Synchronizing Minds through Collective Predictive Coding: A Computational Model of Parent-Infant Homeostatic Co-Regulation

Résumé technique : Synchronisation des esprits par codage prédictif collectif

Énoncé du problème
La synchronisation inter-cérébrale (SIC) observée dans les interactions dyadiques en temps réel, telles que les échanges parent-nourrisson, suggère que les agents en interaction développent des représentations latentes alignées. Cependant, les explications computationnelles détaillant comment un tel alignement émerge entre des agents n'ayant qu'un accès sensoriel local et des connaissances internes asymétriques restent sous-développées. Un défi central consiste à modéliser comment deux agents, possédant chacun des états internes privés et des données sensorielles limitées, peuvent se coordonner pour réguler leurs états corporels tout en alignant simultanément leurs représentations latentes, sans nécessiter d'accès direct aux états cachés de l'autre ni le maintien de modèles récursifs profonds de l'autre.

Méthodologie
Les auteurs proposent un modèle computationnel constructif de la co-régulation homéostatique parent-nourrisson intégrant deux cadres principaux :

1. Inférence interoceptive active (POMDP) : L'interaction est modélisée comme un processus de décision markovien partiellement observable (POMDP). Deux agents, un parent (Agent A) et un nourrisson (Agent B), possèdent des connaissances de modèles génératifs asymétriques :
   • Le Parent possède une matrice de transition d'état précise ($B_A$) codant comment les actions transforment les états viscéraux, mais doit apprendre la matrice de génération sensorielle ($A_A$) reliant son inférence de l'état du nourrisson aux indices extéroceptifs observés (par exemple, les frissons).
   • Le Nourrisson possède une matrice de génération sensorielle précise ($A_B$) pour la perception interoceptive directe de son propre état, mais doit apprendre la matrice de transition d'état ($B_B$) capturant comment les actions affectent son corps.
   • Les deux agents traitent les entrées sensorielles localement disponibles et apprennent leurs matrices inconnues respectives en ligne via des distributions de Dirichlet.
2. Codage prédictif collectif (CPC) via MHNG : Pour médiatiser l'accord sur les actions régulatrices, les agents utilisent le Jeu de Nommage Metropolis–Hastings (MHNG). Une variable communicative partagée (symbole $w$) est échantillonnée sur la base des représentations internes des agents ($z$). L'acceptation d'un symbole proposé est déterminée par une probabilité de Metropolis–Hastings calculable localement, qui dépend uniquement du modèle génératif interne de l'auditeur. Cela permet aux agents de contraindre les croyances a posteriori de l'autre sans accès direct aux états cachés du partenaire.

La simulation se déroule dans un monde en grille discret de $6 \times 6$ représentant l'état viscéral du nourrisson (énergie et température corporelle). Les agents visent à maintenir l'état dans une région de préférence a priori élevée ($C$) grâce à des actions coopératives (Refroidir, Réchauffer, Manger, Jouer, Dormir).

Configuration expérimentale et métriques
L'étude compare trois conditions :

• MHNG : Les symboles émergent par une communication bidirectionnelle parent-nourrisson utilisant le protocole MHNG.
• A-seul : Le nourrisson accepte toujours la proposition du parent ; le parent rejette toujours celle du nourrisson.
• B-seul : Le parent accepte toujours la proposition du nourrisson ; le nourrisson rejette toujours celle du parent.

Les métriques clés incluent :

• Adaptativité ($C_{norm}$) : Le degré d'alignement de l'état viscéral du nourrisson avec la région de préférence a priori élevée.
• Entropie moyenne ($\bar{H}$) : L'entropie des matrices génératives apprises ($A$ pour le parent, $B$ pour le nourrisson), indiquant la précision prédictive.
• Similarité des représentations mentales ($JSD_z$) : La distance de Jensen–Shannon entre les distributions a posteriori des états latents du parent et du nourrisson ($q(z_A)$ et $q(z_B)$).

Résultats clés

1. Performance de régulation : L'interaction médiatisée par MHNG a régulé l'état viscéral du nourrisson de manière plus adaptative que les conditions de contrôle unilatérales (A-seul et B-seul). L'état viscéral dans la condition MHNG est resté dans la région de préférence a priori élevée dès la phase précoce de l'apprentissage.
2. Alignement rapide des états latents : La distance de Jensen–Shannon ($JSD_z$) entre les distributions a posteriori des agents a tendu vers zéro après environ 20 itérations, indiquant une synchronisation rapide des représentations internes.
3. Découplage de l'alignement et de la convergence du modèle : La convergence des matrices génératives (indiquée par la diminution de l'entropie $\bar{H}$) s'est produite beaucoup plus tard, se stabilisant autour de 500 itérations. Crucialement, la synchronie représentationnelle est apparue bien avant la convergence des modèles du monde appris.
4. Mécanisme de l'asymétrie : L'alignement rapide est attribué à la nature complémentaire des connaissances des agents : le nourrisson saisit son état viscéral via une génération sensorielle ascendante précise ($A_B$), tandis que le parent saisit l'état via des transitions d'état descendantes précises ($B_A$).

Signification et affirmations
L'article prétend offrir un « compte rendu constructif minimal » de l'alignement des états latents compatible avec la SIC rapportée dans les études d'hyperscanning. La contribution principale est de démontrer que la synchronie représentationnelle ne présuppose pas de modèles du monde entièrement partagés. Au contraire, des agents dotés de connaissances asymétriques et d'un accès sensoriel local peuvent atteindre un alignement rapide de leurs croyances latentes par le biais d'une variable communicative partagée régie par des probabilités d'acceptation calculables localement.

Les auteurs positionnent l'hypothèse du Codage Prédictif Collectif (CPC), opérationnalisée via MHNG, comme une base computationnelle candidate pour l'alignement inter-cérébral. Ils soutiennent que ce cadre explique comment l'interaction sociale peut contraindre les croyances a posteriori et faciliter la co-régulation sans exiger que les agents accèdent directement aux observations de l'autre ou maintiennent des modèles récursifs complexes de l'autre.

Limites et perspectives
Les auteurs reconnaissent que le modèle actuel utilise un monde en grille discret simplifié à deux dimensions et suppose que les préférences a priori ($C$) et les matrices d'interprétation ($E$) sont partagées et statiques. Par conséquent, le modèle ne traite pas de la dynamique de l'émergence des symboles eux-mêmes. Des travaux futurs sont proposés pour aligner le modèle sur des organismes réels ou des robots en utilisant des représentations continues et multidimensionnelles, et pour introduire des règles d'apprentissage pour les matrices $C$ et $E$ afin de modéliser l'émergence du sens social.