La cognition quantique est-elle la voie vers une IA forte (ou intelligence générale artificielle) ?

La cognition quantique pourrait être la prochaine frontière pour expliquer l'esprit.

La littérature scientifique existante sur les architectures cognitives ne définit pas la « bonne voie » à suivre lorsqu'il s'agit de nouvelles initiatives de recherche. En examinant les articles d'une revue à comité de lecture dédiée au projet de modèle commun de cognition (alias CMCB, Common Model of Cognition Bulletin ), j'ai constaté que les progrès suivent un schéma émergent (ascendant).

Avec cette dynamique, il semble qu'il faille laisser les applications du modèle orienter ses efforts de développement.

Au-delà du développement constructif et incrémental de théories et de modèles cognitifs pour expliquer l'esprit, on trouve dans la littérature quelques approches alternatives qui tentent d'atteindre le même objectif sous un autre angle.

Au sein de ces approches, on retrouve le domaine de la cognition quantique.

Nous ne devons pas confondre le terme avec ce que l'on appelle le cerveau quantique, l'esprit quantique ou la conscience quantique, qui est une hypothèse qui suppose que des processus quantiques se produisent dans le cerveau.

La cognition quantique est un domaine de recherche émergent où les formalismes mathématiques de la théorie quantique inspirent le développement de nouveaux modèles de cognition qui montrent une meilleure explication des phénomènes cognitifs supérieurs.

Des exemples de ces phénomènes humains sont la mémoire, la recherche d'informations, le langage, la prise de décision, l'interaction sociale, la psychologie de la personnalité et la philosophie de l'esprit.

On dit que les scientifiques cognitifs sont confrontés au même type de problèmes qui ont forcé les physiciens à abandonner la physique classique. Ils constatent qu'il n'est possible d'obtenir qu'une information partielle sur un système complexe à un instant déterministe puisque chaque mesure perturbe la mesure suivante.

La théorie quantique permet de combiner les informations partielles d'un système pour comprendre la cohérence à l'échelle du système grâce à une approche fondamentalement différente de la logique, du raisonnement et de l'inférence probabiliste.

La révolution cognitive des années 1960 était basée sur la logique computationnelle classique et l'émergence des réseaux de neurones, et dans les années 1970 était basée sur les systèmes dynamiques classiques.

Ces éléments constituent les piliers des théories sur les architectures cognitives et les réseaux de neurones actuels et reposent sur une série d'hypothèses. Cependant, nous constatons qu'il existe des phénomènes complexes du comportement humain qui n'obéissent pas aux restrictions imposées par la logique classique.

S'appuyant sur les travaux de John Von Neumann et d'autres auteurs (Kronz & Lupher, 2021), il est devenu évident que le cœur de la théorie quantique est un nouveau type de théorie des probabilités, basée sur des ortho algèbres plutôt que sur des algèbres booléennes.

Cette théorie est plus générale que la théorie traditionnelle des probabilités. Il s'avère plus puissant pour résoudre des problèmes difficiles qui ont résisté aux approches traditionnelles de la rationalité, de la pensée logique et du raisonnement probabiliste, ce qui ouvre de nouveaux horizons pour la modélisation cognitive et sa justification.

Par exemple, notez que la logique quantique ne suit pas toujours l'axiome distributif de la logique booléenne, ou que les probabilités quantiques n'obéissent pas toujours à la loi de probabilité totale de Kolmogorov. Le raisonnement quantique ne satisfait pas non plus toujours le principe du raisonnement monotone.

Ainsi, on peut voir que la théorie classique est un cas restrictif d'une théorie quantique plus générale.

Jerome Busemeyer et Peter Bruza dans Quantum Models of Cognition and Decision (Busemeyer & Bruza, 2012) soutiennent que les structures mathématiques sous-jacentes de la théorie quantique fournissent une meilleure explication de la pensée humaine que les modèles traditionnels, introduisant les principes fondamentaux de la modélisation des modèles dynamiques-probabilistes qui utiliser deux aspects de la théorie quantique :

1. la contextualité des jugements et des décisions, qui est capturée dans la théorie quantique à travers l'idée d'"interférence" entendue comme le contexte généré en faisant qu'un premier jugement (ou décision) interfère avec les jugements (ou décisions) suivants pour produire des effets d'ordre, pour lesquels les jugements et décisions ne sont pas commutatifs.

   
   

2. intrication quantique : en physique quantique, il désigne le phénomène par lequel l'observation d'une partie d'un système affecte instantanément l'état d'une autre partie du système, alors même que des distances sidérales séparent leurs systèmes respectifs.

L'élément crucial est que les systèmes imbriqués ne peuvent valablement être décomposés et modélisés comme des sous-systèmes séparés. Cela favorise le développement de modèles de type quantique pour des phénomènes cognitifs qui ne sont pas décomposables par nature et pour lesquels la théorie quantique fournit des outils formels pour les modéliser comme des systèmes non interagissants, décomposables (ou non réductionnistes).

Nous assistons à l'essor d'un domaine avec des applications dans des domaines tels que la perception, les jugements conceptuels, la prise de décision et la recherche d'informations.

Busemeyer et d'autres chercheurs (Wang et al., 2013) tentent de répondre à des questions très importantes telles que :

• Pourquoi appliquer les concepts quantiques à la cognition ? Humain?
• En quoi les modèles quantiques diffèrent-ils des modèles traditionnels ?
• Quels processus cognitifs ont déjà été modélisés à l'aide d'un modèle quantique ?

La pertinence réside maintenant dans l'avancement de l'état de l'art suivant une vision d'où nous en sommes et où les efforts de recherche sont dirigés. Si nous joignons ces efforts à l'essor de l'informatique quantique, nous pourrions peut-être nous rapprocher de la validation des modèles cognitifs et observer la naissance de l'intelligence artificielle générale.

Ou peut être pas.