cours 3 : perception de la couleur Flashcards
Les modèles mathématiques utilisent un … et des … pour décrire des phénomènes psychologiques et/ou neuraux
langage
équations mathématiques
quelles sont les différents modèles computationnels ?
- efficient coding models (Horace Barlow, 1961)
- modèles bayésiens
- réseaux de neurones artificiels (ANN) –> apprentissage profond (deep neural nets DNN)
c’est quoi les modèles bayésiens ?
un modèle qui utilise les statistiques bayésiennes pour construire des prédictions à partir des connaissances antérieures de l’environnement
–> faire des prédictions sur ce qui s’envient, selon la situation présente
c’est quoi le efficient coding model ?
ce sont des modèles computationnels qui découvrent la prédictibilité dans l’input sensoriel pour encoder le monde efficacement.
Lorsqu’on regarde une image, le cerveau encode d’abord le stimulus (ex. image de scène naturelle) puis le décode pour générer une représentation mentale de l’image (percept).
Le efficient coding model s’intéresse particulièrement à la première partie …
lorsque le cerveau encode l’information.
Expliquez l’hypothèse du efficient coding model proposé par Barlow grâce à l’exemple de l’image du paysage vu en cours
- Les info sont transmises d’un neurone à l’autre sous forme de PA.
- les potentiels d’action du système visuel (pour reprendre l’exemple d’image) forment une sorte de ‘‘code neuronal” qui permet au cerveau de traiter efficacement les informations du monde extérieur (genre image de paysage)
- Pour être efficace, il faudrait que le message (le code) soit transmis avec un nombre minimal de potentiel d’action.
- le cerveau a un ‘‘format’’ plus efficace pour encoder le monde extérieur. Pour être efficaces, les informations sensorielles sont encodées pour être représentatives du monde extérieur.
c’est quoi le principe de l’énergie disponible de Karl Friston (étroitement lié aux modèles bayésiens ?)
une formulation explicite qui explique comment les systèmes vivants et non-vivants sont en états non-équilibrés mais stables en se limitant à une quantité limitée d’états possibles
–>le principe de l’énergie disponible est une façon d’interpréter comment est organisée la vie (incluant les cellules, le cerveau, etc.) avec une fonction mathématique.
ex: « Si je déduis que je touche mon nez avec mon index gauche, mais que mes propriocepteurs me disent que mon bras est suspendu à mon côté, je peux minimiser les signaux d’erreur de prédiction de mon cerveau en levant ce bras et en appuyant un doigt sur le milieu de mon visage. »
quelles sont les 4 principes de l’énergie libre ?
- homéostasie
- minimisation de l’énergie libre
–> Minimiser l’énergie libre (une mesure de l’incertitude ou de la surprise aux stimuli), cad réduire l’écart entre les prédictions et les entrées sensorielles - modèles prédictifs
–> Ces modèles sont continuellement mis à jour en fonction des erreurs de prédiction (la différence entre les prédictions et les expériences réelles) - adaptation et apprentissage
–> Le cerveau apprend des régularités de leur environnement pour faire de meilleures prédictions et ainsi minimiser l’énergie libre
Qui sont McCulloch et Pitts, et qu’est-ce qu’ils ont fait en 1943 ?
les premiers a montré que des réseaux de neurones artificiels pourraient effectuer des opérations de calcul complexes
C’est quoi les Réseaux de neurones artificiels (Artificial Neural Networks) ?
Des neurones biologiques sont simulés avec des modèles à couches traitant l’input, et massivement interconnectés avec des unités d’output qui peuvent soit s’exciter ou s’atténuer mutuellement
–>très grand nombre de couches
Les réseaux neuronaux artificiels (artificial neural network) reposent sur le principe que …
le cerveau humain est composé de réseaux de neurones interconnectés.
Pourquoi les ANNs simulent les réseaux de neurones ?
- Pour que le modèle prenne des décisions semblables au cerveau humain.
- Les ANN utilisent différentes couches (niveaux) de traitement d’information, avec pour unité de calcul les neurones artificiels.
- La structure ANN comprend :
1. la couche d’entrée (entrée de données)
2. une ou des couches cachées (traitement d’information)
3. la couche de sortie (ce que ton modèle décide de générer en fonction de tes données)
qu’est ce qu’a montré Geoffrey Hinton (ANN) ?
(Yoshua Bengio, Yann Le Cun)
dans son labo, première fois qu’on est capable de prédire des catégories d’objet (avec 1.5 millions d’images annotés)
C’est quoi le Deep Learning ?
Une branche de l’apprentissage automatique (machine learning) en IA, qui cherche à imiter la fonction de traitement des données du cerveau humain et donc, de créer des modèles similaires à ceux utilisés par le cerveau pour prendre des décisions.
C’est quoi la différence entre ANN et DNN ?
- Déf très proche, les deux cherchent à imiter le fonctionnement du cerveau humain
- Diff : l’apprentissage profond (DNN, deep learning) apprend à chaque fois qu’il transforme et extrait des caractéristiques (features).
–> Pour y arriver, il utilise des réseaux neuronaux artificiels (ANN) (couche d’entrée, couche de sortie et couches cachées). Les deux sont donc étroitement liés. Sans les réseaux neuronaux (ANN), l’apprentissage profond n’existerait pas.
Les DNN (Deep Neural Networks) / apprentissage profond sont excellent pour…
des tâches de catégorisation
–> reconnaître objets et leurs catégorie
–> comprendre le langage parlé
avons-nous des connaissances véridiques (aboutissement) du monde extérieur ?
il existe une correspondance entre nos perceptions et le monde extérieur
–> notre appareil perceptif est bien adapté à l’environnement
est-ce qu’on acquiert toutes les connaissances (le processus) du monde extérieur
nous avons conscience seulement du produit final de nos processus perceptuels
mais les chercheurs en vision s’intéressent à tous les processus, conscients et inconscients
Qu’est-ce qu’un paradoxe?
C’est un énoncé qui mène à une contradiction
Qu’est-ce qu’un pseudo-paradoxe (un sophisme)?
C’est un énoncé qui semble mener à sa négation; le raisonnement ne résiste pas à l’analyse
–> ex gruyère
C’est quoi le pseudo-paradoxe de la perception ?
si le monde est tel que nous le percevons, notre système visuel est aussi tel que nous le percevons :
le monde tridimensionnel se projette donc sur nos deux rétines bidimensionnelles
et, par suite, il y a une gigantesque perte d’information
donc le monde n’est pas tel que nous le percevons
définir lumière
bande étroite de radiation électromagnétique qui peut être conceptualisée comme une onde ou un flux de photons
définir photons
un quantum de lumière visible (ou autre forme de radiation électromagnétique) qui possède de propriétés matérielles (particule) et ondulatoires
–> particule qui a une fréquence electromag particulière et qui voyage
pour percevoir les couleurs, il faut être capable de voir…
la lumière