Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
Thèse Sciences Cognitives - Olivier Nerot
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
60<br />
Mémorisation par forçage des dynamiques chaotiques dans les modèles connexionnistes récurrents<br />
synchronisation, et, après reconnaissance, de désynchroniser le système, afin d’éviter<br />
toute persévération (Figure 2-23).<br />
Selon ce modèle, le chaos ne serait pas une source d’encodage de l’environnement<br />
du système, mais une nature du système étudié : l’environnement modifie les<br />
dynamiques neuronales, qui en induisent d’autres grâce aux associations réalisées<br />
auparavant via l’apprentissage. Le chaos ne serait alors que la manifestation de la<br />
complexité des dynamiques induites. Cette approche est en accord avec l’hypothèse du<br />
tout dynamique, dans laquelle un système percevant est en interaction dynamique avec<br />
son environnement. L’apprentissage aurait alors pour rôle de diminuer la complexité des<br />
dynamiques induites dans le système par l’environnement, afin d’en minimiser l’aspect<br />
perturbateur. Le chaos dans ce cas caractériserait le comportement du réseau, mais ne<br />
serait pas le but recherché par celui-ci : engendrer du chaos serait la nature du cerveau,<br />
mais ni sa fonction, ni son rôle. Il n’y aurait pas d’algorithme superviseur fabriquant et<br />
modifiant les dynamiques chaotiques cérébrales, selon un schéma d’encodage précis.<br />
On peut retrouver cette idée derrière plusieurs études, par exemple celles de Chang et<br />
Freeman [[36]] ou Amit [[4]], qui ne cherchent pas à analyser le chaos neuronal par ses<br />
mesures pour en déterminer les principes, mais qui constatent plutôt la présence de<br />
chaos dans leurs modèles, sans chercher à en trouver les principes d’encodage 21 , ni les<br />
mesures caractéristiques de ces dynamiques.<br />
Dans le cadre d’un travail récemment exposé par Chang et Freeman [[36]], ceux-ci<br />
constatent que le chaos émerge dans le système olfactif du lapin, lorsque le percept<br />
n’est pas reconnu, mais que des synchronismes apparaissent dans le réseau après<br />
apprentissage. Ils tentent donc dans ces travaux de trouver l’apprentissage qui<br />
permettrait de segmenter le paysage perceptif via les synchronismes du réseau. Cette<br />
approche est similaire aux interprétations faites précédemment. En effet, ils ne voient<br />
dans le chaos qu’une dynamique transitoire lors de la reconnaissance, qui a pour seule<br />
signification celle de manifester une non-reconnaissance du percept. De plus, le stimulus<br />
est associé à une perturbation car il modifie les dynamiques synchronisées du système,<br />
ce qui permet, durant la phase d’apprentissage, de tester le maximum de synchronismes<br />
possibles. Une fois le percept appris, il est alors reconnu grâce aux phases des<br />
dynamiques neuronales, qui permettent de reconstruire et de prévoir la dynamique si<br />
celle-ci est présentée de nouveau. Par contre, ils ne font pas mention du rôle de<br />
dépersévération dans le réseau des dynamiques chaotiques.<br />
D’autre part, un apprentissage de ce type peut être interprété en terme de fibres<br />
isochrones, puisque si les fibres sont serrées, une perturbation amènera le système à<br />
cheval sur plusieurs fibres, ne permettant pas de synchronisation. Par contre, après<br />
apprentissage, l’élargissement des fibres isochrones maximise la probabilité d’amener le<br />
nouvel état du système sur une seule fibre, en synchronisant ainsi les dynamiques d’une<br />
population neuronale.<br />
Malheureusement, dans les deux cas (celui de Chang et Freeman, et le nôtre), l’état<br />
actuel des connaissances sur les règles d’apprentissage ne permet pas de trouver un<br />
algorithme pouvant vérifier le schéma d’encodage précédent, mais l’étude de ces règles<br />
21 Il est d’ailleurs intéressant de noter que l’un des articles clef de Skarda et Freeman [[180]] décrit la façon<br />
dont le chaos donne du sens au monde (How brains make chaos in order to make sense of the world), et non<br />
pas la façon dont le monde donne du sens au chaos.<br />
PREMIERE PARTIE : ANALYSE