L’intelligence artificielle révèle les voies de l’intelligence cérébrale

Une étude récente, publiée dans PNAS Nexus, a révélé que l’intelligence artificielle est capable de prédire différents types d’intelligence humaine grâce à l’analyse des connexions cérébrales. En utilisant des données de neuroimagerie provenant de centaines d’adultes en bonne santé, les chercheurs ont constaté que les prédictions étaient les plus précises pour l’intelligence générale, suivies de l’intelligence cristallisée, puis de l’intelligence fluide. Ces résultats mettent en lumière la nature distribuée et dynamique de l’intelligence, démontrant qu’elle découle de l’interaction globale des réseaux cérébraux plutôt que de régions isolées.

Bien que des travaux antérieurs aient établi que l’intelligence ne se limite pas à une seule région du cerveau mais implique des réseaux distribués, de nombreuses études se sont appuyées sur des méthodes traditionnelles axées sur des caractéristiques cérébrales isolées. Ces approches ont offert des informations limitées sur la manière dont l’intelligence émerge de l’interaction entre structure et fonction cérébrales. Pour surmonter ces limitations, les chercheurs ont utilisé l’apprentissage automatique pour analyser la connectivité cérébrale.

Un point clé de l’étude était la distinction entre trois formes majeures d’intelligence : générale, fluide et cristallisée. L’intelligence générale, souvent désignée par la lettre “g”, représente une mesure large de la capacité cognitive englobant le raisonnement, la résolution de problèmes et l’apprentissage dans divers contextes. Elle constitue un facteur global, capturant des éléments communs entre des compétences cognitives spécifiques.

L’intelligence fluide, un sous-ensemble de l’intelligence générale, fait référence à la capacité de raisonner et de résoudre des problèmes nouveaux sans s’appuyer sur des connaissances ou des expériences préalables. Ce type d’intelligence est souvent associé à la pensée abstraite, à la reconnaissance de motifs et à l’adaptabilité. À l’inverse, l’intelligence cristallisée représente la capacité à utiliser les connaissances et compétences acquises par l’éducation, la culture et l’expérience, incluant des compétences telles que le vocabulaire et la compréhension de la lecture.

“Notre groupe de recherche voulait explorer comment les différences individuelles en matière d’intelligence, ou capacité cognitive générale, se manifestent dans le cerveau humain. Nous sommes convaincus que les interconnexions entre différentes régions cérébrales—qui sont supposées refléter des voies de communication—jouent un rôle particulièrement crucial,” a déclaré Kirsten Hilger, responsable du groupe de recherche sur les Réseaux de Comportement et de Cognition à l’Université Julius-Maximilians de Wurtzbourg.

“De nombreuses études publiées ces dernières années ont prédit les différences d’intelligence individuelle en se basant sur ces voies de communication, connues sous le nom de connectivité cérébrale fonctionnelle. Cependant, l’objectif principal de ces études a souvent été d’atteindre une performance prédictive maximale, tandis que des perspectives sur le concept d’intelligence et la manière dont elle pourrait émerger de ces voies de communication faisaient largement défaut.”

Pour prédire l’intelligence, les chercheurs ont utilisé les données du Human Connectome Project, en analysant 806 participants âgés de 22 à 37 ans, exempts de troubles cognitifs. La connectivité cérébrale a été évaluée grâce à l’imagerie par résonance magnétique fonctionnelle (IRMf) pendant des états de repos et lors de sept tâches visant à activer divers processus cognitifs, tels que la mémoire de travail et la reconnaissance émotionnelle.

Les chercheurs ont formé des modèles d’apprentissage automatique pour analyser les connexions entre 100 régions cérébrales définies à travers huit états cognitifs. Ils ont comparé les modèles utilisant des connexions proposées par des théories de l’intelligence à ceux formés sur des connexions choisies au hasard. De plus, ils ont appliqué une technique appelée propagation de la pertinence pour identifier quelles connexions cérébrales contribuaient le plus aux prédictions.

Parmi les différents types d’intelligence examinés, c’est l’intelligence générale qui a été la plus précisément prédite par les modèles d’apprentissage automatique, suggérant qu’elle pourrait être associée à des motifs de connectivité cérébrale plus cohérents par rapport aux autres types. L’intelligence cristallisée a également été prédite avec une précision considérable, tandis que les prédictions pour l’intelligence fluide étaient moins précises.

Une des principales constatations a été que l’activité cérébrale lors de tâches cognitivement exigeantes fournissait des prédictions plus exactes de l’intelligence que l’activité pendant des états de repos. Des tâches nécessitant une mémoire de travail ou un traitement linguistique amélioraient significativement la capacité des modèles à prédire l’intelligence fluide et générale. Cela souligne la nature dynamique de la connectivité cérébrale et son importance dans le soutien des processus cognitifs de haut niveau.

En revanche, l’intelligence cristallisée, associée à des connaissances et compétences à long terme, semblait davantage reposer sur des réseaux cérébraux stables et indépendants des tâches. L’utilisation de mesures de connectivité latente, intégrant des informations à travers plusieurs états cérébraux, a amélioré les prédictions de l’intelligence cristallisée, suggérant que cette forme d’intelligence pourrait émerger de schémas de communication stables et étendus dans le cerveau.

Les chercheurs ont également constaté que les modèles qui incorporaient des connexions entre des régions cérébrales mises en évidence par des théories, telles que la théorie de l’intégration parieto-frontale, surpassaient ceux formés sur des régions choisies au hasard. Cela renforce l’idée que certains réseaux cérébraux, en particulier ceux impliquant les zones préfrontales et pariétales, sont fondamentaux pour le fonctionnement cognitif. Cependant, des modèles cérébraux globaux ont systématiquement surpassé les modèles basés sur des théories, indiquant que l’intelligence découle probablement d’un réseau de connexions beaucoup plus vaste et distribué que ce qui avait été compris jusqu’ici.

“Les différences individuelles en matière d’intelligence ne se manifestent pas uniquement dans quelques régions circonscrites du cerveau, mais plutôt dans un mécanisme de communication impliquant l’ensemble du cerveau,” a affirmé Hilger à PsyPost. “Les modèles neurocognitifs précédents de l’intelligence ne sont pas erronés, mais doivent être étendus pour inclure l’ensemble du cerveau et se concentrer davantage sur les mécanismes plutôt que sur des régions cérébrales spécifiques.”

L’analyse a identifié environ 1 000 connexions cérébrales spécifiques comme étant les plus prédictives de l’intelligence. Ces connexions n’étaient pas confinées à des régions isolées, mais étaient distribuées dans le cerveau, impliquant des réseaux majeurs tels que le réseau par défaut, le réseau de contrôle fronto-pariétal et les réseaux d’attention. Ces résultats soulignent l’idée que l’intelligence est une propriété globale du cerveau plutôt qu’un produit d’activité au sein d’une seule région ou d’un système.

Fait intéressant, les chercheurs ont noté que la capacité du cerveau à compenser les connexions manquantes était remarquablement élevée. Même lorsque des réseaux entiers étaient exclus des modèles, les prédictions d’intelligence étaient à peine affectées.

“L’élimination artificielle de systèmes fonctionnels cérébraux à grande échelle affecte étonnamment peu la performance prédictive,” a déclaré Hilger. “Ainsi, il semble y avoir une certaine redondance dans le code neural des différences d’intelligence.”

Bien que cette étude fournisse des informations significatives sur les bases neurales de l’intelligence, elle n’est pas dépourvue de limites. Une contrainte notable est la portée d’âge étroite des participants, qui comprenait uniquement des adultes en bonne santé âgés de 22 à 37 ans. Cela limite la généralisation des résultats à l’ensemble du cycle de vie, en particulier pour les enfants et les personnes âgées.

De plus, bien que l’étude ait identifié environ 1 000 connexions cérébrales comme étant les plus prédictives de l’intelligence, la nature exacte de ces connexions et leurs rôles fonctionnels restent flous. L’exploration des processus spécifiques que soutiennent ces connexions, tels que la mémoire ou le contrôle exécutif, pourrait aider à clarifier comment elles contribuent aux différents types d’intelligence. Par ailleurs, étudier les différences individuelles dans les stratégies neuronales de résolution de problèmes et d’application des connaissances pourrait éclairer pourquoi certaines connexions sont plus prédictives que d’autres.

“En somme, nos résultats suggèrent que l’intelligence émerge des caractéristiques globales du cerveau, plutôt que de régions cérébrales isolées ou de réseaux neuronaux uniques,” ont conclu les chercheurs. “Dans un contexte plus large, notre étude propose un cadre pour de futures études de modélisation prédictive qui mettent l’accent sur des aperçus significatifs des traits complexes humains plutôt que sur la simple maximisation de la performance prédictive.”

L’étude, intitulée “Choisir l’explication plutôt que le rendement : Perspectives issues de la prédiction basée sur l’apprentissage automatique de l’intelligence humaine par la connectivité cérébrale,” a été rédigée par Jonas A. Thiele, Joshua Faskowitz, Olaf Sporns et Kirsten Hilger.