Une nouvelle théorie de l’apprentissage intègre la psychologie cognitive et la biologie des systèmes

U et IC désignent respectivement l’intervalle US-US et la durée du CS. Dans le protocole 2, les États-Unis sont présentés au hasard avec des probabilités égales de se produire avec ou sans le CS, et un CR ne se développe pas. Les protocoles 3 et 4 sont des schémas de compétition de repères impliquant plusieurs CS. Le protocole 3 comporte deux phases : dans la première phase, un CR est établi vers CS1 ; dans la deuxième phase, le stimulus composé CS1 + 2 est présenté avec les États-Unis, mais un CR à CS2 ne se développe pas. Dans le protocole 4, CS1 est toujours présenté comme un composé avec CS2 ou CS3, et les États-Unis n’apparaissent que pour CS1+2. Un CR se développe en CS2 présenté isolément mais pas en CS1. Dans le protocole 5, le CS n’est jamais associé aux États-Unis, mais une association inhibitrice apparaît toujours (voir texte). (d) Conditionnement instrumental, montrant une boîte de Skinner, dans laquelle un organisme peut recevoir un renforcement agréable (nourriture) ou désagréable (choc), en fonction de ses réponses (levier) à divers stimuli (lumière et ton); illustration tirée de l’entrée Wikipedia pour Operant Conditioning Chamber sous la licence CC BY-SA 3.0. Crédit : Actes de l’IEEE (2022). DOI : 10.1109/JPROC.2022.3162791″ width=”800″ height=”530″/>

Formes d’apprentissage. (a) Accoutumance. Illustration hypothétique, montrant des réponses décroissantes à des stimuli répétés (flèches). Pour des propriétés supplémentaires, voir [26]† (b) Sensibilisation. L’effet inverse de l’accoutumance, dans lequel la réponse augmente. (c) Conditionnement classique, adapté de [27, Box 1]† La colonne de droite indique si oui ou non un CR se développe au CS indiqué. Le protocole 1 est le protocole pavlovien traditionnel dans lequel le CS (CS1, barre bleue), comme une tonalité ou une lumière, est associé aux États-Unis (étoile rouge), illustré ici à un délai fixe à partir du début du CS. jeTU et moiC désignent respectivement l’intervalle US-US et la durée du CS. Dans le protocole 2, les États-Unis sont présentés au hasard avec des probabilités égales de se produire avec ou sans le CS, et un CR ne se développe pas. Les protocoles 3 et 4 sont des schémas de compétition de repères impliquant plusieurs CS. Le protocole 3 comporte deux phases : dans la première phase, un CR est établi vers CS1 ; dans la deuxième phase, le stimulus composé CS1 + 2 est présenté avec les États-Unis, mais un CR à CS2 ne se développe pas. Dans le protocole 4, CS1 est toujours présenté comme un composé avec CS2 ou CS3, et les États-Unis n’apparaissent que pour CS1+2. Un CR se développe en CS2 présenté isolément mais pas en CS1. Dans le protocole 5, le CS n’est jamais associé aux États-Unis, mais une association inhibitrice apparaît toujours (voir texte). (d) Conditionnement instrumental, montrant une boîte de Skinner, dans laquelle un organisme peut recevoir un renforcement agréable (nourriture) ou désagréable (choc), en fonction de ses réponses (levier) à divers stimuli (lumière et ton); illustration tirée de l’entrée Wikipedia pour Operant Conditioning Chamber sous la licence CC BY-SA 3.0. Le crédit: Actes de l’IEEE (2022). DOI : 10.1109/JPROC.2022.3162791

De nombreux neuroscientifiques, chercheurs médicaux et ingénieurs spécialisés en intelligence artificielle tentent de comprendre les mécanismes neuronaux qui sous-tendent l’apprentissage. Bien que des études aient dévoilé certains aspects vitaux de ces mécanismes, de nombreuses questions restent sans réponse.

Jeremy Gunawardena, chercheur à la Harvard Medical School, a récemment introduit une nouvelle perspective sur l’apprentissage qui fusionne des idées du domaine de la psychologie cognitive avec des observations biologiques. Son article, publié dans Actes de l’IEEEmet en évidence certains aspects de l’apprentissage qui pourraient différencier les organismes biologiques des ordinateurs et des machines.

“Mon intérêt pour l’apprentissage est né en partie d’une étude que nous avions entreprise précédemment dans laquelle nous avons montré que le protozoaire unicellulaire, Stentor roeseli, présente une hiérarchie complexe de comportements d’évitement lorsqu’il est irrité par un jet de particules”, Jeremy Gunawardena, un des chercheurs qui ont mené l’étude, a déclaré à Phys.org. “Ce comportement a été décrit pour la première fois par le biologiste américain Herbert Spencer Jennings vers 1900, mais il avait été considéré comme non reproductible.”

Dans leurs études antérieures, Gunawardena et ses collègues ont montré que les conclusions des Jennings étaient exactes. Plus précisément, ils ont découvert qu’une seule cellule est potentiellement capable d’un comportement d’apprentissage beaucoup plus complexe que ce qui avait été précédemment considéré comme possible.

Inspiré par ces découvertes, Gunawardena a initié une collaboration avec l’un de ses collègues à Harvard, Sam Gershman, qui a mené des recherches approfondies sur les mécanismes d’apprentissage. Leur travail a spécifiquement examiné comment l’apprentissage se produit dans des cellules individuelles.

“La collaboration avec Sam Gershman a conduit à mon article d’enquête en Actes de l’IEEE“, a déclaré Gunawardena. “Son objectif principal était de suggérer une définition de l’apprentissage en termes théoriques de l’information qui ne se limitait pas aux animaux comme nous et d’exposer les preuves de divers domaines de la biologie de l’existence et de l’importance de l’apprentissage en dehors du système nerveux. système.”

Dans son récent article, Gunawardena décrit l’apprentissage comme un processus large et universel concernant tous les systèmes vivants, y compris différentes espèces animales, mais aussi potentiellement des plantes. Il estime donc qu’une caractérisation et une description fiables de ce processus pourraient éclairer la recherche dans divers domaines. Par exemple, cela pourrait grandement contribuer au domaine de la biologie des systèmes, en ajoutant aux perspectives théoriques existantes, qui se concentrent largement sur les molécules et leur organisation.

“Nous avons tendance à considérer les cellules comme des machines moléculaires complexes”, a déclaré Gunawardena. “L’idée que les cellules sont capables d’apprendre – de former des modèles internes de leur environnement externe et d’utiliser ces modèles pour guider leur comportement – leur donne une forme d'”agence” qui manque à la plupart des machines et qui nous rapproche de ce que signifie être ‘vivant.’ Enfin, démêler ces “modèles internes” pourrait être très utile si nous voulons exploiter les cellules de manière thérapeutique, par exemple, comme nous essayons de le faire en immunothérapie.”

Si elles sont confirmées expérimentalement, les idées intéressantes introduites par Gunawardena pourraient offrir une perspective nouvelle et précieuse sur la façon dont d’innombrables organismes vivants apprennent et survivent. Plusieurs études ont déjà fait allusion à la possibilité que des plantes ou des cellules spécifiques, telles que les cellules T (c’est-à-dire des composants cruciaux du système immunitaire), puissent “apprendre” en fonction des stimuli avec lesquels elles entrent en contact.

“Nous devons maintenant montrer que cette perspective est réelle en faisant le travail expérimental et c’est en quoi consiste la collaboration avec Sam Gershman”, a ajouté Gunawardena. “À l’heure actuelle, nous nous concentrons sur l’une des formes d’apprentissage les plus simples, l’habituation, qui est observée de manière extraordinairement large en biologie, des animaux comme nous aux cellules individuelles, et qui présente certaines propriétés caractéristiques, malgré des mécanismes sous-jacents très différents. Cependant, nous n’avons toujours pas de théorie qui explique cette universalité et nous n’avons pas non plus d’explications convaincantes sur le fonctionnement de l’accoutumance au niveau moléculaire, ce que nous essayons de faire maintenant.”


La théorie suggère que les ordinateurs quantiques devraient être exponentiellement plus rapides sur certaines tâches d’apprentissage que les machines classiques


Plus d’information:
Jeremy Gunawardena, Apprendre en dehors du cerveau : intégrer les sciences cognitives et la biologie des systèmes, Actes de l’IEEE (2022). DOI : 10.1109/JPROC.2022.3162791

© 2022 Réseau Science X

Citation: Une nouvelle théorie de l’apprentissage intègre la psychologie cognitive et la biologie des systèmes (2022, 27 juin) récupéré le 28 juin 2022 sur https://phys.org/news/2022-06-theory-cognitive-psychology-biology.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

Leave a Comment