Publié le 2024-05-09 14:35:00. Une étude internationale révèle une étonnante similarité dans la manière dont le cerveau humain et l’intelligence artificielle traitent le langage, suggérant un mécanisme universel de compréhension linguistique.
Les neurosciences et l’intelligence artificielle (IA) ont longtemps été considérées comme des domaines distincts. Pourtant, une nouvelle recherche démontre un parallélisme surprenant entre la façon dont les humains et les machines interprètent le langage, ouvrant de nouvelles perspectives sur les fondements de la cognition.
Menée par l’Université hébraïque de Jérusalem et publiée dans la revue Nature Communications, l’étude a révélé que le cerveau humain décompose le langage en une séquence hiérarchique, un processus remarquablement similaire à celui utilisé par les modèles avancés d’IA. Cette découverte remet en question les théories traditionnelles de la compréhension linguistique et pourrait avoir des implications majeures pour le développement de nouvelles technologies.
L’équipe de recherche, dirigée par le Dr. Ariel Goldstein de l’Université hébraïque, en collaboration avec le Dr. Mariano Schain de Google Research et les professeurs Uri Hasson et Éric Jambon de l’Université de Princeton, a utilisé l’électrocorticographie pour enregistrer l’activité cérébrale de participants écoutant un podcast de 30 minutes. L’objectif était de comparer le traitement du langage naturel par le cerveau humain à l’architecture en couches de modèles d’IA tels que GPT-2 et Llama 2.
Les chercheurs ont extrait les intégrations contextuelles de ces modèles d’IA et ont utilisé des modèles linéaires pour prédire les réponses neuronales au fil du temps. Les résultats ont montré que la hiérarchie des couches des modèles d’IA correspondait à la dynamique temporelle de la compréhension linguistique observée dans le cerveau. En d’autres termes, tant le cerveau humain que l’IA semblent comprendre le langage par étapes : d’abord les éléments simples, puis les aspects plus complexes, selon un ordre similaire.
L’étude a mis en évidence une correspondance précise entre les couches de traitement des modèles d’IA et l’activité cérébrale. Les premières réponses neuronales correspondaient aux premières couches des modèles, qui capturent les caractéristiques élémentaires des mots. Les couches plus profondes, dédiées à l’intégration du contexte et à la signification, coïncidaient avec une activité cérébrale ultérieure dans des régions clés du traitement linguistique, notamment la zone de Broca, une région du lobe frontal essentielle à la production du langage.
Cette progression temporelle précise suggère que le cerveau ne traite pas le langage selon des règles symboliques rigides, comme le suggéraient les théories dominantes pendant des décennies. Au contraire, le traitement cérébral est plus dynamique et contextuel, le sens émergeant progressivement à travers les différentes couches. Les intégrations contextuelles dérivées de l’IA se sont avérées plus précises pour anticiper l’activité cérébrale réelle que les unités linguistiques classiques, telles que les phonèmes (sons individuels sans signification propre) et les morphèmes (petites parties d’un mot porteuses de sens).
Pour encourager la poursuite de la recherche, les auteurs ont rendu public un ensemble de données reliant les enregistrements neuronaux aux caractéristiques linguistiques extraites des modèles d’IA. Cette ressource permettra aux chercheurs du monde entier de tester de nouvelles théories sur le traitement linguistique et de développer des modèles informatiques plus fidèles à la cognition humaine.
Bien que le cerveau humain et les systèmes d’IA soient fondamentalement différents, cette étude suggère qu’ils convergent vers la compréhension du langage en suivant un processus hiérarchique et progressif, redéfinissant ainsi les frontières entre les neurosciences et la technologie.