• Aucun résultat trouvé

Modèle neuronal unifié du traitement conscient et inconscient

N/A
N/A
Protected

Academic year: 2021

Partager "Modèle neuronal unifié du traitement conscient et inconscient"

Copied!
2
0
0

Texte intégral

(1)

HAL Id: hal-03169486

https://hal.inria.fr/hal-03169486

Submitted on 15 Mar 2021

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Modèle neuronal unifié du traitement conscient et inconscient

Hugo Chateau-Laurent, Frédéric Alexandre, Chris Eliasmith, Serge Thill

To cite this version:

Hugo Chateau-Laurent, Frédéric Alexandre, Chris Eliasmith, Serge Thill. Modèle neuronal unifié du traitement conscient et inconscient. Colloque des Jeunes Chercheur.se.s en Sciences Cognitives 2021, Mar 2021, Online, France. �hal-03169486�

(2)

Modèle neuronal unifié du traitement conscient et inconscient

Hugo Chateau-Laurent, Frédéric Alexandre, Chris Eliasmith, Serge Thill

Motivation

Références

Visual

Motor Add

Compar e

Global

Workspace

input

output

Comparaison Nommage

moins plus

moins plus

Addition

Chaînage

2 4 6 8

Temps de réaction médian (ms)

Stimulus

Taux d'erreur (%)

Chaînage addition-comparaison

Chaînage soustraction-comparaison Incongruent

Congruent

Diffusion

Global

Workspace

Network 1 Network 2

Accès conscient

Feedback

Apprentissage

Automatisation par apprentissage non supervisé

Diffusion de

Exécution automatique inconsciente

=

Modèle Résultats

Expérience

Conclusions

Comment nos neurones nous permettent-ils de penser, de réaliser une suite de calculs mathématiques, ainsi que d'automatiser des tâches ? Selon  la global workspace theory, l'information consciente est représentée dans un espace de travail. Pour effectuer une série de calculs, l'espace de travail envoie l'information séquentiellement vers les réseaux permettant d'effectuer chaque calcul.

Quand une série est répétée, de nouveaux chemins se créent pour l'automatiser, en dehors de l'espace de travail conscient.

Notre but est de reproduire le comportement des participants humains dans l'étude de Sackur & Dehaene (2009) avec un modèle neuronal.

Le simulateur Nengo est utilisé pour construire et simuler le modèle basé sur le Neural Engineering Framework (NEF) et la Semantic Pointer Architecture (SPA) décrits par Eliasmith (2013).

Nous  proposons un modèle biologiquement réaliste et robuste du traitement séquentiel conscient et de l'automatisation inconsciente.

Le modèle est capable  d'effectuer une séquence arbitraire d'opérations et reproduit le comportement humain dans une série d'expériences.

Eliasmith, C. (2013). How to build a brain: A neural architecture for biological cognition. Oxford University Press.

Mashour, G. A., Roelfsema, P., Changeux, J. P., & Dehaene, S. (2020). Conscious processing and the global neuronal workspace hypothesis. Neuron, 105(5), 776-798.

Sackur, J., & Dehaene, S. (2009). The cognitive architecture for chaining of two mental operations. Cognition, 111(2), 187-211.

hasard

R éponses cor rectes (%)

Nommage Addition Comparaison Chaînage

perception subliminale du stimulus

*

*

*

Comparateur

Temps (s)

congruence

incongruence

plusmoins

Taux d'erreur (%)Temps de réaction médian (ms)

Chaînage addition-comparaison

Chaînage soustraction-comparaison Incongruent

Congruent

R éponses cor rectes (%)

Nommage Addition Comparaison Chaînage

*

*

*

Comme chez les participants humains, on observe un effet de congruence : le modèle est plus rapide et fait moins d'erreurs pour les essais congruents (quand le stimulus et le résultat de l'addition sont tous deux plus petits ou plus grands que 5.

Pour tester les capacités du

modèle en perception

subliminale, on déconnecte

simplement l'espace de

travail global. Comme les

participants humains, le

modèle peut alors réaliser

les opérations individuelles

mais pas leur chaînage qui

nécessite la perception

consciente du stimulus.

Références

Documents relatifs

2014 Par des considérations de symétrie (indiscernabilité des nucléons) et d’invariance par rotation, on peut exprimer les variables dynamiques de la « surface » de

Notre approche repose sur un modèle de graphe qui permet de représenter dans un modèle unique la base documentaire, avec notamment les relations termes-documents, et le réseau

2 acceleration of the invasion in the recent decades (Gogo et al. This was partly caused by a road ditch at the outlet that accelerated the peatland drainage. In February

De plus, étant donné que chaque participant était soumis successivement à deux tests de rappel (rappel implicite et rappel explicite) et que nous disposions de deux ensemble

7.18: Ratio entre la plus petite distance inter-bursts et la plus grande distance inter-spikes dans une série temporelle du second neurone, du dixième neurone et du dernier neurone

phytochimique, des tests in vitro sur le parasite Haemonchus contortus et une cinétique de dégradabilité in sacco ont été menés. Le screening des feuilles a mis en évidence

• Impact des différences d’architecture sur la performance de la parcelle Nombre d’épis et pourcentage de lumière interceptée. Identification des traits d’interaction

original graph may exhibit different patterns of flow depending on the underlying dynamics, and that the choice of a metric as well as the extraction of pertinent information from