Predictive perception via simultaneous learning and inference

Les êtres humains naviguent dans un monde qui est rarement clair. Nous entendons des conversations dans des pièces bondées, reconnaissons des visages dans des ombres mouvantes et comprenons la musique même lorsque le signal est faible. Pour ce faire, nos cerveaux ne se contentent pas d'enregistrer ce qui frappe nos sens ; ils devinent activement ce qui se trouve là, en combinant les données bruitées que nous recevons avec ce que nous attendons déjà de trouver. Cette idée, souvent appelée l'hypothèse du cerveau bayésien, suggère que la perception est une forme de devinette et de vérification constante. Cependant, un casse-tête majeur subsistait : comment le cerveau effectue-t-il ces calculs complexes en temps réel ? Le monde naturel est vaste et continu, et calculer la probabilité exacte de chaque état possible dans un tel espace est mathématiquement impossible pour n'importe quelle machine, et encore plus pour un organisme biologique. Pendant des décennies, les scientifiques ont tenté de résoudre ce problème en supposant que le cerveau simplifie le problème de manières spécifiques, soit en forçant ses conjectures à adopter des formes simples et nettes, soit en prenant des milliers d'échantillons aléatoires pour approximer la réponse.

Une nouvelle étude propose une voie différente, qui évite le besoin de ces raccourcis complexes. Au lieu de simplifier les conjectures du cerveau, les chercheurs suggèrent que le cerveau pourrait simplifier le monde qu'il cherche à deviner. Ils soutiennent que la perception fonctionne souvent en catégorisant les entrées continues en états distincts et séparés, tout comme nous percevons une mélodie comme une série de notes spécifiques plutôt que comme une échelle de fréquences glissante. En traitant l'environnement comme un ensemble d'étapes discrètes plutôt que comme un flux lisse et infini, le cerveau peut effectuer des calculs exacts et parfaits sans avoir besoin d'approximations. Les chercheurs ont construit un modèle informatique pour tester cette idée, montrant qu'un système qui apprend les règles de changement de ces états, tout en déterminant simultanément dans quel état il se trouve, peut reproduire le comportement humain dans des situations bruitées. Cette approche suggère que le cerveau n'a pas besoin d'être un maître des statistiques complexes pour être un maître de la perception ; il lui suffit de connaître les règles du jeu et de les mettre à jour pendant qu'il joue.

Les chercheurs, dirigés par Mahdi Enan et ses collègues de l'Université de Maastricht, ont développé un modèle qu'ils appellent SLIM, qui signifie Simultaneous Learning and Inference Model (Modèle d'Apprentissage et d'Inférence Simultanés). Le cœur de leur idée est un déplacement du lieu où réside la complexité. Dans les théories précédentes, on pensait que le cerveau luttait contre l'immensité des possibilités du monde, et qu'il devait donc restreindre ses propres croyances pour que les mathématiques fonctionnent. SLIM inverse cette logique. Il suppose que le monde est composé d'un nombre fini d'états, ce qui rend le calcul de l'état actuel parfaitement soluble. Le défi devient alors d'apprendre comment le monde passe d'un état à l'autre. Le modèle y parvient en utilisant une règle simple et locale pour mettre à jour sa carte interne de ces transitions chaque fois qu'il fait une conjecture. Il apprend de ses propres inférences, et non seulement des données sensorielles brutes, ce qui lui permet de s'adapter lorsque les règles de l'environnement changent.

Pour vérifier si cette théorie tenait la route, l'équipe a mené une série de simulations informatiques. Ils ont créé des environnements virtuels où les règles de mouvement étaient soit fixes et prévisibles, soit aléatoires et changeantes. Ils ont ensuite soumis le modèle à des signaux bruités, imitant les données imparfaites que nos sens reçoivent. Les résultats ont été frappants. Le modèle a réussi à apprendre les schémas sous-jacents de l'environnement, même lorsque l'entrée sensorielle était fortement déformée. Lorsque l'environnement passait soudainement d'un motif prévisible à un motif chaotique, le modèle s'adaptait rapidement, son incertitude interne augmentant pour correspondre à la nouvelle réalité. Crucialement, le modèle pouvait continuer à fonctionner et à faire des prédictions précises même lorsque l'entrée sensorielle devenait totalement inutile, en se reposant entièrement sur ses attentes apprises. Cela a démontré que le système pouvait maintenir une vision stable du monde en faisant confiance à son modèle interne lorsque le monde extérieur devenait silencieux.

Les chercheurs ont également testé si ce cadre simple pouvait capturer la capacité du cerveau à gérer différentes échelles de temps. Dans le monde réel, nous remarquons des motifs immédiats, comme un battement de tambour, mais aussi des structures plus longues, comme le rythme d'une chanson. L'équipe a construit une version hiérarchique de leur modèle, avec une couche apprenant les transitions à court terme et une autre apprenant les motifs à plus long terme. Lorsqu'ils ont présenté au modèle des séquences qui suivaient une règle locale mais en violaient une règle globale, le modèle a produit des signaux d'erreur distincts à chaque niveau, reflétant la façon dont le cerveau humain réagit aux surprises locales par rapport aux surprises globales. Cela suggère que le même mécanisme de base de l'apprentissage et de l'inférence peut expliquer une perception complexe et multicouche sans nécessiter de systèmes séparés et spécialisés pour différentes échelles de temps.

Pour aller au-delà des simulations, l'équipe a appliqué son modèle à des données humaines réelles issues de deux expériences auditives. Dans la première étude, les participants écoutaient un ton spécifique caché dans un bruit de fond. Parfois, un son précédent donnait un indice sur le ton à venir, et parfois non. Les humains sont connus pour détecter les tons attendus plus rapidement et plus précisément que les inattendus. Le modèle SLIM, adapté aux participants individuels, a reproduit parfaitement ce comportement. Il a montré des taux de réussite plus élevés pour les tons attendus et des temps de réaction plus longs pour les inattendus, tout comme les personnes de l'étude. Le modèle a également généré une mesure de la « surprise » qui corrélait avec le temps de réponse des participants, suggérant que le sentiment de surprise est un sous-produit direct de la tentative du cerveau de mettre à jour son modèle interne.

La seconde expérience a ajouté une couche de complexité en introduisant un indice ambigu — un son qui ne donnait aucun indice sur ce qui allait suivre. Cela a permis aux chercheurs de séparer les bénéfices de l'attente des coûts de la surprise. Là encore, le modèle a correspondu aux données humaines. Les participants performaient mieux lorsqu'ils avaient une attente claire, moins bien lorsqu'ils n'en avaient aucune, et de manière intermédiaire lorsqu'ils faisaient face à l'ambiguïté. Le modèle suivait les calculs d'attente et de surprise avec une grande précision, traquant ces changements de comportement. En analysant les données, les chercheurs ont découvert que la mesure de surprise produite par le modèle, basée sur ce qu'il avait appris à attendre, pouvait expliquer les différences individuelles dans la capacité des gens à détecter les tons. Cela constituait une preuve solide que la capacité du cerveau à apprendre la structure statistique de son environnement est le moteur clé de ces avantages perceptifs.

L'étude remet en question la vue prédominante selon laquelle le cerveau doit s'appuyer sur des méthodes complexes et approximatives pour gérer l'incertitude du monde. Au contraire, elle suggère qu'en traitant la perception comme un processus de catégorisation du monde en états discrets, le cerveau peut effectuer des calculs exacts en utilisant des règles d'apprentissage simples et locales. Cette approche ne nécessite pas que le cerveau adopte une forme spécifique pour ses croyances ou qu'il exécute des milliers d'échantillons aléatoires pour trouver la réponse. Il lui suffit d'apprendre les transitions entre les états et de les mettre à jour en temps réel. Bien que le modèle fonctionne mieux dans des environnements comportant un nombre gérable d'états, les chercheurs soutiennent que ce cadre offre une explication puissante et biologiquement plausible de la façon dont nous naviguons dans un monde bruyant. Cela montre que la capacité du cerveau à prédire l'avenir ne provient peut-être pas de mathématiques complexes, mais d'un processus simple et continu d'apprentissage des règles du présent.