Une révolution dans la modélisation informatique de la cognition humaine
En général, la modélisation informatique utilise des modèles connexionnistes qui présentent de nombreux inconvénients. Une alternative attrayante pour modéliser l'apprentissage cortical est de faire appel à des modèles génératifs. Ils combinent également le connexionnisme traditionnel aux approches bayésiennes émergentes de la cognition. Gardant cela à l'esprit, le projet GENMOD (Generative models of human cognition), financé par l'UE, s'est engagé à explorer les développements récents dans le réseau neural et la recherche sur l'apprentissage machine, afin de développer des modèles connexionnistes de cognition. Pour ce faire, GENMOD a appliqué ces modèles à trois champs cognitifs distincts: la cognition numérique, spatiale et le traitement du langage écrit. Les partenaires du projet ont conçu des modèles connexionnistes pour les trois domaines, qui ont d'abord été évalués de manière qualitative et quantitative. La gamme des données expérimentales allaient du comportement (temps de réaction et erreurs) au système neuronal (réponses d'une cellule). Dans l'ensemble, les résultats montrent que les modèles génératifs fournissent une adéquation optimale pour les données psychologiques et neurophysiologiques. Par exemple, l'équipe de GENMOD a démontré qu'un sens visuel des nombres, comme la perception de la numérosité, peut survenir naturellement dans un réseau profond qui a appris indépendamment à encoder efficacement les images des ensembles d'objets. Les modèles développés représentent les données psychophysiques humaines conventionnelles et le modèle d'activité de nombreux neurones dans le cortex pariétal postérieur du cerveau de primate. Par ailleurs, les modèles permettent d'expliquer les changements en matière de capacité de la perception de la numérosité ou de l'acuité du nombre, de l'enfance à l'âge adulte. En comblant le fossé entre les modèles connexionnistes et les modèles de cognition bayésienne structurés, l'approche de GENMOD représente un bond en avant pour la modélisation informatique de la cognition humaine.
