Intelligences très artificielles.02. Rôle de l'environnement
Les liaisons faibles entre chaînes protéiques sont largement variables avec l’environnement dans lequel elles se trouvent : le pH, … et aussi environnement hydrophile ou hydrophobe
Le tableau ci-dessous donne des exemples d'énergies de liaison en fonction de l'environnement.
Par exemple, des liaisons entre des chaînes latérales ioniques dans un environnement hydrophobe ont une énergie d’environ 300 kJ/mole c'est-à-dire comparable à une liaison covalente.
Des liaisons (ou interactions) « hydrophobes » dans un environnement hydrophile ont une énergie de 8-16 kJ/mole
L’agrégation des protéines se fait par leurs zones hydrophobes en remettant dans le milieu les molécules d’eau dont l’entropie leur confère une structure d’eau-comme-de-la-glace
(Sur la figure ci-dessous, la Filaggrin est une protéine ancillaire utilisée dans la première phase d’assemblage des kératines et qui est ensuite hydrolysée)
L’agrégation des protéines se fait par leurs zones hydrophobes, mais la « solidité » du nouveau polymère formé est fonction des changements d’environnement qui se crée en même temps que l’agrégation. Voir par exemple pour l’agrégation des kératines : Dissolution/agrégation des protéines et suivants
C’est en considérant la thermodynamique de la formation des fibres de kératines que j’ai démontré qu’une crème « hydratante » est en réalité structurante.
Le soulagement de la peau sèche rêche vous apparaîtra peut-être bien frivole, mais l’agrégation/dissolution des protéines pourrait bien être une étape clé de nombreux métabolismes. À titre d’exemple, permettez-moi de citer Wajahat Mehal
« On s’est en effet aperçu que des perturbations du cycle d’assemblage et de désassemblage des inflammasomes alimentent des inflammations délétères en cours. »
Les inflammasomes, clé de l'inflammation dans le même numéro de Pour la Science où vous avez publié votre magistral : Intelligences artificielles. Un apprentissage pas si profond
D’autres agrégations/assemblages que celles de kératines intéressent (ou devraient intéresser) les spécialistes du cerveau : l’agrégation de bêta-amyloïdes et autre protéine tau
Côté mémoire, une partie de la régulation pourrait se faire par assemblage : désassemblage des (sous-unités de) protéines de mémoire.
Par exemple pour le scénario suivant :
Quand un signal de mémoire de faible intensité est perçu, un assemblage de protéine permet de le confirmer et/ou de le renforcer
L’amplification d’un signal est une performance que les électroniciens maîtrisent depuis bien longtemps !
Maintenant, comme ferais-je si je devais créer une Intelligence très performante, très discriminante ? Je commencerais par m’informer pour savoir ce que le cerveau sait faire le mieux.
Recevoir une information ? Non !
Comparer deux informations, oui !
Un bébé sur sa chaise haute sait déjà comparer deux séries de boules de couleurs, bien avant de savoir compter. C’est dans la comparaison de deux informations que le cerveau est le plus performant.
Je créerais donc un couple de récepteurs. Les deux émettant un signal électrique vers le cerveau.
L’un des récepteurs serait « borgne » c'est-à-dire qu’il ne pourrait pas recevoir d’information, mais se contenterait d’envoyer un signal neutre, le bruit de fond
L’autre, son jumeau, recevrait une onde/photon (selon une option quantique, l’énergie de cette onde/photon séparerait deux électrons intriqués) ; le champ électrique d’un tore protéique serait modifié, le signal électrique envoyé au cerveau serait modifié/modulé.
C’est en comparant les signaux électriques envoyés par les deux récepteurs jumeaux que le cerveau conclurait à la présence de la molécule odorante.
Le récepteur « borgne » pourrait être un récepteur photo-éteint.
Mais tout cela, l'IA le fait sans doute déjà !
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 oser le dire !
Pour reprendre votre texte :
Les influx de sortie, c’est-à-dire de la dernière couche, désignent les réponses possibles.
Ce sont par exemple des lettres A, B, C ...: si les images données en entrée sont des lettres manuscrites et imprécises, le but recherché est que le réseau, une fois instruit, sache correctement reconnaître les lettres qui lui sont proposées. ... 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
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
Même si cela paraît paradoxal, contre intuitif :