public:ncom:trois_niveaux_d_analyse

Différences

Ci-dessous, les différences entre deux révisions de la page.

Lien vers cette vue comparative

Les deux révisions précédentes Révision précédente
Prochaine révision		 Révision précédente
public:ncom:trois_niveaux_d_analyse [2018/03/12 13:21] – ↷ Nom de la page changé de public:ncom:trois_niveaux_d_analyse_yeah à public:ncom:trois_niveaux_d_analyse edaucepublic:ncom:trois_niveaux_d_analyse [2022/03/18 11:38] (Version actuelle) – edauce
Ligne 1: Ligne 1:
 +====1.2 Trois niveaux d'analyse====
  
 +Selon la typologie classique proposée par David Marr [[https://dspace.mit.edu/bitstream/handle/1721.1/5782/AIM-357.pdf|Marr Poggio 76]], un modèle peut appartenir à différents niveaux de généralité, à savoir :
 +  * le niveau computationnel (la logique), 
 +  * le niveau algorithmique (encodage et opérations réalisées),
 +  * et la réalisation matérielle (le réseau de neurones ou "substrat").   
 +
 +Cette distinction en trois {{https://lecerveau.mcgill.ca/|niveaux}} permet principalement de distinguer ce qui relève de la définition du problème~:
 +  * définition de la tâche, en fonction des contraintes physiques et de l'appareillage sensoriel et moteur, d'une part,
 +  * et d'autre part ce qui relève de la réalisation (algorithmique) de la tâche, c'est-à-dire principalement le circuit de traitement. 
 +C'est, en terminologie informatique, la distinction entre
 +  * l'équation à résoudre, 
 +  * la brique logicielle qui la résout 
 +  * et le circuit logique qui l'implémente.
 +
 +Marr postule une relative indépendance entre les différents niveaux de description, en établissant une claire séparation entre le substrat neuronal, le circuit de traitement et l'espace de la tâche. 
 +
 +
 +<note>
 +** Approche ascendante (ou "bottom-up")**
 +La méthodologie "bottom-up" consiste 
 +  * à étudier les //conditions d'émergence// de fonctions de haut niveau 
 +  * à partir des caractéristiques d'un réseau de neurones plongé dans un environnement contraignant.
 +<note important>
 +//Les réseaux de neurones sont en effet capables de manifester des formes d'organisation spontanée~:// 
 +  * //comportement critique, //
 +  * //transitions entre différentes configurations d'activité,//
 +  * //activité persistante et mémoire à court terme (rémanence) //
 +  * //etc.//
 +</note>
 +
 +L'ajout de mécanismes de **plasticité synaptique** vise à exploiter cette richesse intrinsèque pour que le réseau puisse acquérir des connaissances et des compétences nouvelles.
 +</note>
 +
 +<note> 
 +**Approche descendance (ou "top-down")**
 +La méthodologie "top-down" consiste 
 +  * à étudier les //conditions de réalisation// d'une certaine tâche par étapes descendantes, 
 +  * de la contrainte générale du corps engagé dans la tâche à la réalisation matérielle du circuit qui la résout.
 +
 +<note important>
 +//L'approche descendante consiste souvent à identifier les aspects non-triviaux d'une tâche. //
 +
 +//L'étude des temps de réponse, des courbes d'apprentissage et des taux d'erreur ://
 +  * //permet d'explorer les caractéristiques limites d'un comportement //
 +  * //et de mieux appréhender les contraintes posées par le système qui l'implémente physiquement. Il peut s'agir ://
 +    * //des contraintes physiques (limites d'extension, de course, etc.) //
 +    * //mais également des limites provenant des caractéristiques physiques du réseau de neurones sous-jacent.//
 +
 +</note>
 +L'élaboration d'un modèle descriptif prenant en compte plusieurs échelles permet alors d'émettre des hypothèses sur les sources (physiques ou logiques) des limitations comportementales observées. 
 +</note>
 +
 +<note> 
 +**Approche "Multi-échelles"**
 +
 +Il importe dans tous les cas de prendre en compte la différence de nature (ou l'hétérogénéité) entre 
 +  * d'une part le milieu extérieur, caractérisé par des grandeurs extensives (des masses et des articulations en déplacement, des changements continus) 
 +  * et le milieu intérieur (milieu logiciel) caractérisé par des activités bornées, discrètes, changeant rapidement et de manière abrupte.
 +  * Entre les deux,  un niveau architectural (dit "mésoscopique") doit également être considéré, constitué de circuits imbriqués intégrant l'activité de larges portions du cerveau.
 +<note important>
 +//Chacun de ces niveaux de description est traditionnellement considéré de manière séparée, 
 +et l'effort consistant à traduire un des niveaux de description dans un autre, effort ayant pris une place importante dans les neurosciences computationnelles, s'appelle l'approche "**multi-échelles**" {{https://www.researchgate.net/profile/Jacques-Martinerie/publication/12049431_The_Brainweb_Phase_Synchronization_and_Large-Scale_Integration/links/0deec52baa80b28671000000/The-Brainweb-Phase-Synchronization-and-Large-Scale-Integration.pdf|Varela2001}}. //
 +
 +//Cette approche ://
 +  * //utilise le formalisme de la physique statistique //
 +  * //pour décrire un "milieu" neuronal ://
 +    * //dont les variables d'état évoluent (ou peuvent être décrites) selon différentes échelles spatiales et temporelles,//
 +    * //chaque échelle de description étant explicative du comportement observé à l'échelle supérieure (par des variables dites ``macroscopiques'').// 
 +</note>
 +</note>