Intelligence Artificielle et Humaine: des représentations sémantiques communes? – AI-REPS

L’Intelligence Artificielle (IA) est à l’origine d’une véritable révolution technologique et sociétale. Les neurosciences cognitives peuvent s’inspirer de ce « deep learning » (apprentissage profond) pour comprendre certaines fonctions cognitives : traitement des visages, compréhension des mots ou des phrases. Certains réseaux de neurones artificiels profonds (« Deep Neural Networks » ou DNNs) développent des représentations « latentes » basées sur des espaces vectoriels à haute dimension permettant d’effectuer de simples opérations de composition linéaire sur des éléments complexes (e.g. REINE-FEMME+HOMME=ROI). Nous faisons l’hypothèse que certaines régions cérébrales représentent le monde comme les modèles artificiels, permettant au cerveau de réaliser des opérations linéaires simples sur des concepts sémantiques complexes. Ce projet multidisciplinaire combine les Neurosciences, les Sciences de la Vision, la Linguistique et l’Intelligence Artificielle. Nous utiliserons l’IRM fonctionnelle pour comparer les représentations sémantiques chez l’homme et l’IA. Nous confronterons de manière systématique les motifs d’activation IRMf multi-variés enregistrés chez l’homme avec trois de ces espaces vectoriels artificiels « latents », encodant respectivement (i) les visages, (ii) les mots, et (iii) les phrases écrites. Dans chaque cas, nous analyserons la similarité représentationnelle (RSA) pour révéler un isomorphisme potentiel entre les représentations humaines et artificielles. De plus, nous testerons directement les propriétés de composition linéaire de l’espace de représentation cérébral humain en faisant appel à des jeux de stimuli dérivés de l’espace latent artificiel des DNNs. L’impact scientifique potentiel est évident pour les Neurosciences : le projet pourrait révéler l’architecture fonctionnelle de larges régions du cortex impliquées dans la vision (et tout particulièrement la représentation des visages) ou le traitement du langage. L’impact attendu est également élevé pour les Sciences Humaines et Sociales, car ce projet pourrait amener à une explication théorique ou même computationnelle de caractéristiques typiquement humaines et primordiales pour la cognition sociale (langage, reconnaissance des visages). Enfin, ce projet ne participera pas seulement à la compréhension du traitement de l’information sémantique dans le cerveau, mais pourrait également contribuer à la validation et l’interprétation des modèles actuels d’IA et de deep learning—ou suggérer des améliorations potentielles à une technologie déjà révolutionnaire.