De nouvelles recherches révèlent que les neurones du néocortex humain communiquent plus efficacement dans une direction, contrairement aux interactions en boucle des souris. Cette découverte pourrait améliorer le développement de réseaux neuronaux artificiels en imitant la connectivité du cerveau humain. Configuration expérimentale pour des expériences multi-patchs qui enregistrent l'activité de jusqu'à dix neurones. Crédit : Charité | Yang Fan Peng
Une nouvelle recherche décode le câblage du néocortex humain.
Nouvelle recherche menée par Charité – Universitätsmedizin Berlin et publiée dans Science révèle que le câblage des cellules nerveuses du néocortex humain diffère considérablement de celui de la souris. L’étude a découvert que les neurones humains transmettent principalement des signaux de manière unidirectionnelle, tandis que les neurones de souris envoient généralement des signaux en boucle. Cette différence structurelle peut améliorer la capacité du cerveau humain à traiter les informations de manière plus efficace et efficiente. Les résultats ont des implications potentielles pour l’avancement des technologies de réseaux neuronaux artificiels.
Le néocortex, structure essentielle à l’intelligence humaine, mesure moins de cinq millimètres d’épaisseur. Là, dans la couche la plus externe du cerveau, 20 milliards de neurones traitent d’innombrables perceptions sensorielles, planifient des actions et constituent la base de notre conscience. Comment ces neurones traitent-ils toutes ces informations complexes ? Cela dépend en grande partie de la manière dont ils sont « connectés » les uns aux autres.
Néocortex plus complexe – traitement de l’information différent
«Notre compréhension antérieure de l'architecture neuronale du néocortex repose principalement sur les résultats de modèles animaux tels que des souris», explique le professeur Jörg Geiger, directeur de l'Institut de neurophysiologie de la Charité. Dans ces modèles, les neurones voisins communiquent fréquemment entre eux comme s’ils dialoguaient. Un neurone en signale un autre, puis celui-ci renvoie un signal. Cela signifie que les informations circulent souvent en boucles récurrentes.
Appareil multi-patchs avec robots manipulateurs qui rincent automatiquement les pipettes en verre entre deux séries d'expériences. Crédit : Charité | Yang Fan Peng
Le néocortex humain est beaucoup plus épais et complexe que celui d’une souris. Néanmoins, les chercheurs avaient supposé auparavant – en partie à cause du manque de données – qu’il suivait les mêmes principes de base en matière de connectivité. Une équipe de chercheurs de la Charité dirigée par Geiger a utilisé des échantillons de tissus exceptionnellement rares et une technologie de pointe pour démontrer que ce n'est pas le cas.
Une méthode astucieuse d’écoute de la communication neuronale
Pour cette étude, les chercheurs ont examiné les tissus cérébraux de 23 personnes ayant subi une neurochirurgie à la Charité pour traiter l'épilepsie pharmacorésistante. Au cours de l’intervention chirurgicale, il était médicalement nécessaire de retirer le tissu cérébral afin d’accéder aux structures malades situées en dessous. Les patients avaient consenti à l'utilisation de ce tissu d'accès à des fins de recherche.
Reconstruction rotative des neurones. Crédit : Charité | Sabine Grosser
Pour pouvoir observer les flux de signaux entre neurones voisins dans la couche la plus externe du néocortex humain, l’équipe a développé une version améliorée de ce que l’on appelle la technique « multipatch ». Cela a permis aux chercheurs d’écouter les communications ayant lieu entre dix neurones à la fois. En conséquence, ils ont pu prendre le nombre de mesures nécessaire pour cartographier le réseau peu de temps avant que les cellules ne cessent leur activité à l’extérieur du corps. Au total, ils ont analysé les canaux de communication de près de 1 170 neurones avec environ 7 200 connexions possibles.
Feed-forward plutôt que par cycles
Ils ont découvert que seule une petite fraction des neurones engageait un dialogue réciproque les uns avec les autres. « Chez les humains, l’information a plutôt tendance à circuler dans une seule direction. On revient rarement au point de départ, que ce soit directement ou via des cycles », explique le Dr Yangfan Peng, premier auteur de la publication. Il a travaillé sur l'étude à l'Institut de neurophysiologie et est maintenant basé au Département de neurologie et au Centre de recherche en neurosciences de la Charité. L’équipe a utilisé une simulation informatique conçue selon les mêmes principes qui sous-tendent l’architecture des réseaux humains pour démontrer que ce flux de signaux dirigé vers l’avant présente des avantages en termes de traitement des données.
Une micropipette du dispositif multipatch s’approche d’un neurone individuel. Crédit : Charité | Franz Mittermaier
Les chercheurs ont donné au réseau neuronal artificiel une approche typique apprentissage automatique tâche : reconnaître les nombres corrects à partir d'enregistrements audio de chiffres prononcés. Le modèle de réseau qui imitait les structures humaines a obtenu des réponses plus correctes à cette tâche de reconnaissance vocale que celui modélisé sur des souris. Il était également plus efficace, avec les mêmes performances nécessitant l’équivalent de 380 neurones dans le modèle murin, mais seulement 150 chez l’humain.
Un modèle économique pour l’IA ?
« L'architecture de réseau dirigée que nous voyons chez les humains est plus puissante et préserve les ressources car des neurones plus indépendants peuvent gérer différentes tâches simultanément », explique Peng. « Cela signifie que le réseau local peut stocker plus d'informations. Il n’est pas encore clair si nos découvertes dans la couche la plus externe du cortex temporal s’étendent à d’autres régions corticales, ou dans quelle mesure elles pourraient expliquer les capacités cognitives uniques des humains.
Dans le passé, les développeurs d’IA se sont inspirés des modèles biologiques pour concevoir des réseaux de neurones artificiels, mais ont également optimisé leurs algorithmes indépendamment des modèles biologiques. « De nombreux réseaux de neurones artificiels utilisent déjà une certaine forme de cette connectivité orientée vers l'avant, car elle donne de meilleurs résultats pour certaines tâches », explique Geiger. « Il est fascinant de voir que le cerveau humain présente également des principes de réseau similaires. Ces connaissances sur le traitement rentable de l’information dans le néocortex humain pourraient constituer une source d’inspiration supplémentaire pour affiner les réseaux d’IA.
