Description du projet
La puissance du cerveau humain élucidée par l’étude des mécanismes d’apprentissage
Les remarquables capacités d’apprentissage du cerveau humain dépassent encore la puissance de calcul de l’apprentissage automatique. Certains aspects des opérations d’apprentissage complexes des multiples circuits neuronaux interconnectés du cerveau demeurent cependant inexpliqués. Financé par le Conseil européen de la recherche, le projet DopamineLearnLoops permettra d’actualiser le modèle standard selon lequel une seule erreur dans le système dopaminergique affecte l’ensemble du réseau. La nouvelle théorie est basée sur de multiples systèmes d’apprentissage dynamiques basés sur la dopamine qui fonctionnent en boucle parallèle. Le projet déterminera, à l’aide de techniques de pointe, les mécanismes sous-jacents aux circuits, leur fonctionnement dans un environnement dynamique, ainsi que les algorithmes qu’ils utilisent. Comprendre la manière dont le cerveau traite les problèmes complexes contribuera sans nul doute au développement de nouveaux algorithmes d’apprentissage par renforcement profond inspirés du cerveau.
Objectif
The brain’s ability to learn is arguably its most exceptional capacity. Learning in biological brains far surpasses machine learning and requires much less training. How does the brain accomplish this? Why is biological learning still better than the most advanced machine learning algorithms to date? According to the standard model of reward-based learning in the brain, a single error signal is broadcast from the dopamine system and used to update the entire network, implementing a simple form of reinforcement learning. However, the standard model fails to predict several recent experimental findings, leaving open the question of how learning is implemented in the brain. In this project, I propose a new theory of how the brain learns: learning is implemented by multiple dopamine-based learning systems working in parallel circuit loops. These loops relay partial error signals to specific processing areas and permit independent evaluation of the value of different features in the external environment as well as the internal state, enabling learning of complex tasks with multiple relevant features. The loops are engaged dynamically according to the demands of the task, enabling the system to be flexible for learning a wide variety of behaviours of varying complexity. The presence of multiple dynamic parallel learning loops might enable the ability to generalize learning, which is currently the hallmark of biological intelligence. We will use state-of-the art techniques under the framework of our theory to elucidate basic mechanisms underlying the functional circuitry of the learning system (Aim 1), how it operates under different behavioural dynamics (Aim 2), and what algorithm it implements (Aim 3). Success of this project will enable a novel understanding of how the brain learns complex tasks as well as pave the way for the development of new brain-inspired deep reinforcement-learning algorithms.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
HORIZON.1.1 - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
HORIZON-ERC - HORIZON ERC Grants
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2023-STG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
32000 Haifa
Israël
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.