Interactivité et neurones

 

Les Bains Numériques, Enghien 2005

 

 

Michel Bret

Professeur émérite des université, Art et Technologies de l’Image, Université Paris 8

 

Mots-clés :

Art, création, interactivité, réseaux neuronaux.

 

Résumé :

 La « première interactivité » traduit la boucle rétroactive de la cybernétique, la « seconde interactivité » (par analogie avec la seconde cybernétique) concerne les systèmes capables de s’auto configurer et rejoint par là les stratégies du vivant. Les réseaux de neurones permettent de simuler de tels organismes artificiels en complétant la pensée algorithmique par des processus d’apprentissages interactifs. Les problématiques de la création numérique se trouvent ainsi reposés à la lumière d’une interactivité que nous qualifierons d’ « intelligente ».

 

Introduction

 

         Je me suis intéressé à la problématique de l’interactivité dès les années 70, à une époque où n’existaient ni logiciels, ni même de systèmes informatiques, j’ai donc du construire une interface entre la machine et l’artiste qui ne soit ni contraignante ni difficile d’accès, mais qui garde toute la généralité des langages de programmation, ce fut le système anyflo. Il m’a permis de réaliser de nombreux films de synthèse, de construire des installations interactives à finalité artistique, ludique ou à but pédagogiques , je l’utilise aussi dans la simulation de toutes sortes de phénomènes. C’est ainsi que, avec le professeur Alain Berthoz du Collège de France et Marie-Hélène Tramus (professeur en ATI à l’Université Paris 8), nous avons étudié les lois naturelles du mouvement  (plan de phase, contre phases, loi de la puissance deux tiers, référentiels d’interaction, …) [1].

            Je tenterai de redéfinir ici le concept d’interactivité à la lumière des nouvelles connaissances que nous apportent les neurosciences en montrant la construction interactive d’un organisme artificiel capable de s’adapter.

 

1 Les deux interactivités

 

Avec Edmond Couchot et Marie-Hélène Tramus nous distinguons plusieurs types d’interactivité [2] :

La « première interactivité », ou interactivité de commande, qui est celle de la simple boucle rétroactive de la cybernétique et qui est à la base de la plupart des systèmes interactifs.

Puis la « seconde interactivité » (par analogie avec la seconde cybernétique) qui apparaît dès lors que le système qui la produit est capable de se modifier lui-même au cours d’un apprentissage par lequel il interagit avec son environnement afin de s’y adapter. Il s’agit bien là d’un comportement que l’on pourrait qualifier d’ « intelligent » et qui traduit le concept d’autopoiése introduit par Francisco Varela[3].

 

2 Neurones et création

 

En 1995, à la suite de Karl Sims [4], de Van de Panne et Fiume [5], et sensibilisé par l’artiste américain Michael Tolson à la technique des réseaux neuronaux, je m’intéressais au connexionnisme et à ses applications artistiques, en particulier dans le domaine de l’interactivité [6].

La vie a résolu le problème de l’adaptation des organismes à leur environnement en inventant les systèmes nerveux centraux, constitués de neurones massivement interconnectés au moyen de liaisons modifiables par l’expérience [7].

L’informatique permet de simuler de tels systèmes au moyen des « réseaux neuronaux » [8]. Prenons l’exemple des réseaux multi couches à apprentissage supervisé. Il s’agit de construire des êtres virtuels munis :

1) D’un système perceptif (dont les organes sont des capteurs qui se projettent sur les neurones de la couche d’entrée du réseau neuronal).

2) D’un système moteur (muscles d’un modèle dynamique de l’être de synthèse commandés par les neurones moteurs, qui sont ceux de la couche de sortie du réseau).

3) De plusieurs couches cachées figurant le « cortex » du cerveau artificiel.

4) Enfin d’un protocole d’apprentissage permettant d’entraîner le réseau lors d’expérimentations au cours des quelles les poids des connexions sont modifiés (par l’algorithme dit de la « rétropropagation de l’erreur ») afin de satisfaire de mieux en mieux aux directives du « professeur » chargé d’éduquer le réseau.

 

3 Construction d’un organisme artificiel vivant

 

3-1 Commande d’un personnage virtuel

 

Une simple Web Cam nous servira d’organe visuel (œil artificiel) que nous allons connecter au personnage virtuel que voici : Il est constitué d’un squelette articulé (figure 3-1) sur lequel ont été attachés des muscles dynamiques (figure 3-2), sur l’ensemble de ces deux structures a été tendue une peau (figure 3-3). Lorsque l’on communique une excitation aux muscles (en utilisant divers capteurs : Souris, gyroscopes, caméra, data suit, etc..), le squelette bouge et la peau se modifie automatiquement (figure 3-4).

Ce dispositif constitue une installation interactive de premier niveau (interactivité de commande) dans laquelle la simulation ne fait qu’obéir aux ordres de l’expérimentateur.

 

Figure 3-1 Squelette                            Figure 3-2 Muscles

 

Figure 3-3 Peau                                  Figure 3-4 Activation des muscles

 

 

3-2 Schéma perception-action

 

Si nous connectons l’œil-caméra à la rétine du personnage virtuel celui-ci ne voit pas pour autant, il lui manque en effet des éléments indispensables à la perception : Un nerf optique, un cerveau et des sorties lui permettant d’agir. Dotons-le d’un cerveau artificiel, celui-ci est un réseau neuronal ainsi construit(figure 3-5) :

Une couche d’entrée constituée d’autant de neurones que la rétine contient de pixels, chacun de ceux-ci envoie au neurone qui lui est connecté un signal proportionnel à l’intensité lumineuse arrivant en ce point de la rétine.

D’une ou plusieurs couches cachées.

D’une couche de sortie dont chaque neurone est connecté à un muscle du personnage.

Les neurones sont connectés deux par deux par des synapses dont les poids (qui servent à moduler les transitant entre les neurones) sont stockés dans une matrice.

Sur les figures 3-6, 3-7 et 3-8 on voit l’image d’un objet clair se déplaçant sur la rétine (en bas et à gauche de l’écran) et se projetant sur les neurones de la couche d’entrée (à gauche du réseau) dont l’activation, passée aux neurones moteurs de sortie (via la couche cachée)  agissent sur les muscles du personnage virtuel et le font bouger.

Ce dispositif constitue une installation interactive de deuxième niveau (bâtie sur le schéma perception-action) dans laquelle la simulation est le résultat d’une perception artificielle.

La matrice est initialisée aléatoirement, les mouvements sont donc arbitraires et, bien que produits par l’image, ils ne semblent pas avoir de relation avec elle

Figure 3-5 Réseau neuronal

 

Figure 3-6 : Un objet clair, en bas de l’image rétinienne, produit une activation des neurones d’entrée

 

 

 

 

Figure 3-7 : L’objet s’est déplacé, l’activation aussi, le personnage change de position

 

 

Figure 3-8 : L’objet s’est encore déplacé, l’activation aussi, le personnage change de position

 

 

 

 

3-3 Apprentissage supervisé

 

Lorsque une image est présentée en entrée, le corps prend une position qui dépend de la matrice des poids et, lorsque cette image change, c’est à dire lorsque l’œil regarde, le corps bouge.. Nous nous proposons d’affecter à cet acteur virtuel la capacité d’imiter. Pour cela nous construisons des couples d’apprentissage sous la forme d’une image (la photo d’un expérimentateur réel prenant une certaine position) et d’une configuration du corps virtuel reproduisant cette position. Puis nous entraînons ce réseau par l’algorithme de la rétropropagation de l’erreur de façon à ce qu’il reconnaisse les positions montrées. A l’issu de cet entraînement, grâce à la propriété de généralisation des réseaux neuronaux, ce réseau est capable de reconnaître, non seulement les positions apprises, mais encore toutes les positions proches de celles-ci et, même, des positions non apprises.

           

            La figure 3-9  montre la saisie de couples d’apprentissages. Trois positions debout et trois positions accroupies ont déjà été saisies (elles apparaissent sous la forme de petites photos en haut de l’écran). Une position écartée est en cours de saisie, l’image caméra apparaît en bas et à gauche de l’écran, le personnage est mis dans la même position écartée. Le réseau en activité apparaît au milieu, avec sa couche d’entrée connectée à la rétine (les pixels de l’image caméra), sa couche cachée et sa couche de sortie connectée aux muscles du personnage virtuel. Les segments blancs entre les couches figurent l’influx nerveux circulant entre les neurones.

            La figure 3-10 montre l’apprentissage en train de se faire. La courbe d’erreur reproduit les pérégrinations de l’algorithme d’apprentissage, montrant de nombreuses hésitations et même de fausses pistes, rapidement abandonnées. Initialement de 75% , l’erreur tombe en dessous des 50% après une vingtaine d’essais, elle n’est plus que de 26% après 38 essais.

            Sur la figure 3-11 on voit que la courbe d’erreur descend globalement et, après 210 essais l’erreur est tombée en dessous de 2%, ce qui est un excellent apprentissage.

            La figure 3-12 montre le réseau en action en train de reconnaître une position prise par un acteur réel devant la caméra. On voit que l’image de celui-ci, en bas et à gauche, ne reproduit qu’imparfaitement la position écartée (sur la figure 4-4, les bras sont plus hauts), cependant le réseau a reconnu cette position.

            Notons que « imiter » ne signifie pas nécessairement « faire la même chose ». Par exemple nous pouvons donner des couples d’apprentissages arbitraires pour apprendre au personnage virtuel à se lever quand on se baisse ou à se plier quand on s’étend.

            Une utilisation intéressante de ce système consisterait à le confier à un chorégraphe qui entraînerait le personnage virtuel à danser dans un certain style.

            Une autre application consiste à munir le personnage virtuel simultanément de plusieurs sens, par exemple l’ouie et la vue, en connectant une caméra vidéo et un signal audio aux entrées de un ou plusieurs réseaux neuronaux. J’ai réalisé une telle installation interactive proposant aux spectateurs de danser sur une musique avec un personnage virtuel qui « entendait » également cette musique. Il en résulte une mise en résonance des deux danseurs (réel et virtuel) avec la musique.

 

 

 

 

 

Figure 3-9 : 3 positions debout et 3 positions accroupies ont déjà été saisies, l’acquisition d’une position écartée est en cours

 

 

Figure 3-10 : Début d’apprentissage (erreur de 26% après 38 essais)

 

 

 

 

 

Figure 3-11 : Amélioration de l’erreur qui est tombée à moins de 2% (après 210 essais)

 

 

 

Figure 3-12 : Réseau en action : Le personnage prend une position proche de la position apprise (écartée), bien que la position montrée ne soit pas exactement celle proposée en apprentissage (voir figure 3-9).

 

 

 

4 Conclusion

 

         Je crois avoir montré expérimentalement que l’interactivité, loin de se réduire à un simple schéma stimulus-réponse, s’apparente au schéma perception-action à la base des comportements les plus évolués des êtres vivants qui fait intervenir un système nerveux dont la plasticité lui permet de se transformer et de s’adapter à un environnement par apprentissage. Ainsi se trouve  dépassée, je pense, l’opposition traditionnelle entre une soit disant rationalité scientifique ou technique et une prétendue intuition artistique : Finalement, tout ceci n’est qu’une affaire de neurones…

 



[1] M. Bret, M.H. Tramus, A. Berthoz, Interacting with an intelligent dancing figure : artistic experiments at the crossroads between art and cognitive science, Leonardo, Vol 38, No 1, pp. 46-53, 2005.

[2] M.-H. Tramus, M. Bret, E. Couchot , La seconde interactivité, in Arte e vida no século XXI, Organizadora Diana Domongues, UNESP, Brasil (2003).

[3] F.J. Varela Connaitre - Les sciences cognitives, tendances et perspectives, Ed. du Seuil, 1989

[4] Karl Sims, Evolving Virtual Creatures, in Computer Graphics, 15-22, 1994.

[5] Michiel Van de Panne, Eugène Fiume, Sensor-Actuator Networks, in Computer Graphics, 335-342, 1993.

[6] M. Bret, Virtual Living Beings, in Lecture Notes in Artificial Intelligence, Virtula Worlds 119-134, Ed. Jean-Claude Heudin, Springer 2000.

[7] Jean Pierre Changeux, L’homme neuronal, Fayard, 1983

[8] Hervé Abdi: Les réseaux de neurones, Presses Universitaires de Grenoble 1994.