Introduction Frégnac
Transcription
Introduction Frégnac
Ecole Polytechnique - Séminaire HSS 512 F Unité de Neuroscience, Information et Complexité SEMINAIRE CERVEAU ET COGNITION Director : Yves Frégnac L’INTERDISCIPLINARITE FACE A LA COMPLEXITE DU CERVEAU Yves Frégnac Sciences Cognitives Neurosciences Modélisation NeuroCybernétique Directeur de Recherche CE au CNRS Directeur de l’UNIC UPR 3293 CNRS Gif sur Yvette [email protected] www.unic.cnrs-gif.fr & Cyril Monier Chercheur à l’UNIC Ingénieur de Recherche CNRS NeuroInformatique [email protected] Physiologie Comparée By courtesy of Eb Fetz Unité de Neuroscience, Information et Complexité Ouverture sur la Recherche - Stages Stages Affichés par le Département : Vision Oculomotricité Audition Sens Haptique Intégration multimodale Electrophysiologie Imagerie Sens électrique Comportement / Psychophysique UNIC - Visite pour ceux qui le souhaitent et stages possibles (Frégnac-Monier, Brice Bathellier, Thierry Bal, Daniel Shulz, Alain Destexhe, Andrew Davison) Stages au sein du CREA et de structures associées en Sciences Humaines (RNSC, Compiègne) Au travers des Orateurs Invités du Séminaire “Cerveau et Cognition” Stages dans des laboratoires de Neurosciences Parisiens et Paris-Sud Réseaux Neuronaux Neurones formels Modéles génériques Biophysique neuronale/synaptique Modèles structuro-fonctionnels Interfaces cerveau-machine Circuits hybrides NeuroCybernétique Clamp dynamique - NeuroPSI (Gif-sur-Yvette) (Paul Bourgine, René Doursat) NeuroSpin (Stanislas Dehaene, Bertrand Thirion, Virginie Van Wassenhove, Denis Le Bihan) Institut de la Vision (Ryad Benosman, Olivier Marre) Institut du Cerveau et de la Moelle Epinière (Pierre Pouget, Mathias Pessiglione) DEC ENS (Pascal Mammassian, Romain Brette et Pierre Yger) Stages dans des laboratoires en Province Base de données Simulation large échelles NeuroInformatique Architectures de calcul inspirées du Vivant Physiologie Comparée - Sciences Cognitives à Lyon (Olivier Bertrand, INSERM) Sciences Cognitives à Marseille (Guillaume Masson, INT) Sciences Cognitives à Toulouse (Simon Thorpe, CERCO) 1 Ouverture sur la Recherche - Stages Ouverture sur la Recherche - Masters Stages à l’Etranger aux USAs Brown University (Donoghue, Blake, Bienenstock) Yale (Steven Zucker) MIT (Dept of Cognitive Sciences: Mriganka Sur) Berkeley (Mind reading, Jack Gallant) NYU et Columbia (Larry Abbott, Fusi..) en Allemagne - MPG Frankfurt (Gilles Laurent, Pascal Fries) Bernstein Center in Computational Neuroscience (Freiburg, Berlin, Tübingen) Institut de la complexité FIAS (Frankfurt and Gordon Pipa) - en Angleterre - La meilleure solution (si vous êtes motivés) : venir nous voir UCL (DEC ENS) Gatsby (Peter Dayan) au Japon - DEC ENS, UCL, EPFL, KTH, Brown University, UCSD, UCSF, NYU Columbia, MIT, Harvard, Caltech Sloane Centers, Keck Center Riken Brain Science Institute (Keiji Tanaka) Introduction © Sciences Cognitives - Intelligence Artificielle vs vs. © Sciences Cognitives - Historique Cognition incarnée © Le défi scientifique © Le défi scientifique des Neurosciences Cognitives des Neurosciences Cognitives vs. © Approches expérimentales multiéchelles © Approches expérimentales multiéchelles en Liens entre observables Neurosciences Cognitives © Approches théoriques : Systèmes dynamiques, Complexité Neurosciences computationnelles 21 st November 2007 Micro and Nanotechnologies for Neurosciences 7 © Concepts et Théories Speaker Logo Speaker Des systèmes dynamiques complexes aux Neurosciences Computationnelles 8 21 st November 2007 Micro and Nanotechnologies for Neurosciences Speaker Logo Speaker 2 Sciences Cognitives - Historique © Cybernétique © Cognitivisme et Intelligence Artificielle ................................ © Connexionnisme © Neurosciences Cognitives et Computationnelles ................... © Constructivisme, Cognition située et Enaction Une théorie unifiée de lʼEsprit Interdisciplinarité en Sciences Cognitives Epistémologie Théorie de la connaissance © Robotique incarnée ........................................................... © Cognition étendue & Mémétique 21 st November 2007 Micro and Nanotechnologies for Neurosciences 9 Speaker Logo Speaker - Infinite tape - Finite Nb of symbols - Read/Write Head - Action Table - State register (memory) Scien ces de la Technologie et de la Cognition - STC Conférences de Dartmouth et Cambridge en 1956 Calcul par interactions entre micro-unités informationnelles qui sont reliées de manière dynamique selon une matrice de connexions dense Logique formelle et non plus par déductions logiques (cognitivisme) Calcul parallèle et non plus séquentiel (AI) Cognition vue comme un état dynamique global Emergence de comportements de réseaux cohérents Fonction d’énergie (John Hopfield, 1982) et convergence des attracteurs dynamiques 3 Pre-representations Emotional Resonance Theory Neuromodulation Memory is a scale representation of reality Calcul par interactions entre micro-unités informationnelles et non plus par déductions logiques (cognitivisme) Calcul parallèle et non plus séquentiel (AI) Cognition vu comme un état dynamique global Reentrant binding principle Memory is non-representational Constructive reorganization during experiencel Darwin XI - NOMAD Gamma- Perceptron et Neocognitron Plasticité avec Professeur (supervisée) Paradigme sub-symbolique : Le fonctionnement du réseau devient cognitif quand les propriétés (dynamiques) émergentes sont identifiables à une faculté cognitive The Brain - Computer metaphor Steven Pinker, 1998 The Brain is a neuronal computer (Turing machine) produced by evolution The 100-step rule (Feldman and Ballard, 1982) A new style of computation “Narrow-but-Deep” replaced by “Shallow-but-wide” Francisco Varela, 1998 One cannot understand cognition (and related computations) if one abstracts them from their embodiement Lire : Invitation aux Sciences Cognitives, Francisco J. Varela(1989). Editions du Seuil Cognitive Science : a cartography of current ideas (1989) (rapport fait à la demande de la Royal Dutch Shell Corporation) The difference in terms of computation is the “emergence” of more macroscopic dynamic states from the non-linear interactions between more microscopic variables 21 November 2007 st Micro and Nanotechnologies for Neurosciences 16 Speaker Logo Speaker 4 Diagramme des Courants en Sciences Cognitives Francisco Varela INTELLIGENCE ARTIFICIELLE © Sciences Cognitives - Historique NEUROSCIENCES LINGUISTIQUE © Le défi scientifique des Neurosciences Cognitives © Approches multiéchelles COGNITIVISME PSYCHOLOGIE COGNITIVE Liens entre observables © Concept : EMERGENCE Le cerveau est un système dynamique complexe EPISTEMOLOGIE ENACTION 21 st November 2007 Micro and Nanotechnologies for Neurosciences Complexité en Neurosciences ü 1012 élements / 1015 synapses processus stochastique binaire de décharge propagation lente des potentiels d’action le long des axones (0.1 to 100 m/s) transmission lente par des synapes chimiques Le cerveau est comparable à un système électronique dont la bande passante en termes de communication est limitée, composé d’ éléments à fiabilité réduite Paradoxe : la performance de calcul, d’apprentissage, et de mémorisation du cerveau, son pouvoir d’adaptation multitâches, sa capacité d’auto-organisation, sa résistance à la dégradation restent inégalées par des machines artificielles Exemple de fonction cognitive : la perception visuelle Les lois d’organisation et de fonctionnement du cerveau résultent d’une mise en accord entre le « monde » et « l’esprit » (William James, 1890) Propriétés émergentes à un niveau d’organisation macroscopique Speaker Logo Speaker Les défis Des synapses et neurones aux fonctions cognitives ü ü ü 18 ¢ Comprendre et visualiser le fonctionnement du cerveau à partir de l’activité neuronale (= digital, 0/1) et des processus locaux gradués membranaires (= analogique) ¢ Simuler le fonctionnement du cerveau par des méthodes informatiques ¢ Réparer les fonctions cognitives par des approches hybrides temps réel ¢ à long-terme, construire des architectures abstraites de calcul, s’inspirant de l’organisation du cerveau ¢ Simplifications: on s’abstrait des contributions fondamentales de la génétique, de la génomique fonctionnelle, de la neuropharmacologie, et on ne prend pas en compte les composantes non-neuronales (cellules gliales, neuromodulation, hormones..) Une approche sciences de l’ingénieur: Cerveau cybernétique électrique sans émotions.... 21 November 2007 st Micro and Nanotechnologies for Neurosciences 20 Speaker Logo Speaker 5 Une approche simplifiée « Lego-Mécano » du cerveau électrique ¢ Les éléments © neurones © Sciences Cognitives - Historique © synapses © Le défi scientifique ¢ Le « parler neuronal » des Neurosciences Cognitives © Le potentiel d’action © Le potentiel de membrane © Approches multiéchelles Courtesy of Henry Markram - Blue Brain Project Liens entre observables ¢ L’orchestre neuronal © Codage par assemblée © Concept : © Organisation temporelle Le cerveau est un système dynamique complexe Courtesy of Ad Aertsen © Bombardement synaptique pendant une scène naturelle 21 st November 2007 Micro and Nanotechnologies for Neurosciences 21 UNIC Speaker Logo Speaker 21 st November 2007 Micro and Nanotechnologies for Neurosciences Speaker Logo Speaker Hiérarchie de Niveaux dʼorganisation Niveaux dʼorganisation dans le système nerveux central 1m 22 CNS 1m CNS 10 cm Systems 1 cm Maps 1 cm Maps 1 mm Networks 1 mm Networks 100 µm Neurons 100 µm Neurons BOTTOM - UP Systems TOP - DOWN 10 cm 1 µm Synapses 1 µm Synapses 1A Molecules 1A Molecules Inspiré de Churchland et Sejnowski, Science, 1989 6 Hiérarchie de Niveaux dʼorganisation CNS IMMERGENCE EMERGENCE 1m 10 cm Systems 1 cm Maps 1 mm Networks 100 µm Neurons © Sciences Cognitives - Historique © Le défi scientifique 1 µm Synapses 1A Molecules des Neurosciences Cognitives © Approches multiéchelles Liens entre observables © Approches théoriques : Systèmes dynamiques, Complexité Neurosciences computationnelles 21 st November 2007 Micro and Nanotechnologies for Neurosciences 26 Speaker Logo Speaker Hiérarchie des niveaux d’analyse Réductionnisme vs. Complexité Extraction de principes généraux de calcul (“computation”) et de plasticité dans les ensembles neuronaux _________ Réductionnisme ¢ © © Processus biologique Nombre fini d’éléments de base canoniques et de règles de composition « Expliquer du visible compliqué par de l’invisible simple » Jean Perrin (1870-1942) Les atomes (1913) (réédité chez Flammarion en 1991) Substrat biophysique Algorithme Complexité ¢ © Hiérarchie emboîtée de niveaux d’intégration interdépendants Fonction / Computation « Le Tout est plus que la somme des parties » (Holisme) © « Expliquer la simplicité du comportement macroscopique par la complexité des interactions microscopiques » © « Higher order perfection from lower order imperfection » © R. Laughlin (2005) st A21different universe: reinventing Physics November 2007 Microthe and bottom Nanotechnologies for Neurosciences from down (Basic Books). (freely adapted from Marr, Vision, 1982) 27 Speaker Logo Speaker 7 Hiérarchie des niveaux d’analyse Hiérarchie des niveaux d’analyse Extraction de principes généraux de calcul (“computation”) et de plasticité dans les ensembles neuronaux Extraction de principes généraux de calcul (“computation”) et de plasticité dans les ensembles neuronaux _________ _________ Processus biologique Potentiel d’action Processus biologique Potentiel d’action Substrat biophysique Canaux Na, K Substrat biophysique Canaux Na, K Algorithme Equation de Hodgkin-Huxley Algorithme Fonction / Computation Code neuronal Assemblées / Synfire chains Fonction / Computation Hodgkin-Huxley Code Neuronal Assemblées / Synfire chains Hiérarchie des niveaux d’analyse Hiérarchie des niveaux d’analyse Extraction de principes généraux de calcul (“computation”) et de plasticité dans les ensembles neuronaux Extraction de principes généraux de calcul (“computation”) et de plasticité dans les ensembles neuronaux _________ _________ Potentiel d’action Plasticité Processus biologique Potentiel d’action Plasticité Substrat biophysique Canaux Na, K Récepteurs NMDA Substrat biophysique Canaux Na, K Récepteurs NMDA Algorithme Fonction / Computation Equation de Hodgkin-Huxley Code Neuronal Assemblées / Synfire chains Principe de Hebb Plasticité Mémoires Associatives Principe de protection Processus biologique Algorithme Fonction / Computation Equation de Hodgkin-Huxley Code Neuronal Assemblées / Synfire chains Principe de Hebb Plasticité Mémoires Associatives Neurosciences Computationnelles 8