cours 2 Flashcards
Un 3e paradigme pour l’étude de la cognition: Connexionisme
- Connexionisme (1986-auj.): associationisme + étude des représentations mentales.
Connexionisme: pas nécessaire de postuler le niveau «programme» pour comprendre la cognition
Entrée — esprit (= cerveau) — sortie
- Opposé du traitement de l’info
- Programme mathématique
- Utilise les connexions: pas besoin de chercher le programme pour trouver la connexion
Un bon modèle de la cognition est un modèle du cerveau
- Réseau de neurones hautement interconnectés
- Traite le signal en parallèle (pas besoin de 2 ans d’attente entre la connexion)
- Apprend en formant des associations (association entre neurones) Un seul ensemble de règles générales (cerveau) (le cerveau fonctionne selon les règles générales: active un neurone, l’autre aussi et ainsi… même chose pour l’inhibition)
Levels of analysis refers to
Levels of analysis refers to the idea that a topic can be studied in a number of different ways, with each approach contributing its own dimension to our understanding.
Applying this idea of levels of analysis to cognition, we can consider measuring behavior to be analogous to measuring the cars performance, and measuring the physiologial processes behind the behavior as analogous to what we learned by looking under the hood And just as we can study what is happening under a car’s hood at different levels, we can study the physiology of cognition at levels ranging from the whole brain, to structures with in the brain to chemicals that create electrical signals within these structures
Réseaux connexionnistes
Couche de neurone artificiel
Couche de neurone d’entrée: stimulus qui frappe le modèle
Unités de sortie: la réponse est communiquée à l’extérieur
Unités cachées: la mémoire
Basée vraiment sur le cerveau !!
Unités d’entrée — unités cachées — unités de sortie
v Réseau de neurones hautement interconnectés
v Traite le signal en parallèle
v Apprend en formant des associations
Toute connaissance -> associations entre des entrée et des sorties (≠règles sur comment ça fonctionne)
v Codage distribué: Unités n’ont pas de signification
Décrit mathématiquement/Simulé par ordinateur
L’ensemble des unités fait un tout, mais seulement les entrées ne servent à rien
Simulation débute avec associations au hasard
v Tabula rasa (rien si pas de stimulus)
Règle d’appr. Hebbienne: «Deux cellules sont activées simultanément de façon répétée tendent à devenir «associées», de sorte que l’activité d’une cellule facilite l’activité de l’autre» (Hebb, 1949, TL)
Avec apprentissage + entraînement avec rétroaction, les réseaux connexionnistes peuvent apprendre:
v Reconnaissance de patrons (LeCun et al., 1989) on présente un stimulus visuel non comprenable en quelque chose de comprenable (ordi qui sont capable de lire des chiffres toute croche) les premiers systèmes faisaient beaucoup d’erreur, alors on a amélioré et maintenant mois de 1% d’erreur. Ex: déposer un chèque en ligne
v Temps de verbe passé (McClelland & Rumelhart, 1986)
v Catégories (McClelland & Rogers, 2004) placer des termes dans certaines catégories
v Et autres… comme les représentations distribuées, la reconnaissance bruitée (cacher une partie d’objet et savoir quand même c’est quoi), apprentissage de catégories…
Pourquoi préférer les réseaux connexionistes aux modèles (symboliques) basés sur le traitement de l’information?
v Plausibilité biologique (?) ça ressemble à un cerveau alors ça doit être bon. Argument très faible
v Apprentissage autonome: très peu d’info pour avoir un résultat?
v Certains types d’apprentissage plus faciles à expliquer
- Reconnaissance de patrons, etc.
Ensemble, le traitement de l’info + le connexionnisme pourraient fournir une explication plus complète des processus mentaux
v Modèles hybrids (revoir)
Encore une autre approche : neurosciences
- Neuroscience cognitive (Années 80-auj.):
mesures béhaviorales/neurologiques employées pour proposer des théories à propos de l’esprit
A pris plus de temps à développer car les méthodes n’étaient pas encore assez avancées
Neuroscience cognitive
v Une branche de la neuroscience impliquant l’étude des mécanismes neuronaux de la cognition
Théories cognitives — mesures béhaviorales — mesures neurologiques
Roue sans fin (voir notes)
Béhaviorale: on peut valider/invalider les hypothèse et mettre à jour
Neurologique: nous oriente sur les théories, lorsqu’on compare comportement et neuro = permet d’identifier l’emplacement de certains processus cognitifs à l’intérieur du cerveau
Chevauche la psychologie cognitive, mais:
v Psychologie: comprendre l’esprit
v Neuroscience cognitive: comprendre comment les processus mentaux se déroulent dans le cerveau (comment les processus de l’esprit se déroule dans le cerveau)
Le cerveau: Représentation
Études de neurones uniques
- Détecteur de caractéristiques (découverte importante): neurone spécifique à des orientations (neurone sensible à certaines fonctions) lorsqu’on voit un objet complexe = activation de détecteurs complexes
They called these neurons feature detectors because they responded to specific stimulus features such as orientation, movement, and length.
- Stimuli complexes
- Neurones miroirs
Aires cérébrales spécialisées
Encodage
- Spécifique (Specificity coding)
- Distribué (Population coding)
- Semi-distribué (Sparse coding)
Détecteurs de caractéristiques
Hubel & Wiesel (1959+)
In the 1960s, Hubel and Wiesel started a series of experiments in which they presented visual stimuli to cats
v Éléments primitifs, «blocs de construction» pour la perception
v Cellules simples
- Orientation
v Cellules complexes
- Directionalité
- Angles droits
- Courbes…
Objets complexes: ensemble de détecteurs
The idea that feature detectors are linked to perception
was supported by many different experiments.
One of these experiments involved a phenomenon called experience-dependent plasticity, in which the structure of the brain is changed by experience. For example, when a kitten is born, its visual cortex contains feature detectors that respond to oriented bars. Normally, the kitten’s visual cortex contains neurons that respond to all orientations, ranging from horizontal to slanted to vertical, and when the kitten grows up into a cat, the cat has neurons that can respond to all orientations.
But what would happen if kittens were reared in an environment consisting only of
verticals? Blakemore and Cooper (1970)
Colin Blakemore and Graham Cooper (1970) answered this question by rearing kittens in a space in which they saw only vertical black and white stripes on the walls. After being reared in this vertical environment, kittens batted at a moving
vertical stick but ignored horizontal objects. The basis of this lack of response to horizontals became clear when recording from neurons in the kittens’ brains revealed that the visual cortex had been reshaped so it contained neurons that responded mainly to verticals and had no neurons that responded to horizontals. Similarly, kittens reared in
an environment consisting only of horizontals ended up with a visual cortex that contained
neurons that responded mainly to horizontals. Thus, the kittens’ brains had been shaped to respond best to the environment to which they had been exposed.
Perception et traitement hiérarchique
v Image touche la rétine
v Détecteurs simples
v Activité de cellules simples transmise aux cellules complexes
v Transmission du signal des aires primaires aux aires plus complexes visuelles
v Traitement hiérarchique de caract. jusqu’à création d’objet dans l’esprit
We saw that neurons in the visual cortex respond to simple stimuli like oriented bars, neurons in the temporal lobe respond to complex geometrical stimuli, and neurons in another area of the temporal lobe respond to faces.
What is happening is that neurons in the visual cortex that respond to relatively simple stimuli send their axons to higher levels of the visual system, where signals from many neurons combine and interact;
neurons at this higher level, which respond to more complex stimuli such as geometrical objects, then send signals to even higher areas, combining and interacting further and creating neurons that respond to even more complex stimuli such as faces. This progression from lower to higher areas of the brain is called hierarchical processing.
Stimuli complexes
Gross et al. (1972)
v Macaques: Cortex inférotemporal
v Neurones spécifiques à objets
Une main devant le projecteur = active neurones
Mains = associé dans le cerveau
Pas une main qui active nécessairement, mais une main de singe = 6
Stimuli complexes spécialisés
Visages (Rolls & Tovee, 1995)
v Cortex temporal visuel de singes macaques
v Exemples d’images
Comparer l’activation des neurones soit visage vs non-visage
Taux d’activation = certains neurones quand on présente visage = ultra activité
v Neurones répondent aux visages en général
Neurone miroir
(répond à, humains, intentions, empathie et autisme)
Neurone qui s’active lorsqu’un animal ou humain agit, ET lorsque l’animal ou humain observe la même action (but: comprendre/prédire/apprendre)
Répond à:
v Gestes de la main
v Actions de la bouche
v Gestes faciaux
v Son des actions (pas juste vision)
v Relativement spécifique, de façon multisensorielle
Ex: qqun qui lance un ballon, j’entends et les neurones sont activés
Humains
v ≠ neurones uniques (moins précis) – IRMf
v Système développé avant 12 mois
v Aide jeunes enfants à comprendre actions des autres
Intentions:
v Neurone peut «séparer l’intention de l’action»
Spécifique non seulement à une action, mais aussi à l’invention derrière l’action
Je prends le ballon dans mes mains, c’est quoi mon intention.
Neurone pour prendre le ballon et avoir une intention. Et un autre neurone pour prendre le ballon et le lancer
Empathie:
v Régions activées lorsque l’on ressent une émotion ou voit quelqu’un d’autre en faire l’expérience
v Pas les mêmes régions que main/bouche
v Plus d’empathie = Plus d’activation pour ce système
Seulement par humain
Plus gros score d’empathie, plus la région est activée
Autisme :
v Différences au niveau EEG (vs. Neurotypiques)
v Autisme causé par déficit du système miroir?
Neurone miroir couche plus mince chez les autistes
Aires spécifiques
visage, endroit, partie du corps
Visages
v Aire fusiforme des visages (FFA)
v Cortex inférotemporal
v Expertise aussi? ***
Aire qui était strictement activé par les visages
Pu exactement exact aujourd’hui
Endroits
v Aire des endroits parahippocampique
v Cortex inférieur temporo-occipital
Si on présente des images d’endroit = activé
Objet = pas activé
Parties du corps
v Aire du corps extrastriée
v Cortex visuel extrastrié
Visage n’active pas les neurones
On one hand, the results confirm the earlier research that identified specific areas of the brain responsible for the perception of specific types of stimuli like faces, places, and bodies. On the other hand, these new results reveal a map that stretches over a large area of the cortex. As we will now see, even though there is a great deal of evidence for localization of function, we need to consider the brain as a whole in order to understand the physiological basis of cognition.
The explanation—that different areas respond to different features of humans—illustrates a central principle of cognition: most of our experience is multidimensional. That is, even simple experiences involve combinations of different qualities.
Neural networks are interconnected areas of the brain that can communicate with each other. The idea of neural networks is a logical extension of the idea of distributed processing, because it makes sense that if many areas are involved in a particular type of cognition, that they might be connected.
