7.5 Traitement de l'information dans les systèmes biologiques. Je vais essayer de dégager quelques principes communs aux systèmes d'auto-organisation que nous avons examinés jusqu'à présent. La façon dont je vais essayer de le faire est de regarder le cadre unificateur du traitement de l'information et d'examiner ces systèmes comme des systèmes de traitement de l'information. La première question à se poser est: "est-ce que les systèmes auto-organisés - particulièrement en biologie - traitent l'information?". Eh bien, au cours des dernières décennies, il est devenu de plus en plus fréquent de considérer de tels systèmes comme des systèmes de traitement de l'information. Nous pouvons le constater en faisant une tour rapide de quelques exemples dans la littérature. Dans cette littérature, nous voyons des livres appelés «Traitement de l'information chez les insectes sociaux», des articles dans des revues telles que Nature: "Obtenir le comportement des insectes sociaux pour calculer". En ce qui concerne le cerveau, nous voyons des livres sur les systèmes neuronaux de traitement de l'information, sur la biophysique du calcul. Les bactéries jouent un rôle, aussi. Les gens parlent maintenant du traitement de l'information dans les bactéries, notamment en ce qui concerne le phénomène appelé «quorum sensing» (perception du quorum), que nous n'avons pas couvert ici. Le système immunitaire est un autre exemple de système que les gens observent comme un système de traitement de l'information. Les circuits génétiques, les cellules, et les tissus. Ils sont tous vus maintenant, d'une certaine manière comme faisant du calcul. Même les plantes sont maintenant considérées comme un sujet d'étude du calcul distribué émergent. Encore plus loin, peut-être, est de considérer les moisissures visqueuses (myxomycètes) comme un type d'ordinateur, comme cela se fait dans ce livre récent. Pour moi, en tant qu'informaticienne, il est très utile de réfléchir à ces questions en comparant le traitement de l'information en informatique et en biologie. Donc, je vais prendre quelques minutes pour le faire. Pour commencer, nous pouvons nous demander ce qui joue le rôle de l'information dans chaque système. En informatique, c'est à dire les types d'ordinateurs qui sont sur votre bureau, l'information est numérique. Elle est statique; elle réside dans la mémoire. Elle est passive dans un certain sens. L'unité centrale lit des zéros et des uns dans une sorte de stockage en mémoire. Cependant, en biologie, l'information n'est plus numérique ou statique; elle est active. Et elle est analogique, en ce sens qu'elle n'est pas nécessairement constituée de uns et de zéros. Elle est distribuée dans l'espace et le temps dans les composants du système. L'information en biologie est représentée par des modèles d'individus et de leurs produits. Par exemple, vous pouvez penser à des fourmis et à leurs sentiers comme représentant de l'information sur les sources de nourriture et leurs emplacements ou les vols d'oiseaux ou les bancs de poissons comme des types de modèles qui représentent l'information du système. L'information est recueillie par échantillonnage statistique local de ces modèles. Ainsi, par exemple, une fourmi ne peut pas voir l'ensemble de l'information contenue dans le système, qui pourrait consister en: toutes les pistes de phéromones qui ont été prévues par la colonie de fourmis. Mais elles peuvent recueillir des statistiques par échantillonnage des concentrations locales de phéromone là où elles sont. Ou quand les fourmis décident de la tâche à adopter, elles recueillent des statistiques sur ce que les autres fourmis ont fait. Comment l'information est-elle traitée? En informatique, nous savons que l'information est généralement traitée via des programmes déterministes qui sont en série - c'est-à-dire une étape à la fois - sans erreur. Les programmeurs font beaucoup d'efforts pour déboguer leurs programmes et les règles centralisées qui sont, dans une unité centrale de traitement, faites pour la lecture, le mouvement, et l'écriture de l'information. Tandis qu'en biologie le traitement de l'information se fait d'une manière très différente. C'est fait par l'intermédiaire d'actions décentralisées, locales, à niveau très fin, et stochastiques - c'est-à-dire probabilistes - actions qui impliquent un caractère aléatoire. Dans ces systèmes auto-organisés, nous avons vu un jeu de rétroaction positive et négative. La rétroaction positive implique des mécanismes tels que le recrutement, une fourmi qui dépose une phéromone incite d'autres fourmis à suivre le même chemin; le renforcement, où les fourmis renforcent les sentiers qu'ils voient; ou les lucioles qui renforcent les éclairs qu'ils voient. Il y a aussi la rétroaction négative qui contrôle la rétroaction positive pour éviter d'être hors contrôle, tels que la concurrence, les limites de densité. Quand les oiseaux volent ensemble, il y a une rétroaction positive entre les oiseaux, qui les incitent à se rapprocher les uns des autres mais aussi une rétroaction négative qui les force à se séparer quand ils sont trop près. De la même façon, la recherche de nourriture par une fourmi a une rétroaction négative, ses pistes de phéromones s'évaporent si elle ne sont pas renforcées. Nous voyons aussi que le hasard est omniprésent, à la différence de l'informatique, où le hasard est éliminé. Dans la nature, la biologie, le hasard est omniprésent, et il est utilisé par le système à son avantage. Enfin, en biologie, de plus en plus, les gens qui étudient le traitement de l'information trouvent que le langage des systèmes dynamiques peut être plus utiles que la langage du calcul. Enfin, une question importante: comment l'information traitée dans ces systèmes a-t-elle acquis une sorte de fonction, ou une finalité, ou même un sens? Eh bien, nous savons en informatique que le traitement de l'information se fait pour répondre à nos objectifs. Nous exécutons des programmes pour calculer des choses qui nous aident à faire notre travail, ou à nous divertir, ou tout autre objectif que nous avons défini, alors qu'en biologie, il n'y a pas de sens ou d'objectif en provenance d'une source externe. Au contraire, c'est la sélection naturelle, pour la fonction adaptative, qui donne lieu à la signification de l'information. Donc, c'est vraiment la signification de l'information, par exemple, pour une colonie de fourmis quand elle crée des pistes de nourriture. La sélection naturelle a façonné les fourmis pour avoir des mécanismes qui créent ces informations et qui interprètent ces informations car il a une fonction d'adaptation pour les individus et pour les espèces. Bien, les informaticiens s'intéressent de plus en plus aux systèmes auto-organisés et s'en inspirent pour créer des systèmes informatiques auto-organisés. Le souhait est d'avoir des systèmes informatiques qui ont un comportement émergent à partir de règles simples plutôt que les systèmes informatiques complexes, irréalistes et fragiles, et que nous avons aujourd'hui. Et nous en avons vu quelques uns. Nous avons vu des algorithmes génétiques, inspirés par l'évolution darwinienne. Et la recherche de nourriture a inspiré un ensemble d'algorithmes appelés "optimisation de colonie de fourmis" qui ont été utilisés pour des choses comme le routage dans les télécommunications. La synchronisation des lucioles et d'autres méthodes de synchronisation connexes en biologie ont inspiré la synchronisation distribuée dans les ordinateurs et les réseaux. Comme je l'ai dit, l'évolution darwinienne a inspiré des algorithmes génétiques. Le cerveau a inspiré les réseaux de neurones. Les systèmes immunitaires ont inspiré des algorithmes qui gèrent la sécurité informatique ou la sécurité des réseaux à partir des idées sur la façon dont le système immunitaire protège le corps. Et, comme nous l'avons vu dans ces diapositives, les moisissures ont récemment inspiré les informaticiens dans le développement de nouveaux types d'algorithmes de recherche basés sur la façon dont les moisissures s'auto-organisent à partir de cellules individuelles pour faire un tout unifié. Comme nous comprenons de plus en plus la façon dont les systèmes auto-organisés travaillent en biologie, je pense que les systèmes informatiques auront de plus en plus d'inspiration et seront de plus en plus réalistes. Dans le même temps, alors que l'on applique les idées de calcul et de traitement de l'information pour comprendre des systèmes biologiques, de plus en plus nous voyons une sorte de cadre unifié dans lequel nous pouvons regrouper tous ces systèmes en termes de: comment se fait-il qu'ils soient auto-organisés par le traitement de l'information.