Cours 2 - Neuroscience cognitive Flashcards
Associationisme + étude des représentations mentale
Le connexionnisme
Le connexionisme soutient qu’il n’est pas nécessaire de postuler le niveau programme pour ___
pour comprendre la cognition
Esprit = ___
cerveau
Un bon modèle de la cognition est un modèle du cerveau (5)
- Réseau de neurones neurones hautement interconnectés
- Traite le signal en parallèle
- Apprend en formant des associations
- Toute connaissance → associations, pas règles
- Codage distribué : unités n’ont pas de signification
Le connexionisme –> simulation débute avec associations ___
au hasard (tabula rasa)
Règle d’appr. Hebbienne
« Deux cellules […] activées simultanément de façon répétée tendent à devenir « associées », de sorte que l’activité d’une cellule facilite l’activité de l’autre »
Avec apprentissage + entraînement avec rétroaction, les réseaux peuvent apprendre (3)
- Reconnaissance de patrons (LeCun et al., 1989)
- Temps de verbe passé (McClelland & Rumelhart, 1986)
- Catégories (McClelland & Rogers, 2004)
Etc…
Mesures béhaviorales/neurologiques employées pour proposer des théories de l’esprit
Neuroscience cognitive
Neuroscience cognitive –> Une branche de la neuroscience impliquant l’étude des ___
mécanismes neuronaux de la cognition
Mesures béhaviorales en neuroscience cog. (3)
- Taux d’erreurs
- Temps de rxn
- Jugements de confiance
Mesures neurologiques en neuroscience cog. (3)
- IRM/IRMf/TEP
- Potentiels évoqués
- EEG
La neuroscience cog. chevauche la psychologie cognitive MAIS ___ (2)
- Psychologie : comprendre l’esprit
- Neuroscience cognitive : comprendre comment les processus mentaux se déroulent dans le cerveau
Selon Hubet et Wiesel, les neurones sont des détecteurs de
caractéristiques
Éléments primitifs, blocs de construction » pour la perception
Hubel et Wiesel (1959+)
Types de cellules selon Hubel et Wiesel (1959) (3)
- Simples (orientation)
- Complexes (directionalité, angles droits, courbes)
- Objets complexes: ensemble de détecteurs
Perception et traitement hiérarchique (5)
- Image touche la rétine
- Détecteurs simples
- Activité de cellules simples transmise aux cellules complexes
- Transmission du signal des aires primaires aux aires plus complexes visuelles
- Traitement hiérarchique de caract. jusqu’à création d’objet dans l’esprit
Stimuli complexes (3)
- Gross et al. (1972)
- Macaques: Cortex inférotemporal
- Neurones spécifiques à objets
Stimuli complexes spécialisés (3)
- Visages (Rolls & Tovee, 1995)
- Cortex temporal visuel de singes macaques
- Neurones répondent aux visages en général
Neurone qui s’active lorsqu’un animal ou humain agit, ET lorsque l’animal ou humain observe la même action (but) comprendre/prédire/apprendre)
Neurones miroirs
Un neurone miroir répond a __ (5)
- Gestes de la main
- Actions de la bouche
- Gestes faciaux
- Son des actions (pas juste vision)
- Relativement spécifique, de façon multisensorielle
Les neurones miroirs chez l’humain (3)
- ≠ neurones uniques (moins précis) – IRM
- Système développé avant 12 mois
- Aide jeunes enfants à comprendre actions des autres
Neurones miroirs –> intentions (2)
- Neurone peut « séparer l’intention de l’action
- Pour une même action, si l’intention perçue par le cerveau est différente, un neurone miroir différent sera activé
Neurones miroirs –> empathie (3)
- Régions activées lorsque l’on ressent une émotion ou voit quelqu’un d’autre en faire l’expérience
- Pas les mêmes régions que main bouche
- Plus d’empathie = Plus d’activation pour ce système
Aires cérébrales spécialisées –> Endroits (2)
- Aire des endroits parahippocampique
- Cortex inférieur temporo-occipital
Aires cérébrales spécialisées –> Visages (3)
- Aire fusiforme des visages (FFA)
- Cortex inférotemporal
- Paréidolie → voir des visages ou il n’y en a pas
Encodage - Possibilités (3)
- Spécifique
- Distribué
- Semi-distribué (sparse)
Aires cérébrales spécialisées –> Parties du corps (2)
- Aire du corps extrastriée
- Cortex visuel extrastrié
Spécifique (specificity coding) (2)
- Cellules grand mere (Barlow)–> chaque neurone activé par stimulus spec.
- Avantage: simplicité
Spécifique (specificity coding) – Problemes (4)
- Petite capacité de représentation
- Problème d’invariance
- Aucune généralisation
- Mort d’un neurone?
Distribué (population coding) (2)
- Plus réaliste –> Grand ensemble commun de neurones pour plsrs objets différents
- Problemes –> Trop de ressources cerebrales requises
Distribué (population coding) – Avantages (3)
- TRÈS Grande capacité de représentation
- Dégradation progressive
- Bonne généralisation
Semi-distribué (sparse coding)
- Encore plus réaliste –> ensemble limité de neurones pour coder un ensemble d’objets différents