À travers une collaboration forte entre théorie et expérimentation, au sein de l’équipe eXplAIn nous voulons pouvoir :
1. Créer et analyser de nouvelles expériences in vivo d’apprentissage pour comprendre le lien entre activité neuronale et comportement,
2. Tester automatiquement de nouvelles hypothèses sur l’évolution dans le temps des processus cognitifs et l’activité cérébrale sous-jacente durant l’apprentissage,
3. En déduire un nouvel algorithme d’apprentissage dont l’évolution du réseau de neurones s’effectue en synergie avec l’apprentissage, ce qui permettra à la fois : (i) d’éviter l’étape très coûteuse d’optimisation des poids synaptiques sur les réseaux ANN classiques, et (ii) d’incorporer une partie neuronale à la temporalité plus fine que la discrétisation classique en actions des algorithmes par renforcement.
Au final, une nouvelle IA doit être mise au point, plus proche de l’Intelligence Naturelle car intégrant les activités neuronales et cognitives.
eXplAIn* Computational modeling of eXperimental learning: Towards a new AI by/for neurocognition
Résumé
Mots clés
- Activity-based Credit Assignment (ACA)Expérimentations en neurosciences cognitivesIntelligences naturelle et artificielleModélisation et simulation à événements discretsProcessus de Hawkes
Partenaires du projet
INS2I
Alexandre MUZY
Laboratoire d'Informatique, Signaux et Systèmes de Sophia Antipolis (I3S)
(UMR7271) Sophia Antipolis
INSMI
Patricia REYNAUD-BOURET
Laboratoire Jean Alexandre Dieudonné
(UMP7351) Nice