Apprentissage, Bayesien, Computation, Inférence, Neurosciences, Psychologie, Régularité, Séquence

En tant qu'êtres humains, nous pouvons comprendre le langage parlé, reconnaître les premières mesures de la 5e symphonie de Beethoven, remarquer les fluctuations du niveau de l'océan induit par la marée, prédire la couleur des feux de signalisation, et identifier nombreuses des omniprésentes régularités temporelles qui peuplent notre environnement quotidien. Comment le cerveau humain détecte-t-il, identifie-t-il, traite-t-il et utilise-t-il ces régularités; et ce, malgré leur étonnante diversité ? Dans cette thèse, j'ai étudié les mécanismes par lesquels le cerveau humain apprend des séquences et des régularités qu'elles peuvent comporter. Pour ce faire, j'ai enregistré les réponses comportementales et neurales évoquées par des séquences auditives binaires caractérisées par différents types de régularités. En parallèle, j'ai développé des modèles mathématiques du traitement des séquences et reposant sur les principes normatifs de l'inférence probabiliste, mais avec des architectures computationnelles différentes, et ai utilisé les données humaines pour arbitrer parmi ces modèles. Sur la base de cette même approche générale, j'ai investigué trois différentes facettes de la perception humaine des séquences. Premièrement, j'ai démontré qu'une simple machinerie inférant la structure des transitions entre les items de la séquence rendait compte de divers aspects de la perception humaine des séquences observés dans de précédentes études en apparence disparates. Deuxièmement, j'ai ensuite trouvé que cet algorithme d'apprentissage était implémenté dans des systèmes cérébraux distincts qui extraient les tendances statistiques à différentes échelles de temps, fournissant ainsi une explication mécanistique à l'effet des biais statistiques globaux et de l'histoire récente des observations sur la perception humaine. En sus de l'apprentissage statistique, les êtres humains possèdent également la capacité de détecter et d'identifier des règles déterministes. Troisièmement, j'ai montré que les statistiques et les règles correspondent à deux espaces d'hypothèses distincts, et non à un continuum; mais que les sujets humains étaient en mesure d'arbitrer rationnellement entre ces hypothèses étant donné la séquence observée. En résumé, mes investigations des fondations cognitives, des principes computationnels et des architectures neurales soutenant le traitement de séquences suggèrent que le cerveau humain dispose de plusieurs systèmes d'inférence qui suivent les principes normatifs de l'inférence probabiliste, mais qui sont spécialisés dans différents aspects des séquences, fournissant ainsi une possible explication à la perception humaine d'un vaste répertoire de régularités temporelles.