergence est toujours attendue.

     L’obstacle serait-il simplement conceptuel ?

Le damier ferroélectrique observé est flou.

Pour des physiciens aussi prestigieux que ceux de l'Oak Ridge National Laboratory, est-il si difficile d’admettre que des informations puissent être traitées par un système flou?

Les mathématiciens savent parfaitement traiter ce genre de problème de statistique. Il faudrait aussi qu'ils admettent de raisonner en fonction de l’utilité du résultat. 

Quand une information doit être mise en mémoire, schématiquement deux cas peuvent être distingués, celui de la mémoire immédiate et celui de la mémoire à long terme.

      La mémoire immédiate est créée par une modification de la conformations de protéines toriques préexistantes sous l'action du champ électrique associé à l’impulsion nerveuse.

      La mémoire longue durée nécessite la synthèse de nouvelles protéines. Cette synthèse est épigénétique (par épissage alternatif), comme celle utilisée, par exemple, dans les fonctions immunologiques.

Environ 2 000 protéines, appelons les A, de natures différentes sont exprimées à partir du même gène.

Des protéines B sont également exprimées à partir d’un autre gène. La variété de la nature de B est sensiblement moindre que celle des protéines A.

Les protéines B sont beaucoup plus plastiques que A ( intrinsèquement non structurées )…

Bien entendu, les mémoires « immédiate » et « longue durée » peuvent être combinées en fonction de leurs utilités  

Les protéines A et B synthétisées s’associent en oligomères.

Un peu par analogie avec les Heat shock proteins aux puissants champs électriques, l’organisation de cette oligomère est le tore, un toroïde.

Le « tore de la mémoire » est un hexamère formé de trois A et trois B.

Il est possible qu’une protéine C fasse également partie du tore (comme dans les Heat shock proteins) ou que ce tore soit un octamère, mais cela ne change rien au principe.

Comme c’est au centre que le champ (ferro)électrique est le plus « intense », c'est-à-dire dans la partie « vide », cette partie est particulièrement accessible à des effecteurs y compris des protéines régulatrices.

C’est en « se plaçant » au centre du tore que les protéines endommagées sont réparées par le puissant champ électrique des Heat shock proteins

De nombreux autres effecteurs, par exemple : des peptides, des micromolécules comme la sérine ( ? ), des ions, calcium ( ?), etc. permettent une modification de la structure des oligomères et de la répartition des charges dans les tores de mémoire.

Seules sont retenues les tores mnésiques dont les propriétés vectorielles sont les plus parfaitement voisines au champ électrique associé à l’impulsion nerveuse.

S’y ajoutent, et c’est fondamental, un ensemble de tores redondants ayant approximativement les mêmes profils vectoriels.

Les tores dont le champ est "seulement" proche de la valeur accordée sont beaucoup plus nombreux que ceux parfaitement accordés. 

La répartition se fait selon une répartition probabiliste (gaussienne ou asymétrique ?).

En nombre, seulement deux cents molécules de tores accordés au signal sont conservées. Elles ont des structures primaires, secondaires, tertiaires et quaternaires très proches, voire identiques, les unes les autres.

Deux cents est une analogie avec le nombre de molécules, identiques, du même récepteur qui se trouvent à la surface d’une membrane plasmique. Il est possible que le nombre de molécules de tores soient cent ou trois cent ...

Les protéines non accordées sont recyclées sous forme d’acides aminés, et/ou des peptides, dont certains peuvent (certainement) devenir des médiateurs.

Certaines protéines approximativement accordées peuvent changer ultérieurement de conformation sous l’action d’un champ électrique extérieur tout en gardant dans leur structure une polarisation résiduelle.

La plasticité des protéines, donc des tores de mémoire, donc du champ électrique associé aux tores, est en accord parfait avec la plasticité synaptique de Ramon y Cajal (qui en son temps fut fort critiqué !)

La mémoire qu'elle soit à long terme ou à court terme repose sur des connexions qui s'établissent entre les neurones, en des points de contact nommés synapses.

Ces synapses se situent dans le prolongement (ou axone) d'un neurone qui émet des signaux.

Le champ électrique des protéines toriques module le signal, cette modulation « exprime » les mémoires.

Un photon arrivant sur une cellule visuelle créé une modification biophysique qui se transforme en signal/impulsion électrique.

Le mécanisme biophysique de cette modification ne peut pas être classique, il serait donc vraisemblablement quantique, mais c’est une autre histoire !

Il s’agit bien d’une impulsion et non un pas un signal continu, car le photon capté « éteint » la cellule qu'il l'a reçue, un autre photon est nécessaire pour effectuer la photo-restauration.

      Dix pourcent des signaux reçus par l’œil est envoyé vers le cerveau, sous forme d’impulsions, puis après un nouveau filtrage, seulement 1% arrive à destination, c'est-à-dire dans les parties du cerveau traitant les images. Les raisons de ce filtrage sont inconnues, au moins par moi, mais donnent à réfléchir sur la manière dont fonctionne notre intelligence.

Aux informations fournies par ce « 1% », le cerveau ajoute toutes ses connaissances antérieures (apprentissage) pour prendre une décision

    Une impulsion envoyée par l’axone d’un neurone n’est pas la seule, elle est accompagnée d’un « nuage d’impulsions », plus faibles, qui transitent par les axones situés autour de l’axone « principal ». La répartition est-elle gaussienne ? Elle pourrait être asymétrique, cette asymétrie véhiculant d’autres types d’informations.

Après photo-restauration et la réception d’un nouveau photon, l’impulsion suivante est envoyée par un axone, mais différent du premier, et suffisamment spatialement éloigné de celui-ci. Cette nouvelle impulsion est également accompagnée de son « nuage ».

Les « nuages » d’impulsions sont un autre aspect du flou et de la redondance qui président au traitement des informations par le cerveau.

Une autre redondance, évidente celle-ci, s’opère si nous ne connaissons pas très bien la personne et nous hésitons sur son identification.

Pour statuer sur la reconnaissance nous la regardons une deuxième fois, voire une troisième, ce qui peut poser des problèmes de bienséance sociale si les regards se croisent (voir École.14 : le regard)

Nous utilisons bien un système flou/imprécis  mais la redondance nous permet de se faire une opinion (plus) précise.

       Parfois, nous nous approchons de la personne pour améliorer notre jugement. Ce qui permet à la fois d’agrandir le champ visuel et d’avoir une vision dynamique.

Entre deux explorations du visage potentiellement connu, nous réfléchissons au contexte : « où ai-je pu voir cette personne ? » ou « était-elle mise en beauté d’une autre façon ? ».

C’est là qu’intervient les échanges d’informations entre les neurones/astrocytes et que l’apprentissage profond pourrait être performant.

     Notre système mnésique fonctionne en fonction de son utilité. Ce n’est pas de connaître les paramètres précis du visage d’une personne qui est utile mais de reconnaître la personne avec suffisamment de confiance, de précision.

Le moyennage imaginé par Robert Jenkins, (floutages algorithmiques) illustre assez bien cette redondance.

La compression d’images de Gintare Karolina Dziugaite pourra faire « globalement progresser la science de l’apprentissage automatique », mais je suggère à cette brillante et jeune mathématicienne d’effectuer

- plusieurs compressions, de préférence par différents programmes de compression d’images.

- d’accentuer davantage chacune des compressions (les informations seront donc moins gourmandes en « mémoires » -- voir Plasticité, suite et fin), puis de comparer entre-elles les diverses « images » comprimées, voire moyennées,

Comme les protéines sont plastiques, le vecteur de leur champ électrique peut varier légèrement autour d’une valeur « centrale », aussi bien par sa position dans l’espace que par son module.

Par exemple, si on considère le module du vecteur ferroélectrique comme étant 1, il peut aussi être de 0,92 lors de sa prochaine utilisation (ou mesure) ou dans certaines conditions/contraintes physiques, chimiques, ou … sous l’influence d’un champ électrique extérieur. Il peut aussi devenir 1,02, comme quand vous vous appuyez sur la joue.
(des cristaux dont le champ a cette plasticité existent)

Autrement dit, l’« intelligence » ne travaille pas avec des portes logiques fixes ouvertes ou fermées mais avec des portes un peu changeantes presque ouvertes (ou fermées) qui s’adaptent en fonction du signal reçu et surtout de l’utilité de ce signal.

La plasticité du vecteur ferroélectrique du tore protéique lui permet de s’accorder

- à une valeur un peu différente que celle du champ électrique qu’il reçoit (voir aussi Emmagasinage ci-dessous)

- à un signal correspondant à un petit mouvement.

Le School bus arrêté  ne présente aucune utilité, ou presque, par contre il présente une importance primordiale s’il est en mouvement vers celui qui le regarde.

Le vecteur peut aussi changer complètement après un changement de conformation « complet » du tore protéique.

Un changement de localisation au sein de la cellule neuronale le modifiera également, par exemple lors d’une translocation, c'est-à-dire le passage du cytosol à la membrane, c'est-à-dire d’une position où il est « en réserve » vers une localisation où le vecteur « donne » toute son information mnésique.

 Est-ce une translocation qui nous permet, après quelques minutes, de nous souvenir d’un nom que nous avions « sur le bout de la langue » ?

Les portes biophysiques sont un peu comme "les  montres molles" du tableau de Salvador Dali, dont le nom d’origine, je ne l’invente pas, est "La persistance de la mémoire" !

Ajoutons une question : cette plasticité se superpose-t-elle au damier observé par l'Oak Ridge National Laboratory dans un système chaotique/quantique.

Remarque : bis : la biologie est-elle à la limite entre le classique et le quantique ?  

Je n’ai pas jusqu’ici aborder le paramètre, pourtant si important, de l’emmagasinage.

Le nombre de données nécessaires à I ‘apprentissage « profond » des Intelligences artificielles est énorme, c’est déjà à lui seul un big data.

Ce nombre est nécessairement énorme pour emmagasiner des données précises !

Comme une donnée plastique peut s’accorder à plusieurs champs électriques (ou à plusieurs utilités), le nombre de tores protéiques nécessaires peut largement tenir dans un cerveau humain, et même dans celui, changeant, d’une musaraigne.

Pour une Intelligence artificielle mimétique un little data pourrait suffire !

Comme l’emmagasinage va souvent de paire avec la maintenance. Il est bon de se rappeler que le cerveau humain nécessite huit heures par jour de maintenance, soit un tiers du temps pendant lequel les cellules gliales s’activent.  

La puissance d'un un système flou de traitement d’une information devrait faire la puissance d’une « vraie » Intelligence artificielle, d'une Intelligence biophysique.

Comme l’emmagasinage va souvent de paire avec la maintenance. Il est bon de se rappeler que le cerveau humain nécessite huit heures par jour de maintenance, soit un tiers du temps pendant lequel les cellules gliales s’activent.  

La puissance d'un un système flou de traitement d’une information devrait faire la puissance d’une « vraie » Intelligence artificielle, d'une Intelligence biophysique.

Dans sa Revue n°26 d’Influencia, à paraître le 20 octobre 2018,

Isabelle Musnik pose la question

L’intelligence humaine plus forte que l’IA ?

À cette question fondamentale, déjà métaphysique, je lui réponds oui, OUI.

Oui, au moins tant que les informaticiens ne s’intéresseront pas à la biophysique des protéines mnésiques et au mode de fonctionnement plastique, flou, redondant, comparateur … de l’intelligence … naturelle.

Après, je ne sais pas …

… mais nous devrons toujours faire confiance aux poètes :

Je dis qu’il faut être voyant, se faire voyant.

Le Poète se fait voyant par un long, immense et raisonné dérèglement de tous les sens.

Arthur Rimbaud