Connexionnisme

Un article de Wikipédia, l'encyclopédie libre.
Ceci est une version archivée de cette page, en date du 7 janvier 2015 à 11:48 et modifiée en dernier par Jrcourtois (discuter | contributions). Elle peut contenir des erreurs, des inexactitudes ou des contenus vandalisés non présents dans la version actuelle.

Le connexionnisme est une approche utilisée en sciences cognitives, neurosciences, psychologie et philosophie de l'esprit. Le connexionnisme modélise les phénomènes mentaux ou comportementaux comme des processus émergents de réseaux d'unités simples interconnectées. Le plus souvent les connexionnistes modélisent ces phénomènes à l'aide de réseaux de neurones. Il s'agit d'une théorie qui a émergé à la fin des années 1980 en tant qu'alternative au computationnalisme (Putnam, Fodor, etc.) alors dominant.

À ne pas confondre avec le connectivisme, qui a peu à voir.

Principes de base

Le principe de base du connexionnisme est que les phénomènes mentaux peuvent être décrits à l'aide de réseaux d'unités simples interconnectées. La forme des connexions et des unités peut varier selon les modèles. Par exemple, les unités d'un réseau peuvent représenter des neurones et les connexions peuvent représenter des synapses. Un autre type de modèle pourrait faire que chaque unité du réseau soit un mot et que chaque connexion soit un indicateur de la similarité sémantique.

La diffusion d'activation

Un concept important pour les modèles connexionnistes est celui d'activation. À chaque instant, une unité du réseau a un certain niveau d'activation. Par exemple, si les unités du modèle sont des neurones, l'activation pourrait représenter la probabilité que le neurone génère un potentiel d'action. Si ce modèle est un modèle à diffusion d'activation, alors une fois le seuil d'activation atteint, l'activation va se propager à toutes les unités connectées.

Réseaux neuronaux

Voir l'article principal : Réseau de neurones

Les réseaux de neurones sont, de loin, les modèles connexionnistes les plus répandus aujourd'hui. Beaucoup de recherches utilisant des réseaux de neurones se réclament du connexionnisme. Les réseaux connexionnistes répondent à deux caractéristiques :

  1. Chaque état mental peut être représenté comme un vecteur à n dimensions représentant les valeurs d'activation des unités neuronales ;
  2. Le réseau peut apprendre en modifiant le poids des connexions entre ses unités. La force des connexions (ou poids) est généralement représentée comme une matrice à n dimensions.

En revanche, les modèles peuvent différer de par :

  • La définition de l'activation : L'activation peut être définie de différentes façons. Par exemple, dans une machine de Boltzmann, l'activation est interprétée comme la probabilité de générer un potentiel d'action. Cette probabilité est déterminée par une fonction logistique dépendant de la somme des entrées d'une unité ;
  • L'algorithme d'apprentissage : Il définit la façon dont les poids des connexions vont changer au fur et à mesure du temps.

Réalisme biologique

Apprentissage

Historique

Les idées qui ont donné naissance au connexionnisme remontent à plus d'un siècle. Néanmoins, les idées connexionnistes n'étaient rien de plus que de simples spéculations jusqu'au milieu du XXe siècle. Il faut attendre les années 1980 pour que le connexionnisme devienne une perspective populaire auprès des scientifiques.

Voir aussi

Bibliographie

  • (fr) William Bechtel et Adele Abrahamsen (trad. Joëlle Proust), Le connexionnisme et l'esprit : introduction au traitement parallèle par réseaux, Éditions La Découverte, 1993, 365 p. (ISBN 2707122211)
  • (fr) Denis Bonnet, Apport du connexionnisme aux méthodes statistiques de la prévision, 1997, 244 p.
  • (fr) Rui Da Silva Neves, « Le connexionnisme. Les assemblées de neurones », Sciences humaines, hors-série spécial, no 7, septembre-octobre 2008
  • (en) Rumelhart, D.E., J.L. McClelland and the PDP Research Group (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, Cambridge, MA: MIT Press
  • (en) McClelland, J.L., D.E. Rumelhart and the PDP Research Group (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 2: Psychological and Biological Models, Cambridge, MA: MIT Press
  • (en) Pinker, Steven and Mehler, Jacques (1988). Connections and Symbols, Cambridge MA: MIT Press.
  • (en) Jeffrey L. Elman, Elizabeth A. Battes, Mark H. Johnson, Annette Karmiloff-Smith, Domenico Parisi, Kim Plunkett (1996). Rethinking Innateness: A connectionist perspective on development, Cambridge MA: MIT Press.
  • (en) Marcus, Gary F. (2000). The Algebraic Mind: Integrating Connectionism and Cognitive Science (Learning, Development, and Conceptual Change), Cambridge, MA: MIT Press

Liens externes