Avant-projet : CORTEX

Précédent : L'intégration neurosymbolique Remonter : Fondements scientifiques Suivant : Domaines d'applications

Sous-sections

Modélisation biologique

Mots clés : neurosciences computationnelles, modèle cortical, assemblées neuronales, colonne corticale .

Notre modèle cortical dont les principes sont développés depuis plus de dix ans en collaboration avec d'autres chercheurs des neurosciences cognitives est fondé sur le principe des assemblées neuronales, assurant des opérations simples mais d'un niveau plus fonctionnel que le simple neurone. Dans le cortex, ces circuits sont appelés colonnes corticales. Dans les aires sensorielles, elles détectent des événements perceptifs élémentaires et des événements moteurs dans les aires motrices. Dans les aires associatives, elles mesurent des coïncidences d'apparition entre événements sensoriels et/ou moteurs. Dans les aires frontales, elles organisent temporellement le déclenchement des événements élémentaires représentés dans les aires associatives, sensorielles ou motrices.

Utiliser un tel cadre à des fins de traitement automatique de l'information implique d'établir comment la mise au point de réseaux de telles unités permet agir à deux niveaux, d'une part celui de la représentation de l'information et d'autre part celui de la réalisation de tâches complexes.

Représentation de l'information

Nous abordons tout d'abord le problème sous l'angle de l'apprentissage afin que notre unité neuronale complexe détecte des événements sensorimoteurs au sein d'aires corticales et que cette information puisse être représentée topologiquement, comme des batteries de filtres. Le second point concerne la logique d'activation des unités, chacune représentant un événement du monde extérieur ou un état interne du système en particulier. Les états d'activation des unités doivent pouvoir représenter des concepts aussi différents que la présence de l'événement, son inhibition, le souhait qu'il se produise ou la recherche des conséquences de son activation éventuelle. De plus, des transitions entre états d'activation doivent être permises par apprentissage, de manière à construire un graphe causal, typé par la sémantique des aires, représentant les inter-relations entre ces unités. Ces inter-relations sont en fait une représentation interne des invariants du monde extérieur ou des conséquences de l'action du système sur ce monde.

Cet axe de recherche consiste donc à définir la logique de fonctionnement et d'apprentissage des automates et à en étudier les conséquences sur les capacités d'apprentissage et de représentation de l'information, dans des réseaux de tels automates.

Réalisation de tâches

Réaliser une tâche (de perception, d'analyse de scène, de décision, de navigation) avec ce formalisme consiste à créer le réseau d'unités qui en sera le support. Tout d'abord, nous définissons, du point de vue des neurosciences, les principaux flux d'information impliqués dans cette tâche, en termes de capteurs, d'effecteurs, d'aires corticales et éventuellement de zones extracorticales. Ensuite, nous implantons des modèles de ces différentes structures neuronales et de leurs interconnexions en étudiant plus particulièrement les aspects de synchronisation des flux d'information et d'émergence dans de tels réseaux distribués.

Nous avons ainsi exploré divers domaines perceptifs et en particulier concernant des tâches de traitement visuel et auditif. Nous avons également étudié des tâches d'intégration multimodale comme la reconnaissance invariante par combinaison de fonctions de localisation et de reconnaissance.

Précédent : L'intégration neurosymbolique Remonter : Fondements scientifiques Suivant : Domaines d'applications