Écrit par l'équipe scientifique Qubic
Comment l'information circule dans les réseaux de neurones artificiels traditionnels
Dans les modèles d'intelligence artificielle que nous connaissons, l'information entre, est encodée, est transformée à travers des matrices algébriques, et produit des sorties. Même dans les architectures les plus avancées telles que les transformateurs, le principe reste le même : le signal passe à travers une série d'opérations bien définies au sein d'un système structuré. Le modèle fonctionne comme un circuit de traitement dirigé, de gauche à droite, entrée-sortie, ou de droite à gauche, par rétropropagation pour des ajustements et un entraînement.
Les résultats, comme nous le savons bien, sont spectaculaires. En travaillant sur des millions de paramètres linguistiques, l'IA est capable de fournir des réponses magnifiques, bien qu'elle produise également certaines hallucinations. Mais si l'objectif n'est pas de traiter des entrées et de produire des sorties, mais de construire des systèmes capables de maintenir une dynamique interne, de s'adapter continuellement, de se réorganiser, de réguler leur apprentissage et de soutenir l'intelligence en tant que propriété du tissu, l'IA actuelle est insuffisante.
Bien que les gens parlent parfois des modèles linguistiques comme des imitations du cerveau, en réalité, c'est plus une métaphore comparative qu'une simulation des neurosciences computationnelles. Les systèmes biologiques ne traitent pas l'information de gauche à droite et vice versa. L'information se propage à travers un réseau, se rétroalimente et oscille également, est atténuée ou renforcée selon le contexte.
Fig 1. Flux d'information gauche-droite dans les réseaux neuronaux artificiels traditionnels
Pas Seulement des Neurones : Le Rôle des Astrocytes dans la Fonction Cérébrale et la Plasticité Synaptique
Nous associons généralement la cognition et l'intelligence au fonctionnement des neurones, de leurs récepteurs et des neurotransmetteurs. Mais ce ne sont pas les seules cellules du système nerveux. Pendant longtemps, les astrocytes ont été considérés comme des cellules du système nerveux consacrées au soutien, au nettoyage, à la nutrition et à la stabilité de l'environnement. Aujourd'hui, nous savons qu'ils participent activement à la régulation ; en fait, un terme est utilisé : synapse tripartite, dans laquelle ils participent activement en détectant des neurotransmetteurs, en intégrant des signaux de multiples synapses, en modulant la plasticité et en modifiant l'efficacité fonctionnelle du circuit.
Un réseau vivant n'est pas composé uniquement de neurones qui tirent, mais aussi d'astrocytes qui régulent comment, quand et combien le système change. En biologie, le calcul n'est pas seulement une question d'émettre un signal, mais aussi de moduler le terrain où ce signal aura un effet. Des recherches récentes ont démontré que les astrocytes peuvent effectuer des opérations de normalisation analogues aux mécanismes d'auto-attention trouvés dans les architectures de transformateurs — reliant directement les interactions astrocytes-neurones à un calcul de type attention dans les systèmes d'intelligence artificielle.
Fig. 2 Astrocytes biologiques et synapse tripartite
Contrôle Astrocytaire dans Neuraxon : Architecture de Réseau Neuronal Inspirée par la Biologie
Neuraxon est une architecture qui essaie de récupérer et d'émuler le fonctionnement du cerveau et de calculer des propriétés fonctionnelles que les réseaux artificiels classiques ont trop simplifiées.
Comme nous l'avons expliqué dans les volumes précédents de cette académie, Neuraxon ne fonctionne pas seulement avec des neurones d'entrée, de sortie et cachés au sens conventionnel. Il introduit des unités avec des états qui imitent des potentiels excitateurs, inhibiteurs ou neutres (-1, 0, +1). De plus, cela se fait dans une dynamique TEMPORAL continue où nous prenons en compte le contexte et l'historique récent d'activation. Le réseau n'est plus une somme de couches mais ressemble davantage à un système avec une physiologie interne. Pour un contexte plus approfondi sur la façon dont ces éléments fondamentaux fonctionnent, consultez le Volume 1 de la NIA : Pourquoi l'Intelligence n'est pas Calculée par Étapes, mais dans le Temps et le Volume 2 de la NIA : Dynamiques Ternaires comme Modèle d'Intelligence Vivante.
Nous avons expliqué comment Neuraxon modélise la transmission à travers des récepteurs rapides, lents et neuromodulateurs — un mécanisme exploré en profondeur dans le Volume 3 de la NIA : Neuromodulation et IA Inspirée du Cerveau. Mais maintenant, nous modélisons également la régulation de la plasticité à travers le contrôle astrocytaire.
Comment fonctionne la Plasticité Multi-Échelles Contrôlée par Astrocytes (AGMP)
Le contrôle astrocytaire introduit un portail inspiré par le rôle des astrocytes dans la synapse tripartite. L'idée est d'introduire un filtre local, lent et contextuel qui détermine quand une modification synaptique doit être ouverte, atténuée ou bloquée. C'est comme si le système pouvait considérer s'il y a une permission pour un changement. Cette approche traite directement le dilemme stabilité-plasticité, l'un des défis les plus fondamentaux de l'apprentissage continu pour les réseaux neuronaux.
Traces d'Éligibilité et Mémoire Synaptique Locale
Comment cela fonctionne-t-il ? À travers une sorte de trace d'éligibilité. C'est une mémoire locale qui dit : "quelque chose de pertinent s'est produit à cette synapse." Elle est mise à jour avec une décroissance dans le temps et avec une fonction entre l'activité présynaptique et postsynaptique. C'est-à-dire : la synapse accumule des preuves locales de coïncidence temporelle ou de causalité. À partir de là, il y a un signal de type diffusion globale, tel qu'une erreur, une récompense possible ou quelque chose de type dopamine. Le portail astrocytaire sélectionne si le neurone est dans un état d'apprentissage. Dans les futures versions, les astrocytes pourraient moduler des milliers de synapses si cela fournit un avantage computationnel.
Cette approche est cohérente avec les avancées récentes en informatique neuromorphique, y compris le cadre de Plasticité Multi-Échelles Contrôlée par Astrocytes (AGMP) proposé pour les réseaux de neurones à impulsion, qui augmente de manière similaire l'apprentissage par trace d'éligibilité avec un état astrocytaire lent qui contrôle les mises à jour synaptiques — produisant une règle d'apprentissage à quatre facteurs (éligibilité × signal modulateur × portail astrocytaire × stabilisation).
Régulation Endogène : Pourquoi Neuraxon est Plus Qu'un Réseau Neuronal Conventionnel
Neuraxon au sein de QUBIC ne concurrence pas en termes d'échelle ou de performance de tâche. Il fonctionne à travers une architecture avec régulation endogène. En incorporant des principes astrocytaires, il commence à se comporter comme un réseau avec une écologie interne. C'est-à-dire : un système où il importe non seulement quelles unités sont activées, mais quels domaines du tissu sont plastiques, lesquels sont stabilisés, quelles zones atténuent le bruit, lesquelles consolident les régularités, et lesquelles se préparent à se réorganiser. Pour un aperçu complet de la manière dont les réseaux neuronaux biologiques et artificiels se comparent, consultez le Volume 4 de la NIA : Réseaux Neuronaux dans l'IA et les Neurosciences.
Pour Aigarth et QUBIC, l'objectif n'est pas d'accumuler plus de paramètres, mais d'introduire plus de niveaux d'organisation fonctionnelle au sein du système.
Pourquoi le Contrôle Astrocytaire est Important pour Aigarth et l'IA Décentralisée
Aigarth n'est pas un modèle statique mais un tissu évolutif à travers une architecture capable de croître, de muter, de tailler, de générer une descendance fonctionnelle et de réorganiser sa topologie sous des pressions adaptatives. Dans ce contexte, Neuraxon apporte quelque chose : une microphysiologie computationnelle riche pour les unités qui habitent ce tissu.
Cela a des implications pour la robustesse, l'adaptabilité et la mémoire. Également pour l'évolutivité. Dans de grandes architectures, le problème n'est pas seulement qu'il y a de nombreuses unités, mais comment coordonner quelles parties du système sont disponibles pour la reconfiguration et lesquelles doivent maintenir la stabilité.
En termes de feuille de route pour QUBIC, l'objectif est de construire des systèmes où l'intelligence émerge non seulement du calcul neuronal, mais aussi du couplage entre un traitement rapide, une modulation lente et une évolution structurelle. Vous pouvez explorer ces dynamiques de première main avec la simulation interactive Neuraxon 3D sur HuggingFace Spaces, où vous pouvez construire, configurer et simuler un réseau Neuraxon 2.0 depuis zéro.
Fig 3. Contrôle des astrocytes Neuraxon - formulation AGMP
Références Scientifiques
Allen, N. J., & Eroglu, C. (2017). Biologie cellulaire des interactions astrocytes-synapse. Neuron, 96(3), 697–708.
Halassa, M. M., Fellin, T., & Haydon, P. G. (2007). La synapse tripartite : Rôles de la gliotransmission en santé et en maladie. Trends in Molecular Medicine, 13(2), 54–63.
Kofuji, P., & Araque, A. (2021). Astrocytes et comportement. Annual Review of Neuroscience, 44, 49–67.
Perea, G., Navarrete, M., & Araque, A. (2009). Synapses tripartites : Les astrocytes traitent et contrôlent l'information synaptique. Trends in Neurosciences, 32(8), 421–431.
Woodburn, R. L., Bollinger, J. A., & Wohleb, E. S. (2021). Effets synaptiques et comportementaux de l'activation des astrocytes. Frontiers in Cellular Neuroscience, 15, 645267.
Vivancos, D. & Sanchez, J. (2026). Neuraxon v2.0 : Un Nouveau Plan de Croissance Neurale et de Calcul. ResearchGate Preprint.
Explorez l'Académie d'Intelligence Neuraxon Complète
Ceci est le Volume 5 de l'Académie d'Intelligence Neuraxon par l'équipe scientifique Qubic. Si vous nous rejoignez, explorez la série complète pour acquérir une compréhension complète de la science derrière Neuraxon et l'approche de Qubic en matière d'intelligence artificielle inspirée du cerveau :
NIA Volume 1 : Pourquoi l'Intelligence n'est pas Calculée par Étapes, mais dans le Temps — Explore pourquoi l'intelligence biologique opère dans le temps continu plutôt que par étapes computationnelles discrètes comme les LLMs traditionnels.
NIA Volume 2 : Dynamiques Ternaires comme Modèle d'Intelligence Vivante — Explique les dynamiques ternaires et pourquoi la logique à trois états (excitation, neutralité, inhibition) est importante pour modéliser les systèmes vivants.
NIA Volume 3 : Neuromodulation et IA Inspirée du Cerveau — Couvre la neuromodulation et comment le signalement chimique du cerveau (dopamine, sérotonine, acétylcholine, noradrénaline) inspire l'architecture de Neuraxon.
NIA Volume 4 : Réseaux Neuronaux dans l'IA et les Neurosciences — Une comparaison approfondie des réseaux neuronaux biologiques, des réseaux neuronaux artificiels et de l'approche du troisième chemin de Neuraxon.
Qubic est un réseau décentralisé et open-source pour la technologie expérimentale. Pour en savoir plus, visitez qubic.org