Projet 4 : Human prediction

Porteurs de projet

Personnes réellement impliquées (effectif global + détail nom, statut, laboratoire) :

Laboratoires et/ou équipes UNS concernés

Partenaires

Objectifs

  • Description

L’adaptation à un environnement changeant dépend de la capacité du cerveau/système cognitif de prédire des stimuli futurs (tels que les mots pendant la lecture). La prédiction de stimulis futurs potentiels est liée aux processus d’amorçage sémantique qui rendent le traitement d’un mot cible plus rapide et précis lorsqu’il a été préalablement prédit par un mot amorce précédent. La précision de la prédiction ainsi que le potentiel évoqué EEG N400 dépendent de la probabilité de la cible sachant le mot ou la phrase amorce qui précède. Cependant, alors que la probabilité de la cible peut être estimée à partir de l’amorce, cette même amorce peut prédire plusieurs cibles différentes en même temps, générant ainsi de l’interférence entre les cibles prédites en mémoire de travail. La distribution des probabilités des cibles prédites par une même amorce définit l’entropie de l’amorce, qui mesure l’incertitude de la prédiction. Bien que certaines régions cérébrales soient sensibles à la probabilité ou à l’entropie des mots, savoir si et comment l’entropie de l’amorce influence la prédiction probabiliste de cibles reste une question ouverte.

Le projet fédère des scientifiques de différentes disciplines de la psycholinguistique, la psychologie cognitive, les mathématiques appliquées à l’analyse du signal et les neurosciences computationelles afin d’étudier les effets de l’entropie sur la prédiction à travers trois approches méthodologiques qui sont 1) les protocoles expérimentaux, 2) l’analyse du signal EEG et 3) la modélisation des données.

Partenaires:

BCL : Frédéric Lavigne, Pr / Fanny Meunier, DR / Carlos Aguilar, IE

INRIA/ATHENA : Maureen Clerc, DR / Theodore Papadopoulo, DR

CNPP (Univ. Descartes/CNRS): Gianluigi Mongillo, CR

  • Réalisation des actions

Les actions effectuées en deux ans ont consisté en plusieurs expérimentations et modélisations :

1. une expérimentation avec enregistrement des mouvements oculaires pendant la lecture (coll.F.Vitu, LPC Marseille; un article accepté dans PLOS One)

2. une série de 11 expérimentations (chez l'humain) avec enregistrement des temps de réponses. Les données ont toutes été analysées. Celles de 3 expérimentations ont été présentées à 3 colloques internationaux (co-dir. avec F.Mathy et coll.A.Rey, LPC Marseille). Celles de 4 expérimentations ont fait l'objet de modélisation et de l'écriture d'un article qui sera soumis en 2020 (coll.G.Mongillo, Paris)

3. une série de 3 expérimentations chez le singe ont fait l'objet d'un article soumis à PNAS (co-dir. avec F.Mathy et coll.A.Rey, LPC Marseille)

4. une expérimentation avec enregistrement EEG (tardive due à l'implantation de l'appareil EEG) a produit des données qui sont en cours d'analyse (3 stages financés, coll.M.Clerc, INRIA, C.Aguilar, Mantu Sophia et G. Mongillo, Paris)

5. un modèles computationnel (réseau neuronal) de prédiction probabiliste de séquences a fait l'objet d'un article soumis à PLOS One (coll.P.Chossat, M.Krupa, INRIA).

  • Principaux résultats et impact

Les principaux résultats ont permis d'identifier les déterminants des processus de prédiction en temps réel pendant la lecture en termes d'associations en mémoire encodant la probabilité conditionnelle d'un mot sachant un mot précédant (1). Les études expérimentales ont montré que la prédiction dépend des probabilités des stimuli sachant le précédent, mais aussi l'incertitude (entropie) générée par le stimulus précédent (3). La prédiction dépend aussi des probabilités conditionnelles d'ordre un (par un seul stimulus) et d'ordre deux (par une combinaison de deux stimuli (3,4).

La modélisation neuronale par un réseau biologiquement inspiré du cortex cérébral, a permis de lier les processus cognitifs de prédiction de séquences (reproductions régulières ou productions de nouvelles séquences) à certains paramètres biologiquement réalistes (dynamiques synaptiques rapides, gain de la fonction de transfert, 5). L'approche combine l'analyse mathématique des dynamiques du réseau (preuve formelle) et les simulations (identification des effets des paramètres).

  • Conférences internationales

Lazartigues, L., Mathy, F., Rey, A., Fagot, J., & Lavigne, F. (2019) Statistical learning of adjacent and non-adjacent pairs in non-linguistic short sequences. Poster presented at the 21st conference of the European Society for Cognitive Psychology, September 25-28, Tenerife, Spain. 

Lazartigues, L., Mathy, F., Rey, A., Fagot, J., & Lavigne, F. (2019) Statistical learning of first and second order transitional probabilities. Poster presented at the Interdisciplinary advances in statistical learning, June 27-29, San Sebastian, Spain. 

Rey, A., Lavigne, F., Mathy, F., & Fagot, J. Beyond transitional probabilities: learning XOR in non-human primates. Fifth Implicit Learning Seminar, Jun 2016, Lancaster, UK. 2016.

Thématiques

Financements

Académie 5 de l'IDEX

Actualités

Evènements