Un nouvel algorithme, nommé Spi-Fly, imite la capacité des mouches à fruit à mémoriser les odeurs. Développé par l’Institut d’Okinawa, il offre une alternative aux nez électroniques actuels, souvent limités et sujets à l’oubli. Cette avancée promet d’améliorer la persistance de la mémoire olfactive artificielle.
Les drosophiles, communément appelées mouches à fruit, sont reconnues pour leur agilité et leur rôle dans la recherche génétique, mais rarement pour leurs prouesses cognitives. Pourtant, avec un cerveau composé d’environ 140 000 neurones, d’une taille inférieure à celle d’une graine de pavot, ces insectes démontrent une capacité remarquable à traiter une vaste gamme d’odeurs en une fraction de seconde. Plus frappant encore, elles parviennent à en conserver la mémoire sur une longue durée, une performance qui contraste fortement avec les capacités des systèmes de détection d’odeurs artificiels actuels, souvent désignés sous le terme de « nez électroniques ».
Les défis de la détection olfactive artificielle
Les nez électroniques les plus sophistiqués disponibles sur le marché présentent des limitations importantes. Leur coût d’acquisition et de maintenance est souvent élevé, et leur champ de détection reste étroitement spécialisé, les rendant inefficaces face à des spectres olfactifs complexes et variés. Plus problématique encore pour des applications dynamiques, ils manifestent une forte tendance à l’oubli : la mémoire d’une odeur apprise est souvent effacée ou dégradée dès qu’une nouvelle information est enregistrée. Cette incapacité à maintenir une mémoire persistante limite considérablement leur utilité dans des environnements changeants.
Cette lacune technologique contraste avec l’efficacité des systèmes biologiques. La question de savoir comment reproduire cette performance biologique de manière artificielle a ainsi motivé de nombreux groupes de recherche à travers le monde, cherchant à imiter les architectures neurales du vivant.
Spi-Fly : un modèle inspiré du cerveau de la drosophile
C’est dans cette optique que Kevin Max et Yang Shen, chercheurs à l’Okinawa Institute of Science and Technology (OIST), ont conçu un nouvel algorithme novateur, baptisé Spi-Fly. Ce modèle s’inspire directement de l’organisation et du fonctionnement du système olfactif de la drosophile, notamment sa capacité à discriminer et à mémoriser les signaux chimiques avec une grande efficacité malgré une architecture neuronale minimaliste. L’objectif de Spi-Fly est de traduire cette intelligence biologique en un cadre algorithmique numérique.
L’algorithme Spi-Fly est spécifiquement élaboré pour surmonter les déficiences des nez électroniques classiques. Il vise à offrir une capacité de tri rapide des stimuli olfactifs tout en garantissant une rétention durable de la mémoire des odeurs. Les premiers résultats et la description détaillée de cette architecture neuromorphique ont été récemment publiés dans la revue scientifique spécialisée Neuromorphic Computing and Engineering. Cette publication souligne le potentiel de ces approches bio-inspirées pour l’avenir de la perception artificielle.
Portée et applications pour l’exploration spatiale
L’avènement d’algorithmes tels que Spi-Fly ouvre des perspectives importantes pour le domaine de l’exploration spatiale et de la science planétaire. Des systèmes de détection olfactive dotés d’une mémoire persistante et d’une capacité de discrimination fine pourraient équiper la prochaine génération de missions robotiques. Imaginons des rovers explorant la surface de Mars, capables de détecter et de mémoriser des signatures chimiques spécifiques dans le sol ou l’atmosphère, potentiellement liées à la présence passée ou actuelle de vie, sans « oublier » les découvertes précédentes en chemin.
Ces technologies auraient également une valeur inestimable pour les environnements habités en dehors de la Terre. Dans des stations spatiales comme l’ISS ou de futures bases lunaires et martiennes, la surveillance environnementale est primordiale. Des capteurs intelligents pourraient détecter de manière autonome des fuites de gaz, des contaminants ou des indicateurs de dysfonctionnement technique, en se souvenant des profils olfactifs anormaux sur de longues périodes. L’efficacité et la robustesse des systèmes neuronaux vivants continuent ainsi de fournir un modèle pour des innovations cruciales, poussant les frontières de l’intelligence artificielle pour relever les défis complexes de l’univers.