23.06.2013 Views

Thèse Sciences Cognitives - Olivier Nerot

Thèse Sciences Cognitives - Olivier Nerot

Thèse Sciences Cognitives - Olivier Nerot

SHOW MORE
SHOW LESS

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 />

à permis d’observer la manifestation de ces propriétés de l’encodage dans nos réseaux<br />

(Chapitre 8, Anticipation du forçage des dynamiques, p.185).<br />

2.4 Conclusion<br />

Les dynamiques d’un système peuvent encoder une information en utilisant les phases<br />

des dynamiques locales du système. L’un des encodages les plus riches consiste à utiliser les<br />

phases de populations neuronales, ce qui permet de conjuguer modularité et synchronisme, par un<br />

encodage à la fois spatial et temporel. Une idée serait donc d’utiliser les dynamiques individuelles<br />

des neurones du réseau pour faciliter ces potentialisations de synchronisme de populations<br />

neuronales. Les dynamiques chaotiques à l’échelle du neurone peuvent jouer un tel rôle, grâce à<br />

leur capacité de synchronisation :<br />

Le moi neuronal élabore des images-mouvement...<br />

Ce chaos cérébral global (moyenne des dynamiques individuelles), peut alors être<br />

représentatif de l’état mental du sujet (moyenne de ses comportements). Mais il semble peu<br />

probable que ce chaos soit l’encodage brut des percepts mémorisés, et encore moins probable<br />

que l’attracteur stabilisé soit cet encodage. Il serait en effet surprenant que le système dynamique<br />

cérébral, évoluant dans un espace de phase de très grande dimension, doive se stabiliser sur son<br />

attracteur pour évoquer un concept. Cela supposerait que le système possède une représentation<br />

interne de l’attracteur à atteindre, et une mesure de la distance à cet attracteur, afin de pouvoir<br />

autoriser le système à quitter cet attracteur. Notre perception devrait alors être ‘échantillonnée’<br />

pour permettre au système de passer d’un attracteur à l’autre, afin de percevoir chaque concept<br />

associé.<br />

Nous pensons donc qu’il est plus probable que les dynamiques cérébrales sont rarement<br />

stabilisées sur un des attracteurs des dynamiques neuronales, et ainsi que le chaos n’est pas un<br />

support d’encodage, mais est un ‘outil’, mettant ses propriétés au service de l’activité mentale. La<br />

première de ces propriétés est celle d’une capacité de synchronisation des systèmes dynamiques<br />

chaotiques par perturbation de ceux-ci, en déplaçant l’état de ses systèmes sur une même fibre<br />

isochrone. L’information extérieure sera donc assimilée à une perturbation pour le système. La<br />

seconde propriété est celle de sensibilité aux conditions initiales, permettant aux systèmes<br />

dynamiques neuronaux de se désynchroniser à la disparition du percept.<br />

Nous envisagerons donc le chaos plus comme une manifestation du système cérébral,<br />

dont les propriétés permettent au système de s’adapter à son environnement.<br />

Mais comment est réalisée cette synchronisation, cette diminution de la complexité lors de<br />

l’apprentissage ? Quel peuvent être les principes d’une telle évolution des dynamiques ?<br />

La réponse proposée (Chap. 5, Un modèle connexionniste de la mémoire, p.95) fait du<br />

forçage le principe de base de l’apprentissage, allant au-delà d’une technique utilisée dans<br />

l’apprentissage des réseaux récurrents : nous chercherons à inscrire le phénomène de<br />

reconnaissance dans un cadre de maximisation de l’autonomie (en niant le principe de recherche<br />

ENCODAGE DYNAMIQUE, MEMOIRE ET CHAOS 61

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!