Outil utile EPFL: une IA pour mieux comprendre l'effet de surprise

À cheval entre neurosciences et informatique, un chercheur de l’EPFL a conçu un algorithme d'intelligence artificielle (IA) capable de prédire les effets de la surprise ou de la nouveauté sur le comportement. Un outil qui pourrait être utile en psychiatrie ou dans l'éducation, par exemple.

Keystone-SDA, uc, ats

10.01.2025, 11:33

ATS

Dans sa thèse de doctorat, Alireza Modirshanechi, chercheur au Laboratoire de neurosciences computationnelles de l’Ecole polytechnique fédérale de Lausanne (EPFL), a conçu un algorithme décrit comme un agent artificiel intelligent qui imite l’humain. Soumis aux mêmes expériences, il effectue les mêmes tâches avec les mêmes résultats.

But de l'opération: mieux définir l'effet de surprise et étudier son impact sur les différentes fonctions cérébrales. Reprenant des expériences classiques en études comportementales, le spécialiste a élaboré une taxonomie de 18 différentes définitions mathématiques de la surprise et de la nouveauté.

M. Modirshanechi a ensuite étudié les similitudes de ces définitions, leurs différences et les conditions qui les rendent indiscernables. Son algorithme distingue ainsi la surprise, considérée comme un modulateur de la vitesse d’apprentissage, et la nouveauté, moteur de l’exploration vers un but.

Tester les prédictions

«Nous avons mathématiquement quantifié cela», explique le chercheur, cité vendredi dans un communiqué de l'EPFL: «Nous pouvons ainsi distinguer que la surprise accélère le processus d’apprentissage, tandis que la nouveauté pousse à l’exploration. Nous pouvons dissocier les signaux dans le cerveau».

Une seconde étape a consisté à tester les prédictions de l’algorithme sur des humains pour voir si elles étaient cohérentes. Le scientifique a analysé le comportement et les données d’électroencéphalogrammes (EEG) de sujets humains dans des expériences cognitives. «Nous avons été capables de prédire entre 60 et 80% des décisions que les sujets allaient faire durant les expérimentations», indique le chercheur.

«Tout le monde sait que, quand on lâche une pomme, elle tombe. Mais Newton a trouvé la formule qui l’explique. C’est un peu notre objectif. Nous avons pu définir l’algorithme qui prédit quand et à quel degré le sujet est surpris et nous pouvons expliquer par quelle équation, l’humain apprend plus vite quand il est surpris», précise-t-il.

Un socle pour la recherche

Cet algorithme constitue un socle pour d’autres recherches. «Par exemple, l’EEG suggère que les personnes atteintes de schizophrénie ont une perspective différente de la surprise de celles des groupes de contrôle. Mais on ne sait pas à quel point leur perspective est différente», note le spécialiste.

Dans d’autres domaines, comme l’éducation, ce socle pourrait permettre d’explorer des pistes pour utiliser la surprise afin de renforcer le processus d’apprentissage ou la mémorisation.

L’autre contribution de ce travail relève de l’IA. «La plupart des algorithmes existants se fondent sur un environnement stable. Nous devons donc intégrer ces signaux de surprise pour mettre à jour nos modèles et concevoir des IA plus fiables et plus sûres», conclut le postdoctorant.