Les progrès de l’intelligence artificielle ont remis sur le devant de la scène le concept de réseau d’automates.
Un réseau d’automates est un modèle très approximatif du fonctionnement cognitif du cerveau. Il permet de décrire le passage du niveau cellulaire, modélisé par les automates, au niveau cognitif modélisé par les propriétés dynamique du réseau.
Un réseau d’automates n’est qu’un modèle très approximatif du fonctionnement cognitif du cerveau. Son mérite essentiel est de permettre le passage du niveau cellulaire, modélisé par les automates, au niveau cognitif modélisé par les propriétés dynamiques du réseau. Notons quelques unes de ses propriétés : l’information est répartie dans le réseau et est en quelque sorte « délocalisée ». Le processus de stockage de l’information est celui d’une mémoire associative : une information partielle permet de restituer l’information complète. Ainsi, lorsqu’on présente à un réseau d’automates une configuration initiale proche de la référence – une lettre manuscrite par exemple –, la dynamique du réseau restitue la référence. Une autre propriété rapproche le réseau d’automates du cerveau, c’est sa robustesse. Si l’on supprime une fraction des automates, son comportement n’est guère modifié. Cette propriété de détérioration graduelle des performances rappelle celle des hologrammes en optique. Elle évoque aussi le fait que, malgré la perte de plusieurs milliers de cellules nerveuses chaque jour, les performances du cerveau ne déclinent que très lentement avec l’âge. Des destructions comparables dans un ordinateur classique auraient très vite des conséquences catastrophiques. Enfin, le processus d’apprentissage d’un réseau d’automates est purement local et, pas plus que la reconnaissance, il ne fait intervenir de processeur central.