Connexionnisme : définition et lien avec l'intelligence artificielle

Connexionnisme : définition et lien avec l'intelligence artificielle Dans une démarche de deep learning, le connexionnisme prône le recours aux réseaux de neurones artificiels, dont l'organisation se calque sur les réseaux neuronaux physiologiques, pour simuler l'apprentissage humain.

Le connexionnisme, c'est quoi ?

La théorie du connexionnisme sous-tend qu’il est possible de retranscrire les phénomènes mentaux par le biais de réseaux de neurones formels. Des modèles qui s’appuient sur un réseau d’ensembles d'unités d'exécution d'information (représentant les synapses) superposées en couches. Partant de-là, ils traitent l’information à travers des modèles de propagation d’activations de ces unités, s'actionnant au-delà d'un certain seuil. Le connexionnisme a aussi bien pour but de mieux appréhender le fonctionnement du cerveau que de créer des réseaux neuronaux artificiels en IA.

Le principe du connexionnisme est employé dans de nombreux domaines d’expertise :

  • les sciences cognitives ;
  • les neurosciences ;
  • la psychologie expérimentale ;
  • la philosophie de l’esprit…

Les champs d’études sont particulièrement vastes. Les études visent, entre autres, à une meilleure compréhension entre les réactions physiologiques et les réponses de l’esprit.

En quoi le connexionnisme a-t-il inspiré l’IA ?

Le connexionnisme a donné naissance aux réseaux de neurones formels utilisés en intelligence artificielle et deep learning. Ils se composent d'unités de traitement (neurones) liées entre elles par le biais de connecteurs (les synapses). Chaque unité reçoit et émet des données. Un réseau de neurones sera généralement composé de plusieurs couches, chacune composée à leur tour de plusieurs neurones connectés entre eux de couche en couche. 

Après avoir été préalablement entraîné sur une base d'exemples, un réseau de neurones artificiel pourra typiquement être utilisé dans la reconnaissance d'images, pour reconnaître un chat par exemple. Chaque couche du réseau sera dédié à l'identification d'une caractéristique de l'animal : la silhouette, la tête, les deux oreilles, les quatre pattes, le pelage, etc. Les réseaux de neurones artificiels sont également très utilisés dans le traitement automatique du langage ou natural language processing (NLP).

Connexionniste vs cognitivisme : quelles différences ?

A l'instar du connexionniste, le cognitivisme est un courant de recherche scientifique issu des sciences cognitives et des neurosciences. Sa naissance remonte aux années 1950. Cette période est aussi marquée par l’émergence de l’informatique et des premiers travaux sur l’intelligence artificielle (IA). Le cognitivisme a eu une influence notable sur l’IA, car son principe repose sur l’expression de valeurs et de symboles à partir d’un ensemble de règles. Il part du principe que la manifestation d’un comportement intelligent (d’origine biologique ou artificielle) dépend de la capacité à traiter l’information en s’appuyant sur un langage formel. Pour l’informatique, on songe évidemment au langage binaire ainsi qu'au moteur de règles en IA.

Par opposition au cognitivisme, le connexionnisme part de la notion de réseau de neurones. Un modèle qui se traduit tout d’abord par des valeurs d’activation comme vu plus haut. Le système doit ensuite être en mesure d’évoluer et de modifier ses variables d'activation en fonction des données d'entrée. A la différence du cognitivisme, il introduit ainsi une fonction d’apprentissage automatique. A noter que le moyen d’activation est susceptible de changer d’un cas d'usage à l’autre, l'apprentissage pouvant être par exemple supervisé ou non supervisé.

Dictionnaire de l'intelligence artificielle