==== 1.3 Principales avancées====

=== 1.3.1 Simulations neuro-réalistes ===
Le champ de recherche s'organise autour de plusieurs pôles:

<note tip>
Le premier pôle concerne les **simulations neuro-réalistes**.

Le but est de mieux comprendre 
  * le fonctionnement du neurone, 
  * et des interactions entre neurones.  
 
Ces modèles étudient en détail 
  * (i) la structure de la cellule neuronale, 
  * (ii) les échanges entre la cellule et son milieu, via 
    * les synapses 
    * et l'émission de potentiels d'action,  
  * (iii) la plasticité et les changements de ces échanges au cours du temps.
</note>


Les principales avancées dans ce cadre sont~:
<note>
le modèle **Hodgkin et Huxley**  {{https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1392413/pdf/jphysiol01442-0106.pdf|(Hodgkin & Huxley, 1952)}} et les modèles à compartiments {{http://www.sciencedirect.com/science/article/pii/0014488659900469|(Rall, 1959)}}, qui servent encore à l'heure actuelle :
  * de fondement pour les modèles neuro-réalistes, 
  * aboutissant aux modèles détaillés de colonnes corticales constituées de dizaines de milliers de cellules
    * {{https://www.jneurosci.org/content/jneuro/24/39/8441.full.pdf|(Binzegger et al., 2004)}};  
    * {{http://www.nature.com/nrn/journal/v7/n2/abs/nrn1848.html|(Markram, 2006)}},
    * {{http://www.nature.com/scientificamerican/journal/v306/n6/full/scientificamerican0612-50.html|(Markram, 2012)}}.
{{:public:ncom:the-mandala-of-the-mind-58-728.jpg?400|Binzegger (2004)}}
</note>

<note>
  * L'étude de la **plasticité synaptique** 
    * {{http://onlinelibrary.wiley.com/doi/10.1113/jphysiol.1973.sp010273/pdf|(Bliss & Lomo, 1977)}},
    * {{https://itb.biologie.hu-berlin.de/~kempter/HippoJC/Articles/STDP/bi01.pdf|(Bi & Poo, 2001)}}
  * et des mécanismes cellulaires associés :
    * {{http://www.sciencedirect.com/science/article/pii/0006899384902750|(Harris et al., 1984)}}
    * {{http://www.pnas.org/content/99/16/10831.short|(Shouval et al, 2002)}}
    * {{http://www.jneurosci.org/content/31/45/16142.short|(O’Donnell et al., 2011)}}
    * {{http://www.pnas.org/content/109/10/3991.short|(Graupner & Brunel, 2012)}}
    * {{http://onlinelibrary.wiley.com/doi/10.1113/JP270324/full|(Cui et al., 2015)}} 
  * conduit à mieux comprendre la sélectivité neuronale et la formation de champs récepteurs 
   * {{https://www.jneurosci.org/content/jneuro/2/1/32.full.pdf|(Bienenstock et al., 1982)}}
   * {{http://jeti.uni-freiburg.de/studenten_seminar/term_paper_WS_16_17/Oja.pdf|(Oja, 1982)}}
   * {{https://www.jneurosci.org/content/jneuro/20/23/8812.full-text.pdf|(Van Rossum et al., 2000) }}
   * {{https://neuro.bstu.by/ai/To-dom/My_research/Papers-3/Florian/3/Ref/Song/SongNatNeuro00.pdf|(Sen Song, 2000)}}
   * {{https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2694112/|;
(Billings & van Rossum, 2009)}}.

{{http://www.yger.net/wp-content/uploads/2013/02/DanPoo2004.jpg}}
</note>

=== 1.3.2 Dynamiques de populations de neurones ===

Le second pôle concerne l'étude des dynamiques de populations de neurones: 
  * Les neurones sont dans ce cadre des unités de traitement simplifiées :
    * neurones à spikes, 
    * neurones stochastiques, 
    * neurones fréquentiels,
    * ... 
  * Le but est :
    * de comprendre les interactions entre de grands groupes de neurones, 
    * et d'étudier les conditions d'émergence de certaines signatures d'activité :
      * corrélations large échelle, 
      * couplages de phase, 
      * champs récepteurs,
      * ... 
    * observés en électrophysiologie chez le sujet sain et dans les pathologies nerveuses.

<note>
Les **neurones** travaillent :
  * dans un régime dit "sous-critique"
    * {{http://www.jneurosci.org/content/24/22/5216.short|Beggs2004}},
    * {{http://www.pnas.org/content/106/37/15921.short|Petermann2009}},
    * {{https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1002038|Rubinov2011}},
    * {{https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.110.178101|Haimovici2013}},
  * encore appelé régime de "haute conductance" :
    * {{http://www.jneurosci.org/content/18/10/3870.short|Shadlen1998}},
    * {{http://www.nature.com/nrn/journal/v4/n9/abs/nrn1198.html|Destexhe2003}}, 
  * qui explique à la fois :
    * le caractère très irrégulier de leur activité
      * {{http://link.springer.com/article/10.1007%2FBF00238837?LI=true|Dean1981}},
      * {{http://www.jneurosci.org/content/jneuro/13/1/334.full.pdf|Softky1993}},
      * {{http://www.mitpressjournals.org/doi/abs/10.1162/089976698300017214|Van98}}, 
    * et leur tendance à se synchroniser :
      * à courte 
        * {{https://www.nature.com/articles/338334a0.pdf?origin=ppub|Gra89}},
        * {{http://www.jneurosci.org/content/16/20/6402.short|Wang1996}},
        * {{http://link.springer.com/article/10.1023%2FA%3A1008925309027?LI=true|brunel00}},
        * {{http://physrev.physiology.org/content/90/3/1195.short|WangXJ2010}}
      * et longue distance 
        * {{http://www.nature.com/nature/journal/v397/n6718/abs/397430a0.html|Rod99}},
        * {{http://www.jneurosci.org/content/25/15/3962.short|Palva2005}},
        * {{http://www.jneurosci.org/content/29/24/7869.short|Busch2009}}.
</note>

<note>
Les **populations de neurones** peuvent conserver une activité soutenue en l'absence de stimulation par des mécanismes de réverbération internes :
  * {{http://pubman.mpdl.mpg.de/pubman/item/escidoc:2346268/component/escidoc:2346267/Hebb_1949_The_Organization_of_Behavior.pdf|Heb49}},
  * {{http://link.springer.com/article/10.1007%2FBF00337259?LI=true|Ama77B}},
  * {{http://www.pnas.org/content/79/8/2554.short|Hop82}},
  * {{http://jn.physiology.org/content/jn/61/2/331.full.pdf|Fun89}},
  * {{http://link.springer.com/article/10.1023%2FA%3A1008837311948?LI=true|Cam98}},
  * {{http://link.springer.com/article/10.1023%2FA%3A1011204814320?LI=true|Bru01}},
  * {{http://www.sciencedirect.com/science/article/pii/S0166223609000174|Lansner2009}}.
</note>

=== 1.3.3 Modèles conceptuels ===

Enfin, le troisième pôle concerne les **modèles conceptuels**, principes de traitement de l'information, qui expliquent :
  * la réception et la transmission de l'information nerveuse,
  * les codes neuronaux, 
  * les mécanismes 
    * de la mémoire 
    * et de l'apprentissage;

Les principales avancées dans ce cadre sont~:

<note>
Les **modèles du système visuel**, 
  * inspirés des observations de Hubel et Wiesel {{http://onlinelibrary.wiley.com/doi/10.1113/jphysiol.1962.sp006837/full|HUBELWIESEL62}}, 
  * mettent en évidence :
    * une organisation hiérarchique des couches de traitement visuelles, 
    * dont la formation est modélisée par des algorithmes d'auto-encodage non-supervisés :
      * {{http://www.sciencedirect.com/science/article/pii/S0042698997001697|Olshausen1997}},
      * {{http://www.nature.com/nature/journal/v401/n6755/abs/401788a0.html|Lee1999}},
      * {{http://www.nature.com/neuro/journal/v2/n1/abs/nn0199_79.html|Rao1999}},
      * {{http://www.mitpressjournals.org/doi/abs/10.1162/neco.2006.18.7.1527|Hinton2006}},
      * {{http://www.nature.com/nature/journal/v521/n7553/abs/nature14539.html|Lecun2015}}
</note>
<note>
**Les principaux sous-systèmes** du système nerveux central ont fait l'objet de modélisations spécifiques, comme 
    * le complexe **hippocampe-cortex entorhinal** pour la mémoire et la navigation 
      * {{http://arizona.openrepository.com/arizona/handle/10150/620894|OKe78}},
      * {{http://onlinelibrary.wiley.com/doi/10.1002/hipo.450040319/full|Treves1994}},
      * {{http://www.its.caltech.edu/~bi250b/papers/skaggs%201996.pdf|Skaggs1996}},
      * {{https://cbmm.mit.edu/sites/default/files/documents/Week2_BuzsakiMoser2013.pdf|Buzsaki2013}}, 
    * le **cervelet** pour le contrôle adaptatif
      * {{http://www.sciencedirect.com/science/article/pii/S1364661398012212|Wolpert1998}},
      * {{https://wolpertlab.neuroscience.columbia.edu/sites/default/files/content/papers/HarWolKaw01.pdf|Haruno2001}},
      * {{https://www.its.caltech.edu/~jkenny/bi250c/papers/dean_10.pdf|Dean2010}}
    * et le complexe **cortex-ganglions de la base-thalamus** pour la sélection de l'action 
      * {{http://science.sciencemag.org/content/275/5306/1593.short|Schultz1997}},
      * {{http://www.springerlink.com/index/VHT1NM66H3V2NAQC.pdf|Gurney2001}},
      * {{https://www.academia.edu/download/46203325/NN2002.pdf|Joel2002}}.
</note>
<note>
Le principe du **codage par population**, inspiré 
  * par l'activité des régions prémotrices et motrices du cortex [Georgopoulos1986] 
  * et les **champs récepteurs à l'orientation** de V1 [Bonhoeffer1991], 
  * permet d'interpréter l'activité irrégulière des populations de neurones comme un échantillonnage de grandeurs continues "latentes" :
    * {{http://www.mitpressjournals.org/doi/abs/10.1162/jocn.1997.9.2.222|Pouget1997}},
    * {{http://www.nature.com/nrn/journal/v3/n9/abs/nrn914.html|Pouget2002}},
    * {{https://www.cnbc.cmu.edu/~tai/nc19journalclubs/fiser_lengyel_TCNS_2011.pdf|Fiser2010}},
    * {{http://compneuro.uwaterloo.ca/files/stewart%20et%20al_compositional%20structures_connsci.pdf|Stewart2011}},
    * {{https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1003258|Boerlin2013}}.
</note>

<note tip>
 De nombreuses **librairies et environnements de simulation** ont par ailleurs été développés, de la cellule jusqu'aux populations de neurones à large échelle
  * {{https://books.google.com/books?hl=en&lr=&id=J6jz9s4kbfIC&oi=fnd&pg=PR17&ots=2euLpcQOlD&sig=ydEnjm5AJdEfE17UfkQ6gbkobNI|Eliasmith2004}},
  * {{http://link.springer.com/article/10.1007/s10827-007-0038-6|BRETTE08}},
  * {{https://eprints.soton.ac.uk/350495/1/TCv2.pdf|Furber2013}},
  * {{https://www.frontiersin.org/articles/10.3389/fninf.2013.00010/full|Leon2013}}
</note>

===1.3.4 Inférence statistique ====
Enfin, le domaine connaît actuellement une forte tentative d'unification autour de principes issus de l'inférence statistique. 
  * Le cerveau construirait une interprétation de son environnement perceptif à l'aide d'un petit nombre de variables explicatives, ou "émetteurs". 
  * Le calcul probabiliste sur les distributions multimodales complexes issues des capteurs 
    * serait réalisé par échantillonnage {{https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3207943/|Buesing2011}}, 
    * via des mécanismes d'optimisation fondés 
      * sur la parcimonie (minimiser les causes) 
      * et la vraisemblance (maximiser la justesse
        * {{http://www.nature.com/neuro/journal/v2/n1/abs/nn0199_79.html|Rao1999}}
        * {{http://rstb.royalsocietypublishing.org/content/364/1521/1211.short|Friston2009}} 
<note important>
Même si ces principes apparaissent séduisants, 
  * avec des connexions intéressantes vers les algorithmes d'auto-encodage développés en apprentissage automatique {{https://science.sciencemag.org/content/sci/313/5786/504.full.pdf|Hinton2006}}, 
  * leur réalisation matérielle dans le substrat neuronal reste à découvrir. 
  * Il manque également, même si des tentatives sont en cours*
    * {{https://proceedings.neurips.cc/paper/2008/file/9ad6aaed513b73148b7d49f70afcfb32-Paper.pdf|Sutskever2009}}
    * {{https://www.researchgate.net/profile/Laurent-Perrinet/publication/309135885_Active_inference_eye_movements_and_oculomotor_delays/links/5800b94408aec0ee86b89dd2/Active-inference-eye-movements-and-oculomotor-delays.pdf|Perrinet2014}}
    * {{http://www.di.unito.it/~cancelli/retineu11_12/ELM-NC-2006.pdf|Huang2015}}, 
  * de nombreuses "briques" pour construire un modèle général de l'apprentissage  des flux sensoriels et des transformations sensori-motrices, comme nous le verrons plus loin.
</note>