Cours 1 Flashcards
Qu’est-ce que les neurosciences cognitives?
Ce sont les mécanismes neuronaux qui régissent les capacités cognitives
- Deux mots clés : neurones (tissus nerveux) et mécanismes
- Qu’est-ce qu’un mécanisme? C’est un système qui est organisé avec différentes composantes, et ces composantes interagissent ensemble d’une certaine façon qui va permettre l’émergence d’un phénomène
Qu’est-ce que la cognition?
- Il s’agit entre autres de l’expérience subjective. C’est cette habileté là qu’on a à comprendre le monde qui nous entoure, comprendre notre environnement pour la survie.
- Quels outils possédons nous pour accomplir cette capacité? Nos sens, l’apprentissage (ou expériences), la pensée/le raisonnement (ce qui nous permet de faire des inférences sur le monde)
- Selon les sciences cognitives, quelle est l’unité de base de la connaissance? L’information et la façon dont elle est traitée, voir interprétée
Qu’est-ce que le cadre conceptuel des neurosciences cognitives?
- Ensemble de concepts et leurs relations qui nous permettront de comprendre nos observations. Un peu comme une grille d’analyse
- Le cerveau essaie de se faire au modèle du monde. Il utilise deux autoroutes pour y arriver : le traitement ascendant et descendant
- Traitement ascendant : Nouvelle donnée et erreur de prédiction
o Erreur de prédiction : le cerveau fait des prédiction et lorsqu’une prédiction ne se réalise, il y a ce qu’on appelle l’erreur de prédiction de la récompense. Neurones dopaminergiques sont très importants dans le traitement des prédictions et de l’apprentissage - Traitement descendant : infos qui viennent de nos pensées, expériences antérieurs, cognition de haut niveau. On y trouve des modulations, c’est-à-dire des biais qui vont altérer le traitement du signal et des prédictions
o Prédictions : le cerveau est une machine à prédictions, grâce à nos expériences passées, notre cerveau commence à faire des prédictions. C’est une façon pour lui de régler certains problèmes au niveau du traitement de l’information - Ascendant et descendant réfère à la direction par rapport à où se trouve le SNC et les sens
- On trouve la cognition dans le traitement ascendant, par exemple dans la capacité à reconnaitre les visages ainsi que dans le traitement descendant (modulations)
Qui sont quelques chercheurs qui ont permis de faire avancer les neurosciences dans l’histoire?
- Hippocrates :
o A avancé que la psyché se trouvait dans le cerveau
o À contre-courant de plusieurs de ses contemporains, il conçoit le cerveau comme le siège de la pensée - Descartes :
o A vraiment essayé d’expliquer les pensées humains dans une vision mécanistique
o Son travail reflète les limites de son époque
o D’un côté, il adopte une vision mécanistique (i.e., notion d’automate) pour comprendre certains états mentaux
o De l’autre, il formalise le dualiste de la relation corps-esprit –> la glande pinéale comme site des interactions corps-esprit - de La Mettrie :
o A défendu une vision mécanistique de l’esprit humain
o Développe une philosophie mécanistique de l’homme et la cause de ses comportements –> rejet du dualisme corps-esprit - Franz Joseph Gall :
o Développe localisationniste des habiletés mentales… la phrénologie (qui dit que la taille des parties du cerveau est directement aux facultés mentales)
o Phrénologie : Associe la taille de chaque partie du crâne (et la région cérébrale sous-jacente) directement aux facultés mentales. Comme les muscles, la taille d’une partie reflète l’utilisation et le niveau de compétence pour la faculté mentale correspondante (notion de la plasticité cérébrale) - Noam Chomsky :
o Théorie de la grammaire universelle et de l’apprentissage du langage
o Remise en question du béhaviorisme : Postule l’argument de la pauvreté du stimulus - George Miller :
o Travaux sur les limites de la MDT (le fameux 7 plus ou moins 2) et l’organisation de l’information - Conférence de 1956 à Darthmouth sur l’intelligence artificielle :
o Il y a vraiment eu un changement dans les idées où on a finalement vu à quel point le cerveau pouvait traiter une quantité importante d’informations
o Les machines qui pensent… l’émergence de l’IA
o Atelier scientifique de Darthmouth : chaque aspect de l’apprentissage ou toute autre caractéristique de l’intelligence peut en principe être décrit avec une telle précision qu’une machine peut être conçue pour le simuler - Brenda Milner :
o A étudié patient H.M., qui avait des déficits de mémoire antérograde mais un apprentissage moteur peu affecté - Michael Gazzaniga :
o Un des fondateurs des neurosciences cognitives
o Cerveau scindé. Corps calleux enlevé. 2 consciences? - Avec les travaux de Milner et Gazzaniga, on arrive enfin à un cerveau qui traite l’information
Qui sont trois penseurs qui ont changé le cours des neurosciences?
- Ont mis en place des concepts clés qu’on utilise couramment de nos jours pour comprendre le fonctionnement du cerveau
- Claude Shannon :
o Travaux sur le transfert d’information
–> Information : Réduction de l’incertitude suite à la communication
–> Entropie : Quantification du niveau de l’incertitude quant à l’état du système
o Entropie élevée d’un système signifie que la quantité d’information transmise par une nouvelle donnée à partir d’un système sera élevée (+ de bits requises pour transmettre le message)
o Basse entropie d’un système signifie que la quantité d’information transmise par une nouvelle donnée à partir du système sera basse (- de bits requises pour transmettre le message)
o Émetteur (système) –> Signal (information) –> Receveur
o Dans le transfert d’info, il y a un émetteur qui transmet le signal et un receveur. S’il y a un signal émit par l’émetteur, ça réduit l’incertitude chez le receveur. Plus il y a une grande quantité d’information transmise, plus il va y avoir une réduction de l’incertitude chez le receveur - Alan Turing :
o A mis en place un formalisme qui nous permet de mieux comprendre le concept de computation (la machine de Turing n’est qu’un concept). Il nous décrit donc une machine qui lit l’information et la prend/analyse selon l’algorithme donné pour produire un résultat final. Donc ici on a l’idée de prendre un algorithme et de l’introduire dans une machine, nous permet d’élaborer l’idée de comment une machine peut traiter l’information
o Abstraction mathématique qui décrit une machine physique capable de réaliser n’importe quel algorithme
o 4 composantes :
–> Ruban de taille infinie qui contient un alphabet de taille finie
–> Tête de lecture capable de se déplacer, lire les symboles, les effacer et en écrire de nouveau
–> Table d’instructions qui indiquent les actions de la tête de lecture
–> Registre d’état qui tient en mémoire l’état actuel
–> P.ex., modèles computationnels pour la reconnaissance des visages permettent de comprendre quelles sont les computations que font les neurones impliqué dans ce type de tâche - David Marr :
o Il nous dit que le cerveau est un système de traitement, et que le meilleur moyen de décrire ce que font les neurones est de décrire les différents niveaux.
o Concept important : isomorphisme (signifie que la structure doit être similaire) donc la structure de l’algorithme doit être similaire au niveau cérébral. Une fois qu’on a réglé les trois niveaux, nous permet de comprendre comment le cerveau reconnait des visages
o Propose de décrire la vision en 3 étapes :
1) Niveau computationnel : Quel problème le système tente-t-il de résoudre? Description et spécification du problème de façon générique
2) Niveau algorithmique : Quel type de transformation de l’information permet de résoudre le problème? Un ensemble de règles (si a donc b) et de calculs *le pont entre le niveau computationnel et l’implémentation
3) Niveau d’implémentation : Comment l’algorithme est-il réalisé physiquement? Isomorphisme entre l’algorithme et la réalisation physique (p.ex., logique binaire et transistor) * Explication mécanistique (causale) de la cognition
Qu’est-ce que la notion de représentation?
o Concepts et catégories mentales (implicites et explicites) sont encodés par l’activité et les patrons de connexion de population de neurones. Les représentations reflètent la façon dont les hindi individus organisent et catégorisent l’information
o Neurones encodent des catégories, des prototypes, des façons de classifier, des concepts dans le monde, des catégories mentales que se fait le cerveau. Une représentation n’est pas seulement visuelle, une représentation c’est manière de systématiser l’information dans le cerveau. Il y a une perte d’information dans la représentation mais elle est pratique car elle a conservé des informations critiques. P.ex., la carte géographique est une représentation de Barcelone, elle représente la distance entre les rues mais elle n’a pas retenu la température, la densité de population entre autres. Il y a une réduction dans l’encodage des informations pour une représentation.
o Représentations neuronales distribuées car de cette manière, on peut encoder plus d’éléments (multiplie la quantité de possibilité d’encodage)
Qu’est-ce que la notion de modularité et de modules?
Modularité :
o La phrénologie moderne au centre de l’émergence des sciences cognitives?
o Information est traitée par un ensemble de modules
o Module : système de traitement indépendant
o Entrée –> Transformation de l’information, algorithme –> sortie
o Un peu les différentes architectures pour comprendre le cerveau. Souvent aujourd’hui, pour comprendre le cerveau, on va faire appel à la modularité. Un module c’est un système de traitement d’information indépendant, un peu comme une boite noire, qui produit un algorithme très simple
o Une phrénologie moderne au centre de l’émergence des sciences cognitives
Modules :
o Spécifique à un domaine de traitement de l’information –> fonction spécialisée (p.ex., syntaxe d’une langue) –> traitement simple (pas d’algorithme complexe) et rapide
o Traitement automatique
o Information encapsulée (pas d’accès à la boite noire). On dit que l’information est encapsulée, on ne peut pas modifier l’information dans le module, on a seulement accès à ce qui entre et ce qui en sort
o Traitement en parallèle de l’information
o Organisation ontogénétique (et même phylogénétique selon certains) –> régularité dans le développement
Quelles sont les évidences neuroscientifiques en faveur de la modularité?
o Phineas Gage : Dommage aux lobes frontaux mènent à des changements comportementaux liés à l’impulsivité
o Aire de Broca : Aires liées à la production et à la compréhension du langage
o Traitement des visages : prosopagnosie
o Détecteurs de bars (colonnes verticales)
Quelles sont donc les bases en neurosciences cogntives?
- Le cerveau est un système de traitement d’information qui comprend l’implémentation d’algorithmes qui opèrent sur les représentations neuronales. L’architecture du cerveau comprend un certain niveau de modularité
- Ces éléments expliquent nos capacités à percevoir, raisonner, apprendre et agir.
Qu’est-ce que la rétro-ingénierie?
- Étudier un objet de façon déductive pour en comprendre le fonctionnement interne. Quels sont les fonctions qui permettent à l’objet d’accomplir ses tâches
- On essaie de déduire quelles sont les différentes fonctions, quels sont les différents algorithmes dans le cerveau
- Le coût ($), de même que certains aspects techniques et pratiques sont de facteurs majeurs dans le choix d’une modalité en neuroimagerie
Quels sont les éléments de base qui ont permis l’avènement de la neuroimagerie?
- On évalue les outils de neuroimagerie selon deux dimensions : résolution spatiale vs temporelle
- Nature du signal : activité du neurone, couplage neurovasculaire, métabolisme cellulaire
- C’est vraiment la nature du signal qui va en parti déterminer la résolution spatiale et temporelle
- Expertise joue aussi un rôle dans le choix d’une modalité
