Ces modèles sont capables d’apprendre sans aucune supervision les propriétés récurrentes au sein des scène visuelles à partir d’une loi computationnelle très simple proposée il y’a plus de cinquante ans ! Au sein du réseau de neurones, les synapses associées aux propriétés visuelles les plus fréquentes sont progressivement renforcées alors que celles associées aux propriétés plus rares ou inexistantes sont affaiblies. Les résultats de cette étude, à paraître dans la revue ‘Journal of Neuroscience’ ont montré que lorsque le modèle est entrainé avec des images stéréoscopiques naturelles, les neurones du réseau artificiel deviennent automatiquement sélectifs à la disparité binoculaire, propriété sous-tendant la perception stéréoscopique. La structure de ces neurones est également très proche de celle des neurones enregistrés chez le vivant, contrairement à ce qui avait été observé à partir de modèles informatiques plus complexes mais sans fondement biologique. Cette démarche originale a également permis de montrer comment des biais connus et présents au sein de notre environnement peuvent influencer notre traitement mais aussi notre perception de la scène visuelle. De façon générale, cette étude permet de mieux comprendre comment notre sélectivité sensorielle et en particulier visuelle évolue en fonction de l’expérience après la naissance. Elle pourrait permettre de mieux comprendre et potentiellement de prévenir certaines pathologies développementales comme l’amblyopie. http://www4.cnrs-dir.fr/insb/recherche/parutions/articles2018/b-cottereau.html
Cet article a fait l’objet d’une publication dans La lettre d’info des instituts du CNRS.