Réseaux neuronaux pour les comportements temporellement structurés – Cano-T

Les processus cognitifs de haut niveau tels que la planification, le raisonnement ou le langage reposent sur des séquences temporelles d'événements mentaux. Des études récentes sur le comportement animal ont permis de caractériser la structure temporelle de séquences d'événements comportementaux élémentaires avec des concepts similaires à ceux utilisés pour décrire le langage, comme la notion de grammaire. Étant donné la possibilité d'enregistrer l'activité neuronale à des résolutions monocellulaires dans ces modèles animaux, ainsi que de caractériser l'anatomie des circuits correspondants, ils offrent une opportunité de faire progresser notre compréhension mécaniste des processus cognitifs. Les outils de la physique statistique des réseaux neuronaux et de la théorie des systèmes dynamiques se sont avérés bien adaptés pour rendre compte de l'émergence de processus cognitifs élémentaires tels que la mémoire de travail ou la prise de décision à partir d'interactions dans des réseaux structurés, et ont ensuite réussi à rendre compte d'un large éventail de données expérimentales. Nous prévoyons ici de pousser cette approche plus loin, en la combinant avec des techniques récentes d'intelligence artificielle, afin de décrire comment les processus cognitifs élémentaires peuvent être combinés dans un ordre temporel souhaité pour mettre en œuvre des processus cognitifs de haut niveau.