Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
perçues par nos sens peuvent être ramenées à des définitions dynamiques : couleur, son, forme,<br />
odeur, orientation. (2.2.2 L’hypothèse du tout dynamique, p.28)<br />
La modélisation peut être perçue comme une tentative de rapprochement entre une vision<br />
du réel et un système conçu pour posséder des propriétés équivalentes, en cherchant uniquement<br />
à vérifier les propriétés du système modélisé. La modélisation ne consiste pas alors à copier un<br />
système (nous chercherions dans ce cas à fabriquer un neurone biologique qui existe déjà), mais<br />
à retrouver des propriétés communes avec celles d’un système différent. Dans le cas où<br />
certaines propriétés jugées importantes ne sont pas vérifiées, on doit changer de modèle, en<br />
décrivant parfois le système à un niveau inférieur.<br />
Ce chapitre utilisera cette vision de la modélisation : descendre assez bas niveau dans la<br />
description physique du système, pour que le modèle décrit par les lois qui en découlent, vérifie<br />
l’ensemble des propriétés souhaitées du système modélisé. En accord avec l’idée présentée dans<br />
le premier chapitre, d’un continuum entre les modèles approchant un système donné, une<br />
modélisation ne peut être que partiellement satisfaisante, car le modèle parfait est le système<br />
modélisé. Même un clone n’est qu’une copie approchée du système original, car leurs<br />
environnements ne sont pas les mêmes, et leurs comportements risquent de s’éloigner l’un de<br />
l’autre.<br />
Ainsi, à ce niveau de la thèse, le but fixé est de réaliser une modélisation de l’encodage<br />
par un système dynamique, grâce à une description du cerveau située au niveau des dynamiques<br />
cérébrales, et dont les propriétés souhaitées sont quelques unes de la mémoire humaine :<br />
24<br />
à capacité de reconnaissance d’information déjà perçue<br />
à capacité de représentation interne<br />
à auto-apprentissage d’association de patterns<br />
à spécialisation d’aires neuronales ou modularité fonctionnelle<br />
Nous espérons ainsi donner un support de réflexion à la manifestation de ces propriétés<br />
dans le système réel, en l’inscrivant dans une approche plus métaphorique qu’explicative.<br />
2.2 Vers un modèle dynamique de la mémoire<br />
2.2.1 Evolution de l’encodage d’information<br />
1. Première phase<br />
Encoder une donnée, c’est lui associer un représentant fixe (un mot, une case<br />
mémoire, une icône, ou dans le cadre de cette thèse, l’état d’un réseau), la qualité<br />
statique de cette information étant la garantie de sa conservation au cours du temps, et<br />
donc de la robustesse de l’encodage. Ainsi, l’évolution très lente de notre langue nous<br />
permet de lire et de comprendre un livre du XVIII ème siècle sans trop de problème.<br />
Il s’ensuit que, les idées étant exprimables par des mots et des phrases, ceux-ci peuvent<br />
devenir les représentants de nos pensées. Cette constatation justifie l’intelligence<br />
artificielle dite symbolique : il suffit de travailler sur les représentants, de ramener les<br />
problèmes posés au niveau des concepts, des symboles, pour modéliser la façon dont<br />
PREMIERE PARTIE : ANALYSE