Après nous avoir appuyés pendant plus de dix ans, des resserrements budgétaires ont forcé l'INSMT à interrompre le financement du Cerveau à tous les niveaux le 31 mars 2013.

Malgré tous nos efforts (et malgré la reconnaissance de notre travail par les organismes approchés), nous ne sommes pas parvenus à trouver de nouvelles sources de financement. Nous nous voyons contraints de nous en remettre aux dons de nos lecteurs et lectrices pour continuer de mettre à jour et d'alimenter en contenu le blogue et le site.

Soyez assurés que nous faisons le maximum pour poursuivre notre mission de vulgarisation des neurosciences dans l'esprit premier d'internet, c'est-à-dire dans un souci de partage de l'information, gratuit et sans publicité.

En vous remerciant chaleureusement de votre soutien, qu'il soit moral ou monétaire,

Bruno Dubuc, Patrick Robert, Denis Paquet et Al Daigen






lundi, 12 décembre 2016
« La cognition incarnée », séance 14 : Minimisation de l’énergie libre et codage prédictif (anticiper l’environnement pour agir plus efficacement)

Comme à chaque lundi de cet automne, voici un bref aperçu de la dernière séance du cours sur la cognition incarnée que je donnerai mercredi prochain à 18h au local A-1745 de l’UQAM.  [les présentations en format pdf sont disponibles ici]

Nous arrivons donc au terme de cette aventure avec cette semaine un sujet pas facile car encore relativement nouveau pour plusieurs (bien qu’il soit apparu progressivement dans la littérature scientifique depuis au moins dix ou quinze ans). Il s’agit du codage ou du traitement prédictif du cerveau (« predictive coding » ou « predictive processing »), bref cette idée assez révolutionnaire de considérer le cerveau comme étant essentiellement une machine à faire des prédictions (un cas particulier de ce que l’on appelle aussi le « Bayesian Brain »).

Je tenais à aborder ce sujet pour conclure ce cours car c’est une conception extrêmement synthétique et rassembleuse par rapport aux thématiques déjà abordées dans les séances précédentes (j’ai reproduis ci-dessous le plan du cours avec en rouge des concepts déjà abordés qui se retrouvent intégrés dans l’approche du cerveau prédictif).

Le problème cependant, c’est qu’étant personnellement tombé sur cette littérature il y a à peine un an, je serais bien en peine de l’enseigner dans toutes ses subtilités et ses implications. Fort heureusement, on a la chance d’avoir à Montréal plusieurs personnes qui s’y intéressent de près et y ont déjà apporté des contributions importantes dans la littérature spécialisée.

C’est le cas du philosophe Maxwell Ramstead qui nous fera le plaisir de nous présenter ce domaine mercredi. J’en profite pour le remercier, à la fois pour les explications qu’il m’a déjà patiemment fournies pour m’initier à cet univers avec tout un vocabulaire spécifique, mais aussi évidemment pour les trois heures qu’il a accepté de passer avec nous mercredi.

Je vous ne pourrai donc vous faire aujourd’hui qu’une présentation très sommaire de l’idée générale de cette approche. Pour rentrer vraiment dans le sujet, il faudra venir vous joindre à nous mercredi (pourquoi pas ? c’est le dernier cours, allez, je vous invite !) ou voir à partir de jeudi dans la section du cours de la page l’École des profs si j’aurai pu y mettre la présentation.

Le cerveau serait donc fondamentalement une machine à faire des prédictions. Et pour ce faire, il utiliserait surtout les erreurs de ses prédictions afin de modifier ses comportements et/ou ses modèles internes du monde.

Pour citer Andy Clark, l’un des philosophes les plus actifs dans ce domaine:

« This image of the brain […] as an engine of prediction is a simple and quite elegant one that can be found in various forms in contemporary neuroscience.

[…] Brains like that are not cognitive couch-potatoes, passively awaiting the next waves of sensory stimulation. Instead, they are pro-active prediction engines constantly trying to anticipate the shape of the incoming sensory signal.”

Malgré le fait, comme on le sait, que le cerveau est un bricolage de l’évolution qui a tendance à réutiliser d’anciennes régions pour de nouvelles fonctions, il pourrait néanmoins y avoir quelques grands principes au cœur de son fonctionnement, guidé par des règles de frugalité et de minimisation de « l’énergie libre » (un concept spécialisé, central dans cette approche, et que l’on peut faire équivaloir grosso modo au désordre, à l’entropie, en quelque sorte…).

Mais faisons un pas en arrière pour mieux sauter par la suite. La vision traditionnelle du traitement cognitif pose que le cerveau est un détecteur d’objets ou de propriétés de ces objets dans le monde, et par conséquent une sorte d’agrégateur de bas en haut « bottom up ». Autrement dit, dans cette conception classique, le « bottom up » est le signal qui « drive » la perception et le contrôle de haut en bas (ou « top down ») ne fait que moduler ce signal.

On avait commencé à remettre cette vision des choses en question avec le concept d’affordances à la séance 11, alors que le cerveau était déjà davantage considéré comme le contrôleur d’actions déclenchées par ces opportunités d’action que sont les affordances.

Et maintenant, avec le « cerveau prédictif », on en arrive à parler d’un rôle central pour l’« action oriented predictive processing ». En d’autres termes, on assiste à une inversion complète de la conception classique : c’est le « top down » qui génère constamment des modèles sur le monde et le « bottom up » ne fait que l’informer des erreurs qu’il va commettre en fonction des indices de ce qui se passe dans monde que nos sens vont capter. Donc le « top down » s’occupe de générer des prédictions et le « bottom up », par rétroaction, lui dit si la correspondance avec le monde est plutôt bonne ou plutôt mauvaise.

Et ce que cherchera constamment à faire un être vivant, c’est de minimiser l’erreur de ses prédictions, cet écart qui, s’il est trop grand, peut faire sortir l’animal de sa fenêtre de viabilité, autrement dit, le tuer. Confondre constamment une roche avec un lièvre serait par exemple une erreur fatale pour un lynx…

Et l’on voit ici apparaître toute la portée de cette approche qui s’enracine, comme les différentes approches incarnées considérées la semaine dernière, dans le corps des organismes vivants et dans la finalité qu’ils ont de maintenir leur identité (autopoïétique), c’est-à-dire de maintenir leur structure contre l’entropie croissante qui cherche constamment à la détruire.

Pour minimiser continuellement l’erreur de ses modèles prédictifs (pour réduire la « surprise », pour employer un autre terme spécialisé de cette discipline), le cerveau va avoir deux possibilités : soit modifier son modèle ou le changer carrément lorsqu’il ne correspond pas à la réalité (et cela correspond à tous les processus de plasticité dont on a déjà parlé ici); ou soit changer le monde pour qu’il corresponde davantage à notre modèle si l’on est par exemple convaincu qu’il est le bon (et cela va correspondre à une action sur ce monde, autrement dit à nos comportements). Cette deuxième option est aussi ce que Karl Friston, sans doute LA sommité dans le domaine, appelle l’inférence active (« active inference »).

On voit donc comment deux aspects fondamentaux des sciences cognitives se trouvent ainsi liés dans une logique de modèle prédictif voué à réduire l’écart entre « ce que nous pensons » et « comment va le monde ». Juste cela, quand on y pense bien, c’est assez éclairant et remarquablement englobant comme théorie cognitive générale, et comme théorie du vivant tout court, serait-on porté à ajouter.

N’ayant pas les compétences, comme je l’ai mentionné, pour rentrer dans la complexité de cette approche, je compléterai qu’en évoquant quelques autres avantages de considérer la cognition comme la réduction d’erreurs à partir de modèle prédictifs.

D’abord on sauve beaucoup en bande passante, si l’on me permet cette métaphore Internet, car ce qui monte dans les couches plus multimodales du cerveau n’est pas toute l’information en provenance de l’environnement mais seulement celle qui s’écarte du modèle que l’on projette sur le monde. C’est la même logique que la compression d’images en format .jpeg ou de sons en format .mp3.

Ensuite ça redéfinit un peu les notions de régions cérébrales de bas niveau dédiées à la perception et de régions de haut niveau associées à la conceptualisation. En effet, cette stratégie à base de prédiction se déploie sur de multiples niveaux, et chaque niveau est un peu « sensoriel » pour le niveau sus-jacent et « conceptuel » pour le niveau sous-jacent. Autrement dit, le sensoriel et le conceptuel deviennent une distinction relative.

Et la beauté de la chose, c’est que cette « multi-layer probabilistic prediction machine » est grandement compatible, d’un point de vue computationnel concret, avec l’architecture de notre cortex (comme le montre le schéma ci-dessous qui évoque le rapport qu’entretiennent dans ce cadre les neurones de différentes régions corticales).

Cette approche est aussi compatible avec une conception incarnée et même évolutive de la cognition, comme l’explique Micah Allen dans son billet de blogue qui m’avait fait découvrir ces travaux :

“In this way the ‘model’ is distributed across the brain and body; actions themselves are as much a part of the computation as the brain itself and constitute a form of “active inference”.

In fact, if one extends their view to evolution, the morphological shape of the organism is itself a kind of prior, predicting the kinds of sensations, environments, and actions the agent is likely to inhabit. “

Toujours dans cette perspective du codage prédictif, l’attention est modélisée en tant que ‘precision-weighting’, c’est-à-dire l’échantillonnage sélectif des données sensorielles qui nous semblent les plus fiables. Nous vivons en effet dans un monde rempli d’incertitudes et les “prediction errors” gagnent à se concentrer sur un ratio « signal / bruit » qui est le plus élevé possible. En se basant sur cette information, le système cognitif balance le gain (ou ‘volume’) des unités transmettant les erreurs de prédiction aux différents niveaux de la hiérarchie en fonction de leur précision.

L’imagination trouve aussi une explication naturelle dans cette façon de voir les choses. Si l’on néglige l’apport du « bottom up » sensoriel, on libère, d’une certaine façon, les modèles génératifs « top down » qui peuvent ainsi, libérés des contraintes du réel, s’en donner à cœur joie dans les scénarios fictifs !

Même le raisonnement trouve sa place naturellement dans ce cadre théorique en considérant que la situation décrite précédemment favorise aussi les simulations « offline » fort utiles pour comprendre une situation ou un problème complexe.

Andy Clark relie tout ça avec brio quand il écrit :

« For to perceive the world in this way is to deploy knowledge not just about how the sensory signal should be right now, but about how it will probably change and evolve over time. […]

Creatures deploying this strategy, when they see the grass twitch in just that certain way, are already expecting to see the tasty prey emerge, and already expecting to feel the sensations of their own muscles tensing to pounce. But an animal, or machine, that has that kind of grip on its world is already deep into the business of understanding that world.

I find the unity here intriguing. Perhaps we humans, and a great many other organisms, too, are deploying a fundamental, thrifty, prediction-based strategy that husbands neural resources and (as a direct result) delivers perceiving, understanding and imagining in a single package?”

Enfin, je voudrais comme à chaque fois que je fais un long périple dans le vaste univers des sciences cognitives avec un groupe, terminer avec cette citation qui résume sans doute mieux que tout ce que nous avons vécu ensemble.

« We have not succeeded in answering all our problems—indeed we sometimes feel we have not completely answered any of them.

The answers we have found have only served to raise a whole set of new questions.

In some ways we feel that we are as confused as ever, but we think we are confused on a higher level and about more important things.”

– Katz et Rosenzweig

Du simple au complexe | Comments Closed


Pour publier un commentaire (et nous éviter du SPAM), contactez-nous. Nous le transcrirons au bas de ce billet.