Les scientifiques disposent désormais d’un modèle mathématique qui reflète fidèlement la manière dont le cerveau humain interprète les données visuelles.
Les chercheurs soulignent que le cerveau humain est naturellement équipé pour effectuer des calculs avancés, similaires à ceux des ordinateurs de grande puissance, afin de comprendre le monde grâce à un processus appelé inférence bayésienne.
Dans une étude récente publiée dans
” data-gt-translate-attributes=”[{“attribute”:”data-cmtooltip”, “format”:”html”}]”>Communication Naturelledes chercheurs de
” data-gt-translate-attributes=”[{“attribute”:”data-cmtooltip”, “format”:”html”}]”>Université de SydneyL’Université du Queensland et l’Université de Cambridge ont développé un modèle mathématique complet qui inclut tous les composants nécessaires pour effectuer une inférence bayésienne.
L’inférence bayésienne est une méthode statistique qui combine des connaissances antérieures avec de nouvelles preuves pour formuler des suppositions éclairées. Par exemple, si vous savez à quoi ressemble un chien et voyez un animal à quatre pattes, vous pouvez utiliser vos connaissances antérieures pour deviner qu’il s’agit d’un chien.
Cette capacité intégrée permet aux humains d’interpréter l’environnement avec une précision et une rapidité incroyables, contrairement aux machines qui peuvent être trompées avec de simples mesures de sécurité CAPTCHA lorsqu’on leur demande d’identifier des bouches d’incendie dans un panneau d’image.
“Bien que l’approche bayésienne présente un attrait conceptuel et explicatif, la manière dont le cerveau calcule les probabilités reste largement mystérieuse”, a déclaré le chercheur principal, le Dr Robin Riddo, de l’École de psychologie de l’Université de Sydney.
« Notre nouvelle étude met en lumière cette énigme. Nous avons découvert que l’infrastructure et les connexions du système visuel de notre cerveau sont organisées de manière à lui permettre d’effectuer des inférences bayésiennes sur les données sensorielles qu’il reçoit.
“Ce qui rend cette découverte importante, c’est la confirmation que notre cerveau possède une conception innée qui permet cette forme sophistiquée de traitement, nous permettant d’interpréter notre environnement plus efficacement.”
Les résultats de cette étude confirment non seulement les théories existantes sur l’utilisation par le cerveau de l’inférence bayésienne, mais ouvrent également la porte à de nouvelles recherches et innovations, où la capacité naturelle du cerveau à inférer l’inférence bayésienne peut être exploitée pour des applications pratiques qui profitent à la société.
« Notre recherche, bien que axée principalement sur la perception visuelle, a des implications plus larges dans le spectre des neurosciences et de la psychologie », a déclaré le Dr. Rideau.
“En comprenant les mécanismes de base que le cerveau utilise pour traiter et interpréter les données sensorielles, nous pouvons ouvrir la voie à des progrès dans des domaines allant de l’intelligence artificielle, où l’imitation des fonctions cérébrales pourrait révolutionner…
” data-gt-translate-attributes=”[{“attribute”:”data-cmtooltip”, “format”:”html”}]”>Apprentissage automatiquepour les neurosciences cliniques et fourniront probablement de nouvelles stratégies pour de futures interventions thérapeutiques.
L’équipe de recherche, dirigée par le Dr. William Harrison a fait cette découverte en enregistrant l’activité cérébrale de volontaires alors qu’ils regardaient passivement une émission conçue pour susciter des signaux neuronaux spécifiques liés au traitement visuel. Ils ont ensuite créé un modèle mathématique pour comparer une série d’hypothèses concurrentes sur la manière dont le cerveau humain perçoit la vision.
Référence : « Le réglage neuronal crée des attentes préalables dans le système visuel humain » par William J. Harrison, Paul M. Bays et Reuben Rideaux, 1er septembre 2023, Communications naturelles.
est ce que je: 10.1038/s41467-023-41027-s
2023-09-16 14:49:37
1694893796
#Chefdœuvre #biologique #Lévolution #fait #sorte #cerveau #humain #comporte #comme #superordinateur