Comment les neurones aident à déchiffrer les odeurs de vin et autres odeurs

résumé: Les scientifiques ont découvert comment les animaux distinguent différentes odeurs, même celles qui semblent remarquablement similaires.

Alors que certains neurones identifient systématiquement différentes odeurs, d’autres réagissent de manière imprévisible, aidant ainsi à distinguer les odeurs subtiles au fil du temps. Cette découverte, inspirée de recherches antérieures sur les mouches des fruits, pourrait améliorer les modèles d’apprentissage automatique.

En introduisant de la variation, l’IA peut refléter la discrimination présente dans la nature.

Faits marquants:

1. La recherche a découvert deux types de neurones : des « cellules fiables » qui identifient des odeurs distinctes et des « cellules peu fiables » qui aident à distinguer des odeurs dont l’expérience est similaire.
2. Il a été démontré que la variation de la réponse neuronale provient d’un circuit plus profond dans le cerveau, ce qui suggère qu’elle remplit un objectif important.
3. Cette variation neuronale pourrait bénéficier aux systèmes d’apprentissage continu en IA, les rendant ainsi plus à même de discriminer.

source: CSHL

Commandez du vin dans un restaurant gastronomique et le sommelier pourra décrire son arôme comme ayant des notes d’agrumes, de fruits tropicaux ou de fleurs. Cependant, lorsque vous sentez une bouffée, cela peut sentir… le vin. Comment les connaisseurs de vin choisissent-ils des arômes aussi similaires ?

Saket Navlakha, professeur agrégé au Cold Spring Harbor Laboratory (CSHL), et Shyam Srinivasan, chercheur au Salk Institute, pourraient avoir la réponse. Ils ont découvert que certains neurones permettent aux mouches des fruits et aux souris de distinguer des odeurs distinctes.

L’équipe a également observé qu’avec l’expérience, un autre ensemble de neurones aide les animaux à différencier des odeurs très similaires.

L’étude a été inspirée par les recherches menées par Glenn Turner, ancien professeur adjoint du CSHL. Il y a des années, Turner a remarqué quelque chose d’étrange. Lorsqu’ils sont exposés à la même odeur, certains neurones de drosophile s’activent en continu, tandis que d’autres neurones varient d’un essai à l’autre.

À l’époque, de nombreux chercheurs considéraient ces différences comme le résultat du bruit de fond. Mais Navlakha et Srinivasan se demandaient si les différences pouvaient servir à quelque chose.

«Il y avait deux choses qui nous intéressaient», explique Navlakha. « D’où vient ce contraste ? Est-ce que ça sert à quelque chose ? »

Pour répondre à ces questions, l’équipe a créé un modèle d’odeur de mouche des fruits. Le modèle a montré que la variance provenait d’un circuit cérébral plus profond qu’on ne le pensait auparavant. Cela suggère que la différence était effectivement significative.

Ensuite, l’équipe a remarqué que certains neurones réagissaient différemment à deux odeurs très différentes, mais répondaient de la même manière à des odeurs similaires. Les chercheurs ont appelé ces neurones des cellules de confiance. Ce petit groupe de cellules aide les mouches à distinguer rapidement les différentes odeurs.

Un autre groupe de neurones, beaucoup plus important, réagit de manière inattendue lorsqu’il est exposé à des odeurs similaires. Ces neurones, que les chercheurs appellent cellules peu fiables, pourraient nous aider à apprendre à reconnaître certaines odeurs dans un verre de vin, par exemple.

« Le modèle que nous avons développé montre que ces cellules peu fiables sont utiles », explique Srinivasan. « Mais il faut de nombreux apprentissages pour en bénéficier. »

Bien entendu, cette recherche ne s’adresse pas uniquement aux buveurs de vin. Srinivasan dit que les résultats pourraient aider à expliquer comment nous apprenons à distinguer les similitudes détectées par d’autres sens et comment nous prenons des décisions basées sur ces informations sensorielles.

Les résultats pourraient également conduire à de meilleurs modèles d’apprentissage automatique. Contrairement aux neurones de la mouche des fruits et de la souris, les ordinateurs réagissent généralement de la même manière aux mêmes entrées.

« Peut-être ne souhaitez-vous pas que le modèle d’apprentissage automatique représente à chaque fois les mêmes entrées de la même manière », explique Navlakha. « Dans les systèmes d’apprentissage continu, la variation peut être utile. »

Cela signifie que ces recherches pourraient un jour contribuer à rendre l’IA plus unique et plus fiable.

À propos de la recherche sur l’odorat et de l’actualité des neurosciences

auteur: Samuel Diamant
source: CSHL
communication: Samuel Diamond – CSHL
image: Image créditée à Neuroscience News

Recherche originale : Les résultats apparaîtront dans PLoS Biologie