Multi-scale place fields provide a predictive basis for hierarchical control
Cet article introduit la représentation de successeur hiérarchique factorisée (fHSR), une carte prédictive qui unifie le contrôle hiérarchique efficace avec l'organisation spatiale multi-échelle des cellules de lieu hippocampiques, expliquant avec succès leurs caractéristiques dans de grands environnements et prédisant une nouvelle périodicité spatiale indépendante de la taille dans les taux de décharge de population.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
L'hippocampe du cerveau est souvent décrit comme le siège de la mémoire, mais pendant des décennies, les neuroscientifiques l'ont également considéré comme une carte cognitive, un GPS mental qui permet aux animaux de naviguer dans leur monde. Dans les pièces petites et contrôlées d'un laboratoire, cette carte semble simple : des cellules cérébrales individuelles, connues sous le nom de cellules de lieu, ne s'activent que lorsqu'un animal se trouve à un endroit spécifique, créant ainsi un interrupteur « on » unique et ordonné pour une localisation. Cependant, le monde réel est vaste et complexe. Lorsque des rats parcourent des centaines de mètres ou que des chauves-souris volent des dizaines de kilomètres entre leurs gîtes et leurs zones d'alimentation, ces mêmes cellules cérébrales se comportent de manière très différente. Au lieu d'un interrupteur unique, elles s'activent en plusieurs salves irrégulières à travers le paysage, créant un motif d'activité d'apparence chaotique que les théories traditionnelles de la navigation ont eu du mal à expliquer.
Ce décalage entre l'image soignée du laboratoire et la réalité désordonnée de la nature a laissé les scientifiques se demander si la carte du cerveau se dégrade dans les grands espaces ou si notre compréhension de son fonctionnement est incomplète. Une théorie prédominante suggérait que le cerveau construit une carte prédictive, calculant essentiellement où un animal est susceptible de finir en fonction de sa position actuelle. Bien que cette idée ait bien fonctionné pour de petites pièces, elle n'a pas réussi à rendre compte des modèles d'activation complexes et multi-sites observés dans les grands environnements. Les chercheurs ont dû se demander si cette irrégularité était simplement un bruit aléatoire ou si elle servait un but spécifique et caché dans la façon dont le cerveau planifie et se déplace à travers le monde.
Une nouvelle étude menée par une équipe de neuroscientifiques computationnels propose que cette irrégularité n'est pas un défaut, mais une caractéristique d'un système de navigation hautement efficace. Les chercheurs ont développé un nouveau modèle mathématique appelé la représentation de successeur hiérarchique factorisée. En termes simples, ce modèle suggère que le cerveau ne planifie pas seulement une étape à la fois. Au lieu de cela, il organise le mouvement en une hiérarchie de sous-objectifs, tels que « aller au bout du couloir » ou « tourner au seuil de la porte ». En décomposant un long voyage en ces segments gérables, le cerveau peut planifier efficacement sur de vastes distances sans se perdre dans les détails de chaque étape individuelle.
L'équipe a démontré que lorsqu'un agent informatique utilise cette approche hiérarchique pour apprendre, il développe naturellement une carte qui ressemble exactement à l'activité cérébrale observée chez les animaux réels. Dans leurs simulations, le modèle a produit des cellules de lieu qui s'activent en plusieurs endroits, le nombre de sites et leur taille changeant de manière prévisible à mesure que l'environnement s'agrandit. Cela correspondait aux données collectées auprès de rats courant sur des pistes allant jusqu'à 48 mètres et de chauves-souris frugivores égyptiennes volant sur des distances atteignant 200 mètres. Le modèle a reproduit avec succès les motifs statistiques spécifiques trouvés chez ces animaux, y compris le fait que certaines cellules s'activent dans de nombreux endroits tandis que d'autres s'activent dans peu d'endroits, et que l'espacement entre ces points d'activation suit une distribution spécifique et non aléatoire.
De manière cruciale, les chercheurs ont testé si cette structure hiérarchique offrait un véritable avantage. Ils ont découvert que les agents utilisant cette méthode pouvaient apprendre de nouveaux itinéraires et atteindre de nouveaux objectifs beaucoup plus rapidement que les agents utilisant des modèles plus anciens et plus simples, surtout à mesure que l'environnement devenait plus grand. L'approche hiérarchique permettait au cerveau de généraliser ce qu'il apprenait dans une situation et de l'appliquer à une autre, un trait clé de l'intelligence flexible. Le modèle a également prédit que l'activité de la population cérébrale montrerait un rythme répétitif subtil à travers l'espace, un motif que les chercheurs ont ensuite confirmé en analysant les taux de décharge réels des neurones de rats et de chauves-souris. Ce rythme restait constant, quelle que soit la longueur de la piste, suggérant qu'il s'agit d'une propriété fondamentale de la façon dont le cerveau segmente l'espace.
L'étude a également écarté l'idée que ces schémas d'activation complexes soient simplement le résultat d'un bruit biologique aléatoire. Lorsque les chercheurs ont simulé l'activité cérébrale à l'aide d'un modèle basé sur des fonctions aléatoires, celui-ci n'a pas réussi à produire les rythmes répétitifs spécifiques et la structure géométrique unique trouvés dans les données animales réelles. Le modèle hiérarchique, en revanche, a généré ces caractéristiques naturellement comme une conséquence de sa conception. Cela suggère que l'activation multi-sites irrégulière des cellules de lieu est un résultat direct de l'organisation du comportement du cerveau en sous-objectifs pour gérer des environnements vastes et complexes.
En reliant la façon dont les animaux se déplacent à la façon dont leurs cellules cérébrales s'activent, ce travail fournit une explication unifiée de la manière dont le cerveau adapte ses capacités de navigation d'une petite pièce à un vaste paysage. Cela implique que la carte du cerveau n'est pas une image statique du monde, mais un système dynamique et multicouche optimisé pour la planification et l'efficacité. Les résultats suggèrent que la capacité du cerveau à naviguer dans le monde sauvage et complexe repose sur la décomposition du voyage en morceaux plus petits et plus gérables, une stratégie qui transforme ce qui ressemble à un bruit chaotique en un outil précis et puissant pour la survie.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.