Table des matières
1.3 Principales avancées
1.3.1 Simulations neuro-réalistes
Le champ de recherche s'organise autour de plusieurs pôles:
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.
Les principales avancées dans ce cadre sont~:
le modèle Hodgkin et Huxley (Hodgkin & Huxley, 1952) et les modèles à compartiments (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
- L'étude de la plasticité synaptique
- et des mécanismes cellulaires associés :
- conduit à mieux comprendre la sélectivité neuronale et la formation de champs récepteurs
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.
Les neurones travaillent :
- dans un régime dit "sous-critique"
- encore appelé régime de "haute conductance" :
- qui explique à la fois :
- le caractère très irrégulier de leur activité
- et leur tendance à se synchroniser :
- à courte
- et longue distance
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~:
Les modèles du système visuel,
- inspirés des observations de Hubel et Wiesel 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 :
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
- le cervelet pour le contrôle adaptatif
- et le complexe cortex-ganglions de la base-thalamus pour la sélection de l'action
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" :
De nombreuses librairies et environnements de simulation ont par ailleurs été développés, de la cellule jusqu'aux populations de neurones à large échelle
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 Buesing2011,
- via des mécanismes d'optimisation fondés
- sur la parcimonie (minimiser les causes)
- et la vraisemblance (maximiser la justesse
Même si ces principes apparaissent séduisants,
- avec des connexions intéressantes vers les algorithmes d'auto-encodage développés en apprentissage automatique Hinton2006,
- leur réalisation matérielle dans le substrat neuronal reste à découvrir.
- Il manque également, même si des tentatives sont en cours*
- 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.