Décoder l’esprit à l’aide de l’intelligence artificielle
Les modèles mentaux sont des représentations cognitives créées par le cerveau pour prédire et interpréter le monde extérieur. Ils permettent d’anticiper les conséquences de nos actions, de comprendre l’environnement et de guider nos processus de décision. Ces modèles sont continuellement mis à jour et affinés en fonction des nouvelles données sensorielles et du retour d’information de l’environnement, ainsi que des expériences passées et des connaissances acquises. Par exemple, lorsqu’une personne tend la main pour saisir un objet, son cerveau utilise un modèle mental pour prédire les réactions sensorielles attendues qui résulteront de cette action, en fonction du poids et de la texture de l’objet, ainsi que des forces qu’elle exerce pour le saisir. Une fois l’objet saisi, le cerveau compare alors le retour sensoriel réel avec les prédictions générées par le modèle mental et met à jour ce dernier pour les actions futures.
Comprendre les représentations internes du cerveau
Financé par le Conseil européen de la recherche, le projet COGTOM s’est attaché à révéler la richesse des représentations internes de l’être humain qui sous-tendent son comportement adaptatif. «Les représentations internes sont supposées faire partie intégrante du fonctionnement de notre esprit, mais elles ne sont pas directement observables, ce qui constitue un défi important pour les sciences cognitives», explique Máté Lengyel, chercheur associé. Bien qu’il soit facile à observer dans un cadre expérimental, le comportement dépend des représentations internes de l’esprit de manière souvent complexe et indirecte. L’objectif de COGTOM consistait à mieux comprendre comment l’esprit construit des modèles mentaux pour la perception, la prise de décision, le contrôle des mouvements et l’interaction avec les autres.
Modélisation des capacités cognitives du cerveau
Le chercheur a eu recours à l’apprentissage automatique, l’approche dominante en matière d’IA, qui repose sur des algorithmes capables d’apprendre à partir des données. Il est possible d’appliquer des outils avancés d’apprentissage automatique à l’analyse de vastes ensembles de données collectées régulièrement dans le cadre d’expériences actuelles en neurosciences et en sciences cognitives. En outre, dans le cadre de COGTOM, l’apprentissage automatique a également fourni un cadre théorique pour formaliser mathématiquement la manière dont les êtres humains tirent des enseignements de leur expérience et prennent des décisions. L’équipe a testé des modèles bayésiens pour leur applicabilité aux données comportementales humaines afin d’expliquer comment le cerveau traite et intègre les informations sensorielles pour prendre des décisions optimales. Les modèles bayésiens supposent que le cerveau intègre des connaissances ou des attentes préalables aux données sensorielles entrantes. Ensuite, à l’aide d’une série d’observations comportementales, les chercheurs du projet ont reconstruit un modèle mental détaillé lié à l’évolution des capacités cognitives supérieures de l’être humain au fil du temps. Les chercheurs ont appliqué cette approche à plusieurs ensembles de données expérimentales liées à l’apprentissage perceptif et à l’apprentissage des structures visuelles et motrices. Ils ont également entrepris des analyses approfondies des mouvements oculaires, reconnaissant leur rôle essentiel dans l’amélioration de la précision et de la richesse avec lesquelles il est possible de dériver des modèles mentaux à partir de données comportementales. COGTOM a dévoilé le processus par le biais duquel les humains segmentent leur flux continu d’expériences en contextes distincts. Cette segmentation influence grandement la manière dont les individus créent, mettent à jour et expriment des souvenirs qui dépendent du contexte. Les conclusions de COGTOM concernant la capacité exceptionnelle des personnes à apprendre et à intégrer en permanence de nouvelles informations pourraient également aider à surmonter les obstacles actuels en matière d’IA.
Valeur ajoutée de l’IA dans la recherche
«L’importance de l’IA (apprentissage automatique) dans mes recherches va bien au-delà d’une simple valeur ajoutée: la technologie joue un rôle indispensable. Sans les techniques et les cadres théoriques fournis par l’apprentissage automatique, la recherche de COGTOM n’aurait jamais été possible», souligne Máté Lengyel. «En général, les mathématiques offrent le moyen le plus efficace de rendre les théories scientifiques testables et réfutables et d’assurer la cohérence conceptuelle. L’apprentissage automatique fournit plus précisément le langage mathématique approprié pour incorporer les concepts et les cadres essentiels, afin d’aborder la cognition et la perception. En outre, il est également nécessaire de recourir à des techniques d’apprentissage automatique pour comparer rigoureusement les prédictions de ces théories avec les données.»
Mots‑clés
COGTOM, cerveau, IA, représentations internes, capacités cognitives, modèles bayésiens, modèles mentaux, apprentissage automatique, neurosciences, informations sensorielles
