organisation scientifique du travail

Du point de vue de l’effet moral sur les ouvriers, la taylorisation a sans aucun doute provoqué la disqualification des ouvriers. Ceci a été contesté par les apologistes de la rationalisation, notamment par Dubreuilh dans Standards. Mais Taylor a été le premier à s’en vanter, en arrivant à ne faire entrer que 75 % d’ouvriers qualifiés dans la production, contre 25 % d’ouvriers non qualifiés pour le finissage. Chez Ford, il n’y a que 1 % d’ouvriers qui aient besoin d’un apprentissage de plus d’un jour.

Ce système a aussi réduit les ouvriers à l’état de molécules, pour ainsi dire, en en faisant une espèce de structure atomique dans les usines. Il a amené l’isolement des travailleurs. C’est une des formules essentielles de Taylor qu’il faut s’adresser à l’ouvrier individuellement ; considérer en lui l’individu. Ce qu’il veut dire, c’est qu’il faut détruire la solidarité ouvrière au moyen des primes et de la concurrence. C’est cela qui produit cette solitude qui est peut-être le caractère le plus frappant des usines organisées selon le système actuel, solitude morale qui a été certainement diminuée par les événements de juin. Ford dit ingénument qu’il est excellent d’avoir des ouvriers qui s’entendent bien, mais qu’il ne faut pas qu’ils s’entendent trop bien, parce que cela diminue l’esprit de concurrence et d’émulation indispensable à la production.

La division de la classe ouvrière est donc à la base de cette méthode. Le développement de la concurrence entre les ouvriers en fait partie intégrante ; comme l’appel aux sentiments les plus bas. Le salaire en est l’unique mobile. Quand le salaire ne suffit pas, c’est le renvoi brutal. À chaque instant du travail, le salaire est déterminé par une prime. À tout instant, il faut que l’ouvrier calcule pour savoir ce qu’il a gagné. Ce que je dis est d’autant plus vrai qu’il s’agit de travail moins qualifié.

Ce système a produit la monotonie du travail. Dubreuilh et Ford disent que le travail monotone n’est pas pénible pour la classe ouvrière. Ford dit bien qu’il ne pourrait pas passer une journée entière à un seul travail de l’usine, mais qu’il faut croire que ses ouvriers sont autrement faits que lui, parce qu’ils refusent un travail plus varié. C’est lui qui le dit. Si vraiment il arrive que par un tel système la monotonie soit supportable pour les ouvriers, c’est peut-être ce que l’on peut dire de pire d’un tel système ; car il est certain que la monotonie du travail commence toujours par être une souffrance. Si on arrive à s’y accoutumer, c’est au prix d’une diminution morale.

En fait, on ne s’y accoutume pas, sauf si l’on peut travailler en pensant à autre chose. Mais alors il faut travailler à un rythme ne réclamant pas trop d’assiduité dans l’attention nécessitée par la cadence du travail. Mais si on fait un travail auquel on doive penser tout le temps, on ne peut pas penser à autre chose, et il est faux de dire que l’ouvrier puisse s’accommoder de la monotonie de ce travail.

Auteur: Weil Simone

Info: "La condition ouvrière", Journal d'usine, éditions Gallimard, 2002, pages 321-322

[ conséquences ] [ individualisation ] [ clivage ]

homme-machine

Illustrer l'apprentissage par renforcement à partir de commentaires humains (RLHF*)

Les modèles de langage ont montré des capacités impressionnantes au cours des dernières années en générant des textes variés et convaincants à partir d'entrées humaines. Cependant, il est difficile de définir ce qu'est un "bon" texte, car c'est subjectif et ça dépend du contexte. Il existe de nombreuses applications telles que l'écriture d'histoires où l'on recherche la créativité, des textes informatifs qui doivent être véridiques, ou des extraits de code que l'on veut exécutables.

Rédiger une fonction de perte** pour capturer ces attributs semble impossible et la plupart des modèles de langage sont encore entraînés avec une simple perte de prédiction du prochain jeton (par exemple, l'entropie croisée). Pour compenser les lacunes de la perte elle-même, les gens définissent des métriques conçues pour mieux capturer les tropismes humains, telles que BLEU ou ROUGE. Bien qu'elles soient mieux adaptées que la fonction de perte elle-même pour mesurer les performances, ces mesures comparent simplement le texte généré à des références avec des règles simples et sont donc également limitées. Ne serait-il pas formidable d'utiliser le retour d'information humain sur le texte généré comme mesure de la performance ou d'aller encore plus loin et d'utiliser ce retour d'information comme perte pour optimiser le modèle ? C'est l'idée de l'apprentissage par renforcement à partir du feedback humain (RLHF)

Le RLHF a permis aux modèles de langage de commencer à aligner un modèle formé sur un corpus général de données textuelles sur celui de valeurs humaines complexes.

Le succès le plus récent de RLHF a été son utilisation dans ChatGPT. Compte tenu des capacités impressionnantes de ChatGPT, nous lui avons demandé de nous expliquer la RLHF :  

- Peux-tu m'expliquer comment le RL (reinforcement learning) avec retour d'information humain usant un modèle linguistique comme si j'avais 5 ans.

- Bien sûr, imagine que j'ai un robot nommé Rufus qui veut apprendre à parler comme un humain.  Rufus a un modèle linguistique qui l'aide a comprendre les mots et les phrases.

Tout d'abord Rufus va dire quelque chose en usant d'un modèle de langage, par exemple en disant :  - je suis un robot

Ensuite un humain va écouter ce qu'il a dit et va donner un avis pour dire si la réponse ressemble à langage naturel d'humain. Il pourra dire, par exemple. C'est pas très bon Rufus, un humain ne dit pas de manière générale "je suis un robot" mais plutôt "j'suis un robot" ou "je suis une machine".

Rufus va prendre en compte ce retour et l'utuiliser pour améliorer son modèle de langage, il va essayer de redire la phrase en utilisant  cette correction et va dire "j'suis un robot".

Ensuite l'humain va continuer de donner des retours de ce genre et petit à petit Rufus va commencer à s'exprimer comme un humain le fait en général.

Ici Chatgtp se débrouille étonnamment bien, mais ne couvre pas tout. Nous nous chargeons de combler ces lacunes !  (La suite sur le site en Info)

Auteur: Internet

Info: Sur guithub : https://huggingface.co/blog/rlhf, Nathan Lambert, Louis Castricato guest , Leandro von Werra, Alex Havrilla guest. Le 9 décembre 2022 *Reinforcement Learning from Human Feedback ... **Courbe de perte ? (loss function) À la base, une fonction de perte est très simple : c'est une méthode permettant d'évaluer dans quelle mesure votre algorithme modélise votre ensemble de données. Si vos prédictions sont totalement erronées, votre fonction de perte affichera un chiffre élevé. Si elles sont assez bonnes, elle affichera un chiffre plus bas.  C'est une pénalité pour  mauvaise prédiction. En d'autres termes, la perte (loss) est un nombre qui indique à quel point la prédiction du modèle est mauvaise sur un seul exemple. Si la prédiction du modèle est parfaite, la perte est nulle ; elle affichera le chiffre zéro.

[ apprentissage automatique ] [ idiome consensuel ] [ anti-poésie ] [ objectivation linguistique ] [ polysémie contextualisée ] [ mathématisation ]

biophysique

Un champignon capable d'apprendre sans neurones
Des chercheurs toulousains montrent que le "Physarum polycephalum", un champignon jaune des sous-bois, peut apprendre à ignorer un obstacle de caféine sur son chemin, alors qu'il est unicellulaire et dépourvu de système nerveux.
Un champignon est-il capable d'apprendre ? De retenir une leçon et d'en tirer des conclusions ? De ne pas refaire la même erreur ou de changer son comportement pour s'adapter à une situation ? Indice : il n'a pas de cerveau ni même de système nerveux. Et pourtant, la réponse aux questions est oui... Le Physarum polycephalum, une sorte de champignon - un protiste - jaune citron qui vit dans les sous-bois, large de plusieurs centimètres et pourtant composé d'une unique cellule avec des milliers de noyaux, fait preuve d'étonnantes capacités sous l'oeil des chercheurs.
L'étude a été publiée ce mercredi par la Royal Society : une équipe du Centre de recherches sur la cognition animale, à l'université Toulouse III, s'est amusée à proposer une course d'obstacles à notre champignon jaune. Certains individus avaient un accès direct à leur nourriture (spores et bactéries, miam miam) tandis que d'autres devaient traverser un endroit imprégné de caféine ou de quinine (beurk beurk). "Au tout début réticents à franchir les substances amères", résume le CNRS, les champignons "ont appris au fur et à mesure des jours qu'elles étaient inoffensives et les ont traversées de plus en plus rapidement, se comportant au bout de six jours de la même façon que le groupe témoin".
Les chercheurs ont mesuré la largeur du pseudopode (excroissance de la cellule) utilisé pour rejoindre la nourriture. Un pseudopode étroit est synonyme d'un comportement de répulsion, un pseudopode large représente quant à lui un comportement normal.
Au début réticent à passer sur la quinine, Physarum polycephalum apprend par habituation à ignorer la substance. L'organisme se déplace en avançant vers la nourriture une excroissance appelée pseudopode.
Les chercheurs sont convaincus qu'il ne s'agit pas simplement d'une "adaptation sensorielle" ou d'une "fatigue motrice", qui auraient également pu affecter leur vitesse de déplacement, car la réponse des champignons était spécifique à la substance : les habitués à la caféine restaient réticents à la quinine, et inversement. En outre, si on faisait disparaître la substance désagréable pendant deux jours, Physarum polycephalum réussissait à l'"oublier" et fournissait à nouveau une réponse négative à la prochaine rencontre. Ce sont les signes typiques d'une forme d'apprentissage qu'on appelle habituation, en biologie.
"L'apprentissage, défini comme un changement de comportement provoqué par l'expérience, a jusqu'à présent été étudié seulement chez les organismes multicellulaires dotés d'un système nerveux", écrivent Audrey Dussutour, Romain Boisseau et David Vogel. L'apprentissage est une modification comportementale à l'échelle d'une vie, donc différentes des adaptations biologiques au fil des générations, qui relèvent plutôt de l'évolution.
Physarum polycephalum avait déjà fait le malin lors de précédentes expériences, prouvant par exemple sa capacité à résoudre un labyrinthe (en privilégiant le chemin le plus court) ou de se nourrir de manière "réfléchie", en piochant des protéines et du sucre en certaines proportions jusqu'à reconstituer son régime alimentaire idéal. L'étude de ces mécanismes est cruciale pour "comprendre quand et où, dans l'arbre de l'évolution, les premières manifestations de l'apprentissage sont apparues".

Auteur: Internet

Info: http://www.liberation.fr/futurs/2016/04/27

cognition

Les couleurs et les sons

Leonard Bernstein a affirmé : " Un compositeur de symphonie a devant lui toutes les notes de l'arc en ciel". Plus qu’une transdisciplinarité, l’association de la musique et de la couleur est un énomène qui a toujours existé. Les expériences multisensorielles dans l’art sont nombreuses. Voyons ici comment mettre à profit ce lien son/couleur dans l’apprentissage des enfants, notamment en ce qui concerne la lecture et l’écriture.

Chromesthésie

Derrière ce nom compliqué, se cache la capacité à percevoir différemment le son et à le ressentir "visuellement". Cette particularité ne concerne que peu de personnes et fait référence de manière plus large à l’expérience singulière de la synesthésie, terme signifiant en grec ensemble et sens. Autrement dit, certains individus goûtent une couleur, voient un son ou bien sentent un mot. 

Entre autres synesthètes célèbres, l’on trouve Vincent Van Gogh, Duke Ellington, Jean Sibelius ou encore Wagner avec son œuvre d’art totale le Gesamtkunstwerk. Goethe quant à lui a déclaré que "la couleur et le son ont la même source […] mais coulent dans des conditions différentes". Ainsi, textures, formes et couleurs apparaissent dans le champ de perception du synesthète lors de la stimulation par la musique ou les notes. En 1842 Franz Liszt aurait à ce sujet interloqué les musiciens de l’orchestre de Weimar lors d’une répétition en leur demandant de jouer "un peu plus bleu […] et "moins rose".

Faciliter l'apprentissage par les sons et les couleurs

Ce phénomène neurologique étrange et individuel nous emmène au potentiel pédagogique contenu dans l’association des sons et des couleurs. Comment faciliter les apprentissages des enfants si ce n’est par l’aspect multisensoriel et ludique des vibrations et de la couleur ? Lorsque par exemple à travers la lecture les enfants ne reconnaissent pas toutes les voyelles dans un texte, les couleurs auxquelles ils sont très réceptifs les aident. En effet, plus ils rencontrent les graphies d’un son coloré, plus ils s’en imprègnent facilement.  D’autre part, ils parviennent à déchiffrer les sons non appris grâce aux couleurs. Les enfants allophones apprennent de plus les couleurs comme premiers mots. 

Le principe pédagogique pour s’approprier la correspondance entre les graphèmes et la couleur est le suivant : le son est inclus dans le nom de la couleur : jAUne, rOUge nOIr, marrON etc. Créer un arc-en-ciel de sons complexes représente un outil efficace pour les plus petits ou les enfants en difficulté car il repose sur un moyen mnémotechnique simple. Ce dernier contribue à faciliter le décodage et l’encodage des associations graphèmes phonèmes. Le son audible par l’oreille associé à une couleur perceptible par l’œil ancre mentalement la phonétique.

Il est aussi possible de trouver une correspondance entre timbres des instruments de musique et couleurs ; ainsi les enfants peuvent manipuler et moduler les sons et jouer à reconnaître les couleurs de leur choix.  Lorsque les sens sont associés et que les gestes se joignent à la parole et à l’écoute des sons, cela concourt à l’apprentissage tant de la lecture que de l’écriture. Composer et lire des syllabes en couleurs constitue un véritable tremplin sensoriel pour développer les capacités de l’enfant.

Auteur: Alcais Claire

Info: https://icm-association.fr/le-blog/collectivites-locales/les-couleurs-et-les-sons. 19 avril 2022

[ éducation ] [ pédagogie ] [ ondes ] [ double perception ] [ septénaires ]

apprentissage du langage

[…] la maîtresse d’Helen Keller, Ann Sullivan, s’efforçait d’apprendre à son élève à communiquer à l’aide de signes, alors confondus à des signaux, en tapant d’une manière déterminée selon les cas, dans la paume de l’enfant. Elle voulait ainsi associer à la perception d’un signal la sensation d’un objet. Par exemple, elle plaçait la main droite d’Helen sous un jet d’eau fraîche, pendant que sur l’autre, elle frappait le signal convenu. Dans cette pratique, spontanément behaviouriste, le signe est conçu comme l’index de son référent, qu’il a pour fonction essentielle d’évoquer. On prouvera qu’on a compris ce qu’est un signe si l’on peut user de cet index pour désigner le référent, quand on en a besoin. Tout être capable d’un tel comportement sera réputé savoir "parler". Or, la difficulté étonnante à laquelle se heurta Ann Sullivan, est que la petite Helen, tout en étant à même de communiquer quelques-uns de ses besoins au moyen des signaux que sa maîtresse lui avait appris à utiliser, semblait néanmoins piétiner à la porte d’un monde interdit. Il y avait là pourtant tous les éléments d’une relation de communication : émetteur, récepteur, médium de transmission et code. Plus encore : cet ensemble fonctionnait, mais la petite Helen – elle avait alors six ans – ne savait toujours pas parler.

Le miracle se produisit le 5 avril 1887. Ann Sullivan s’efforçait inlassablement d’épeler le mot tasse dans la main d’Helen, puis lui en donnait une à tenir. "Elle versait ensuite de l’eau dans la tasse, y trempait le doigt de l’enfant, et attendait, espérant qu’Helen réagirait en épelant e-a-u". En vain. Etant descendue au jardin afin de distraire l’enfant, elle s’approcha avec elle d’un puits d’où le jardinier tirait un seau d’eau. Une dernière fois, elle lui mit la tasse dans la main, y fit couler un peu d’eau, et épela water, sur l’autre main, de plus en plus rapidement, cette eau qu’Helen aimait à faire couler sur sa main. Soudain l’enfant lâcha la tasse, et, pétrifiée, laissa une pensée envahir et illuminer son esprit : w-a-t-e-r ! w-a-t-e-r ! cette chose merveilleusement fraîche, cette chose amie, c’était w-a-t-e-r ! Elle venait de comprendre que toute chose a un nom, que toute chose peut être dite ou signifiée, que le signe énonce la chose, ou encore qu’il l’exprime, c’est-à-dire que le rapport qui unit la chose à son index n’est pas celui d’une association entre deux perceptions sensibles […] mais un rapport de représentation, en sorte que le signe w-a-t-e-r s’identifie à la chose merveilleuse tout en en demeurant distinct : il "tient lieu" de la chose. Dans un tel rapport de signification, les deux éléments mis en relation ne sont plus du même ordre. Ils sont bien perçus tous les deux comme deux réalités également sensibles, et de ce point de vue, rien ne permet de les distinguer. Pourtant, dans le rapport de signification, la présence sensible de l’un cesse de valoir pour elle-même, cesse d’être le signal de son existence, qui est ainsi occultée, et se trouve valoir pour l’existence d’un autre, dont elle tient la place. C’est là l’expérience fondamentale de la signification. Les deux éléments sensibles ne sont plus unis par une relation horizontale de juxtaposition, mais par une relation verticale, et purement intellectuelle, de lieutenance.

Auteur: Borella Jean

Info: Dans "Histoire et théorie du symbole", éd. L'Harmattan, Paris, 2015, pages 125-126

[ sourd-muet-aveugle ] [ différence signe-signal ] [ invisible ] [ arrachement sémantique ] [ célèbre anecdote ] [ déclic ]

nanomonde

Une découverte pourrait bouleverser un principe fondamental de la physique des particules 

L’une des règles fondamentales qui régissent le champ de la physique explique que les particules de charges opposées vont s’attirer, tandis que celles dont la charge est identique vont se repousser. Un principe qui, en réalité, peut être démenti, comme le dévoilent des chercheurs de l’université britannique d’Oxford dans une récente étude.

La science physique est régie par un certain nombre de règles fondamentales. L’un de ces principes établit que les particules peuvent être dotées d’une charge positive ou négative, qui va dicter leur comportement en présence d’autres particules.

Ainsi, si vous mettez en présence deux particules qui ont des charges opposées, elles vont s’attirer. En revanche, celles qui possèdent la même charge vont se repousser. Cette force électrostatique, connue sous le nom de "loi de Coulomb", se fait plus forte au fur et à mesure que la charge totale augmente et que les particules se rapprochent.

Néanmoins, des chercheurs de l’université d’Oxford (Royaume-Uni) ont récemment découvert que, dans certaines circonstances, les particules pouvaient attirer celles de la même charge. Ces exceptions ont été évoquées dans une étude parue le 1er mars dans la revue scientifique Nature Nanotechnology.

Une nouvelle force d’attraction découverte

Dans le détail, les scientifiques qui ont pris part à cette étude ont appris qu’il existait des particules chargées qui, lorsqu’elles se retrouvent en suspension dans certaines solutions, vont attirer des particules de même charge. Il arrive même que cela se produise sur des distances relativement longues, précisent les experts, qui ont aussi remarqué que les particules chargées positivement et négativement se comportaient différemment selon les solutions.

L’équipe, qui a réalisé divers tests, a mis en suspension des microparticules de silice chargées négativement dans l’eau. Une opération qui a démontré aux spécialistes que, sous un certain niveau de pH, ces particules pouvaient s’attirer les unes les autres pour former des amas de forme hexagonale. Un constat qui, a priori, viole le principe électromagnétique de base selon lequel les particules de même charge sont répulsives à n’importe quelle distance.

La structure des solvants au cœur de cette étude

Dans un second temps, les universitaires ont décidé d’étudier cet effet en adoptant une autre stratégie. Cette fois-ci, ils ont eu recours à une théorie des interactions interparticulaires qui prend en compte la structure du solvant. Cette technique s’est avérée payante, puisqu’ils ont mis au jour une nouvelle force d’attraction, capable de vaincre la répulsion électrostatique.

Or, ce n’était pas le cas en ce qui concerne les particules de silice aminée chargées positivement. Quel que soit le pH, cette interaction reste en effet répulsive dans l’eau. Les chercheurs, désireux de savoir s’il était possible d’inverser la situation, ont découvert qu’en utilisant un solvant différent (des alcools, en l’occurrence), les particules négatives restaient répulsives, tandis que les particules chargées positivement se regroupaient.

Aux yeux des auteurs de cette étude, ces enseignements sont tout sauf anecdotiques. Ils pourraient, en effet, inciter leurs pairs à repenser considérablement les hypothèses formulées à ce jour dans ce domaine. Ces apprentissages pourraient également être mis en pratique dans le champ de la chimie et intervenir dans divers processus, tels que l’autoassemblage, la cristallisation et la séparation de phases. 

Auteur: Internet

Info: Sur geo.fr, Charline Vergne, 5 mars 2024

[ aimantation ] [ renversement ]

audition

Les nouveaux nés auraient l'oreille absolue - Tous les bébés pourraient naître avec l'oreille absolue. Cette aptitude étonnante - qu'a une personne sur 10,000 - de reconnaître une note, est rare même chez les musiciens professionnels.
Selon la Jenny Saffran, directrice du laboratoire d'étude infantile de l'université du Wisconsin, les bébés ne semblent pas avoir d'oreille relative, cette capacité de se rappeler les intervalles entre les notes. Au lieu de cela, ils semblent avoir une capacité innée d'identifier le nombre précis de cycles par seconde d'un bruit.
"Nous ne la savons pas comment et quand le quand le changement se produit par rapport aux adultes " a-telle dit à l'association américaine pour l'avancement de la Science. " J'ai examiné des bébés de huit-mois et des adultes, les bébés semblent posséder l'oreille absolue, pas relative, et les adultes semblent utiliser l'oreille relative davantage que l'absolue. Quant à savoir pourquoi il y a une telle différence nous ne savons pas encore."
Le professeur Saffran a déjà démontré que les bébés agissent en tant que petits statisticiens : pour apprendre à écouter et à parler, puisqu'ils comprennent les bruits en y recherchant des modèles confirmés. Elle a conçu un essai pour mesurer si les enfants en bas âge et les adultes identifient des airs par oreille absolue ou relative. Ainsi les enfants en bas âge ont tout montré le même talent que Mozart, Nat King Cole ou Menuhin. Elle a joué une séquence trois-minute de sons de cloche - pour enchaîner avec des segments qui étaient relativement identiques, c'est à dire transposés.
Les adultes ont identifié les "airs" semblables. Les bébés de huit mois ne purent évidemment pas commenter leurs observations sur les bruits qu'ils entendirent, mais on devina leur avis en observant leur intensité d'écoute.
Les psychologues utilisent depuis bien longtemps l'envergure d'attention d'un bébé comme unité de mesure. Les bébés s'attendent a quelque chose de nouveau, et montrent beaucoup moins d'intérêt pour le familier.
"Nous savons que les enfants en bas âge ne sont pas des ardoises blanches, et qu'ils entrent dans le monde avec une structure ou un pré câblage qui les aide à apprendre" dit le prof. Saffran " Mais ce qui est intéressant ici c'est que nous n'avons pas utilisé notre expérimentation seulement pour la langue. La structure est probablement générale et liée à beaucoup de formes complexes d'étude, y compris la musique."
Les bébés perdent probablement leur capacité surnaturelle de se rappeler une fréquence précise parce que ce n'est pas important pour leur langue - à moins que cette langue soit chinoise, vietnamienne ou thaïe.
"L'oreille absolue est une forme trop fine de catégorisation," dit-elle. "Si on ne connaissait que ça, nous ne pourrions pas généraliser les bruits que nous entendons. Si nous utilisions seulement l'oreille absolue comme adultes, nous ne pourrions pas comprendre que ''joyeux anniversaire" dans deux tonalités différentes est la même chanson, ou que le mot 'tasse' dit par un homme ou par une femme, est le même mot."
Cette capacité est donc plus facilement préservée chez les enfants qui ont commencé à apprendre la musique en très bas âge. La plupart des gens commencent à apprendre la musique à l'âge de huit ans environ. Les musiciens qui ont l'oreille parfaite ont généralement commencé cet apprentissage à quatre ans environ.

Auteur: Radford Tim

Info: mercredi 21 février 2001 The Guardian

humain miroir

La perception humaine de l'espace s'étend tout comme l'univers réel !

Le cerveau humain a une façon intéressante d'évaluer la proximité ou la distance d'un objet dans l'espace. Si vous regardez la nuit depuis votre voiture, il y a de fortes chances que la Lune vous paraisse se déplacer à vos côtés. Une nouvelle étude neuroscientifique a permis de découvrir pourquoi la zone de la mémoire de notre cerveau perçoit les images proches et lointaines et comment ces exagérations peuvent créer davantage de connexions cérébrales à mesure que nous vieillissons.

L'hippocampe est une zone du cerveau impliquée dans l'apprentissage et la mémoire. Dans l'étude actuelle, les auteurs ont constaté que les neurones associés à la planification, à la mémoire et à la navigation spatiale transforment l'espace en une forme géométrique hyperbolique non linéaire - pensez à un sablier en expansion qui grossit à mesure que vous vous en éloignez. Pour en revenir à l'exemple de la lune, les jeunes enfants ont pu constater que la lune les suivait ou qu'elle était suffisamment proche pour qu'ils l'attrapent.

Bien sûr, la Lune ne se déplace pas et sa taille est déformée par sa distance. Les résultats ont montré que la taille de l'image augmente avec le temps passé dans un lieu. La taille perçue par notre cerveau est également directement liée à la quantité d'informations qu'il peut traiter : les jeunes cerveaux sont peut-être plus enclins à naviguer et à percevoir l'espace de manière linéaire. Avec de nouvelles expériences, l'hippocampe est capable d'affiner ses connexions neuronales et de traiter davantage d'informations sur l'image.

Le cerveau "s'élargit" avec l'expérience

Comprendre comment les réseaux neuronaux du cerveau traitent la navigation spatiale pourrait aider à étudier les troubles neurocognitifs. La maladie d'Alzheimer, par exemple, est une maladie dans laquelle l'hippocampe est l'une des premières zones du cerveau à être détruite, ce qui affecte la mémoire de la personne.

"Notre étude démontre que le cerveau n'agit pas toujours de manière linéaire. Au contraire, les réseaux neuronaux fonctionnent le long d'une courbe en expansion, qui peut être analysée et comprise à l'aide de la géométrie hyperbolique et de la théorie de l'information", explique l'auteur principal, Tatyana Sharpee, professeur à l'Institut Salk et titulaire de la chaire Edwin K. Hunter, dans un communiqué de presse. "Il est passionnant de constater que les réponses neuronales dans cette région du cerveau forment une carte qui s'élargit avec l'expérience, en fonction du temps passé dans un lieu donné. L'effet s'est même maintenu pour des écarts de temps minuscules, lorsque l'animal courait plus lentement ou plus rapidement dans l'environnement."

L'équipe de recherche a utilisé des méthodes informatiques avancées pour comprendre le fonctionnement du cerveau. L'une de ces techniques consiste à utiliser la géométrie hyperbolique pour disséquer les signaux biologiques. Des travaux antérieurs ont utilisé la géométrie hyperbolique pour étudier le fonctionnement des molécules odorantes et de la perception des odeurs.

La géométrie hyperbolique s'est avérée efficace pour comprendre les réponses neuronales et pour cartographier les molécules et les événements sensoriels. Les chercheurs ont recueilli leurs informations auprès de rats qui ont passé du temps à explorer un nouvel environnement. Plus le rat passe de temps dans une zone, plus il acquiert d'informations sur l'espace qui l'entoure. Cela a permis à leur carte neuronale de s'étendre et de se développer.

"Ces résultats offrent une nouvelle perspective sur la manière dont les représentations neuronales peuvent être modifiées par l'expérience", explique Huanqiu Zhang, étudiant diplômé du laboratoire de M. Sharpee. "Les principes géométriques identifiés dans notre étude peuvent également guider les futurs efforts de compréhension de l'activité neuronale dans divers systèmes cérébraux.

Auteur: Internet

Info: Nature Neuroscience, repris par Jocelyn Solis-Moreira ,7 janvier 2023

[ horizon grégaire intégré ] [ vieillir grandir ]

traitement automatique du langage

- C'est quoi un algorithme de représentation ?

- Il s'agit d'un ensemble de règles ou de procédures utilisées pour transformer des données ou des informations d'une forme vers une autre. L'objectif d'un algorithme de représentation est de convertir des données complexes ou non structurées en une représentation plus facile à gérer ou plus utile, souvent dans un format qui peut être facilement traité par une machine ou analysé par des humains.

Les algorithmes de représentation sont couramment utilisés dans divers domaines de l'informatique, notamment le traitement du langage naturel (TAL), la vision par ordinateur et l'apprentissage automatique. Par exemple, dans le traitement du langage naturel, un algorithme de représentation peut être utilisé pour transformer des données textuelles en un format numérique qui peut être utilisé pour des tâches d'apprentissage automatique telles que l'analyse des sentiments ou la recherche d'informations. Dans le domaine de la vision artificielle, les algorithmes de représentation peuvent être utilisés pour extraire des caractéristiques d'images ou de données vidéo, qui peuvent ensuite être utilisées pour des tâches telles que la reconnaissance d'objets ou la détection de mouvements.

- Tu as écrit "Par exemple, dans le traitement du langage naturel, un algorithme de représentation peut être utilisé pour transformer des données textuelles en un format numérique qui peut être utilisé pour des tâches d'apprentissage automatique telles que l'analyse des sentiments". Peux-tu élaborer un peu plus ?

- Bien sûr. L'analyse des sentiments, également connue sous le nom d'exploration d'opinion (opinion mining), est une application courante du traitement du langage naturel qui consiste à analyser un texte pour déterminer l'attitude ou les sentiments de l'auteur à l'égard d'un sujet particulier. Dans l'analyse des sentiments, un algorithme de représentation est utilisé pour transformer les données textuelles en un format numérique qui peut être facilement traité par un algorithme d'apprentissage automatique.

Une approche courante de l'analyse des sentiments consiste à utiliser un panier-modèle-de-mots, qui représente un document sous forme d'une collection de termes individuels, sans tenir compte de leur ordre d'apparition. Chaque item se voit attribuer un poids correspondant à son importance dans le document, généralement en fonction de sa fréquence d'apparition et de sa pertinence par rapport à la tâche à accomplir. La représentation numérique du document qui en résulte peut ensuite être utilisée comme entrée d'un modèle d'apprentissage automatique, tel qu'un classificateur, qui est entraîné à prédire le contenu- ressenti-sentiment-caractère de nouveaux documents inédits.

Prenons l'exemple de la phrase suivante : "J'aime le film "La rédemption de Shawshank"". Un algorithme de représentation par panier-modèle-de-mots pourrait représenter cette phrase sous la forme d'un vecteur de nombres, où chaque élément correspond à un mot particulier de la phrase, et la valeur de chaque élément indique la pertinence ou l'importance de ce mot pour le sentiment de la phrase. Dans ce cas, le vecteur pourrait ressembler à ceci : 

[0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

Ici, le deuxième élément a une valeur de 1 parce que le mot "amour" est très pertinent pour le sentiment de la phrase. Les autres éléments ont tous une valeur de 0 car les autres mots de la phrase ne sont pas particulièrement pertinents pour le feeling de la phrase.

Une fois que la représentation numérique du document est générée, elle peut être intégrée à un algorithme d'apprentissage automatique spécialement formé sur un ensemble de documents dont les étiquettes de sentiment sont connues  (par exemple, positives, négatives ou neutres). L'algorithme d'apprentissage automatique peut alors apprendre à associer certains modèles numériques dans les données d'entrée avec  des étiquettes de sentiment particulières, et utiliser cette connaissance pour prédire le sentiment de nouveaux documents non vus.

Auteur: chatGPT4

Info: 3 mai 2023

pédagogie

Apprentissage par récompense ou par punition: quelles différences ?
Apprendre à rechercher le plaisir ("récompenses") et à éviter la douleur ("punitions") joue un rôle fondamental pour la survie de tout animal, homme inclus. C'est ce que viennent de démontrer dans un article paru dans la revue Nature Communications, des chercheurs issus du CNRS - et notamment du Groupe d'analyse et de théorie économique Lyon St-Etienne
Malgré leur égale importance, l'apprentissage par récompense est beaucoup mieux compris que l'apprentissage par punition, d'un point de vue non seulement psychologique mais aussi neurobiologique. La principale raison à cela est que l'apprentissage par récompense est plus simple: il suffit de répéter les choix qui ont amené dans le passé à l'obtention du plaisir. En d'autres termes, il y a une association directe entre le "bon choix à faire" et le stimulus qui motive l'apprentissage (la récompense, qui a une valeur positive).
La figure montre des activations cérébrales dans deux régions, le striatum ventral (en vert) et l'insula antérieur (en rouge), qui sont connues pour travailler en opposition et être impliquées dans l'apprentissage par récompense et celui par punition, respectivement. Dans notre étude nous montrons que la contextualisation des valeurs supprime la nécessité d'activer l'insula, lors de l'apprentissage par punition, produisant un transfert d'activation du système de punition vers le système de récompense à mesure que les actions acquièrent une valeur relative positive.
L'apprentissage par punition est cognitivement plus complexe, car cette association n'est justement pas directe. Prenons l'exemple d'un animal qui est poursuivi par un prédateur. Le bon choix consisterait à se cacher dans un trou pour fuir le prédateur et amènerait à la disparition du stimulus qui motive l'apprentissage (le prédateur, qui a une valeur négative). Par conséquent, il est difficile d'expliquer comment ce bon choix se maintient en l'absence du stimulus. Les théories courantes ont ainsi du mal à démontrer comment les hommes peuvent être aussi performants dans le domaine de la punition que dans celui de la récompense.
L'équipe de recherche a découvert récemment un algorithme permettant au cerveau humain d'apprendre à éviter des punitions aussi efficacement qu'il apprend à rechercher des récompenses. La clef de voûte de cet algorithme - appelé "RELATIVE" - consiste à calculer les résultats des actions de manière dépendante du contexte dans lequel le résultat est obtenu. Ainsi, dans l'apprentissage par punition, le résultat d'une action qui a une valeur nulle (voire légèrement négative) - se cacher dans un trou - est rapporté au contexte dans lequel ce résultat a été obtenu, qui a une valeur très négative - être poursuivi par un prédateur. Si l'on considère que la valeur de l'action est plus grande que la valeur moyenne du contexte, le bon choix acquiert ainsi une valeur "relative" positive. Il permet donc un apprentissage par récompense aussi bien que par punition.
Grâce à l'imagerie par résonance magnétique cérébrale, l'équipe de recherche a aussi pu valider cet algorithme d'un point de vue neurobiologique, en montrant qu'il explique les variations d'activité cérébrale dans le cortex préfrontal médian, une zone du cerveau connue pour être impliquée dans la prise de décision. L'IRM a également permis de trancher un débat contradictoire important en sciences et dans la littérature: y a-t-il des systèmes ou réseaux distincts dans le cerveau pour l'apprentissage basé sur la récompense et celui basé sur la punition ?
L'analyse démontre qu'au départ, lorsque les sujets ne semblent pas encore avoir bien appris la valeur du contexte, le système d'apprentissage basé sur la récompense (le striatum ventral) et celui basé sur la punition (l'insula) sont tous les deux activés. Puis, à mesure que la contextualisation des valeurs négatives se met en place, l'insula s'active de moins en moins, et les essais d'apprentissage dans le contexte de punition se mettent à impliquer le striatum ventral qui s'active de plus en plus.

Auteur: Internet

Info: Contextual modulation of value signals in reward and punishment learning. Stefano Palminteri, Mehdi Khamassi, Mateus Joffily, Georgio Coricelli, Nature Communications, 25 août 2015

[ reptilien ]