Création d’IA dans des réseaux de neurones artificiels à base d’ADN

L’intersection de l’intelligence artificielle, de la biologie synthétique et de la génomique.

Source: TheDigitalArtist / Pixabay

Mentionnez l’intelligence artificielle (IA) ou les réseaux de neurones artificiels, et des images d’ordinateur peuvent vous venir à l’esprit. La reconnaissance des formes basée sur l’IA a une grande variété d’utilisations dans le monde réel, telles que le diagnostic médical, les systèmes de navigation, l’authentification vocale, la classification d’images, la reconnaissance de l’écriture manuscrite, les programmes de parole et le traitement de texte. Cependant, l’intelligence artificielle ne se limite pas à la technologie numérique et se confond avec le domaine de la biologie – la biologie synthétique et la génomique, pour être plus précis. Des chercheurs pionniers dirigés par le Dr Lulu Qian du California Institute of Technology (Caltech) ont créé des circuits biochimiques synthétiques capables de traiter des informations au niveau moléculaire – un réseau de neurones artificiels constitué d’ADN au lieu de matériel et de logiciels informatiques.

L’intelligence artificielle est à ses débuts dans une période de renaissance, renaissance due en grande partie aux progrès des techniques d’apprentissage en profondeur utilisant des réseaux de neurones artificiels qui ont contribué à améliorer la reconnaissance des formes. Plus précisément, cette résurgence est due en grande partie à un outil mathématique qui calcule des dérivés appelés rétropropagation (propagation arrière): il permet aux réseaux de neurones artificiels d’ajuster les couches cachées de neurones lorsque des résultats aberrants sont obtenus pour des résultats plus précis.

• Les races de chiens n’ont pas de personnalités distinctes
• La passion peut-elle être la solution à la dépendance?
• Diagnostiquer et Adios? Les familles autistes méritent mieux
• Un projet de recherche incompétent
• Sur l’écriture

Les réseaux de neurones artificiels (RNA) sont un type de méthode d’apprentissage automatique utilisant des concepts empruntés aux neurosciences. La structure et la fonction du système nerveux et du cerveau ont inspiré les réseaux de neurones artificiels. Au lieu de neurones biologiques, les ANN ont des nœuds artificiels. Au lieu de synapses, les ANN ont des connexions capables de transmettre des signaux entre les nœuds. Comme les neurones, les nœuds des ANN sont capables de recevoir et de traiter des données, ainsi que d’activer d’autres nœuds qui y sont connectés.

La biologie synthétique et la génomique ont une histoire relativement moderne. La biologie synthétique est le domaine de la biotechnologie qui implique la conception et l’ingénierie de nouvelles entités biologiques ou la refonte des systèmes biologiques existants. La génomique est une branche de la biotechnologie qui applique des techniques de biologie moléculaire et de génétique à la cartographie génétique et au séquençage de l’ADN d’ensembles de gènes ou de génomes complets d’organismes. La récente tendance à la baisse des coûts du séquençage de l’ADN, à l’augmentation du volume de données volumineuses, à la réduction des obstacles à l’édition de gènes via CRISPR, à la réduction des coûts de stockage et de traitement de l’informatique, à l’informatique décentralisée en nuage et aux progrès décisifs des algorithmes d’apprentissage en profondeur de l’IA ont contribué à la génomique et la biologie synthétique.

La structure du réseau de neurones à ADN est constituée de «cascades de déplacement de brins d’ADN» qui fonctionnent comme des réseaux de neurones. Les portes logiques sont les blocs de construction fondamentaux des circuits numériques. Le laboratoire Caltech de Qian a appliqué l’architecture de porte d’ADN pour créer des «cascades de réaction» qui fonctionnent comme une mémoire associative Hopfield. Un réseau Hopfield est un réseau de neurones récurrent (un réseau composé de neurones qui se transmettent des signaux de rétroaction) qui possède des modèles de connexion synaptiques avec une fonction de Lyanpunov sous-jacente, un type de fonction mathématique scalaire.

• La différence entre sociopathe et psychopathe
• Les sucettes
• Santé et poids
• Un état psychologique de notre union: nous sommes tous des migrants
• Le lien illusoire entre la vaccination et l’autisme

Environ sept ans plus tard, l’équipe de Qian a poursuivi ses expériences avec son réseau de neurones ADN et a publié ses résultats dans Nature en juillet 2018. Kevin Cherry de Caltech a montré que les circuits biomoléculaires synthétiques pouvaient reconnaître l’écriture moléculaire.

Pourquoi créer un ordinateur basé sur l’ADN suffisamment petit pour fonctionner dans une seule cellule? Avec l’informatique moléculaire, de nouveaux types potentiels de médicaments et de techniques de diagnostic pourraient être développés pour une utilisation en médecine de précision. Ce type de technologie révolutionnaire pourrait transformer des industries telles que les soins de santé, les produits pharmaceutiques, la biotechnologie et les produits chimiques. Un ordinateur basé sur l’ADN peut permettre aux scientifiques de rechercher l’origine et la nature des maladies et du dysfonctionnement cellulaire. Qian et son équipe de recherche ont démontré que les systèmes à ADN intelligents sont non seulement réalisables, mais peuvent un jour conduire à des systèmes biochimiques susceptibles de faire progresser la compréhension scientifique de la nature de l’intelligence et des neurosciences.

Copyright © 2019 Cami Rosso Tous droits réservés.

Références

Qian, Lulu, Winfree, Erik, Bruck, Jehoshua. “Calcul de réseau neuronal avec cascades de déplacement de brins d’ADN.” Nature . Volume 475. 21 juillet 2011.

Cherry, Kevin M., Qian, Lulu. «Intensification de la reconnaissance des modèles moléculaires avec les réseaux de neurones« à prendre par tous »basés sur l’ADN.» Nature . Volume 559. 19 juillet 2018.