La représentation de l'information dans le cerveau
Par Arvind Kumar, Fellow 2022
La manière dont les informations internes et externes sont représentées dans le cerveau est l'une des questions fondamentales des neurosciences. Des expériences ont montré que les neurones sont sensibles à un petit ensemble de caractéristiques, par exemple un neurone du cortex visuel peut répondre à la couleur et à l'angle d'orientation. En outre, les neurones ne réagissent qu'à une petite partie des variables qu'ils préfèrent. Par exemple, certains neurones du cortex visuel primaire réagissent à des barres mobiles orientées selon des angles spécifiques. C'est ce qui a conduit à la notion de « courbe d'accord ». Des expériences ont révélé un large éventail de formes de courbes d'accord pour une variété de stimuli.
Dans mon exposé, j'expliquerai comment la forme des courbes d'accord impose des contraintes sur la fidélité de la représentation de l'information dans le cerveau. Tout d'abord, je développerai une heuristique sur les formes optimales des courbes d'accord en fonction du bruit et des corrélations. Cette perspective nous donne déjà une explication putative de la raison pour laquelle différentes régions du cerveau peuvent préférer un certain type de formes de courbes d'accord.
Ensuite, je comparerai les performances de deux grandes catégories de courbes d'accord, en examinant non seulement leur précision, mais également le temps nécessaire pour atteindre un certain niveau de précision. Cette analyse révèle un compromis entre vitesse et exactitude : en effet, avec certaines formes de courbes d'accord, les neurones atteignent rapidement un niveau de précision minimal mais peuvent manquer d'exactitude, alors que les neurones avec des courbes d'accord plus précises peuvent prendre plus de temps pour atteindre leur précision minimal. La forme des courbes d'accord est principalement déterminée par la connectivité des neurones, l'apprentissage influençant quantitativement ces formes. Par conséquent, il semble que les compromis inhérents entre vitesse et précision, cruciaux pour un comportement naturel, soient intégrés dans la connectivité du cerveau.
Plus d'informations sur Arvind Kumar et son projet USIAS : Implications fonctionnelles de la connectivité bidirectionnelle entre le cervelet et les ganglions de la base