Publi #3 - Intérêt des connexions descendantes (de la cognition à la perception) dans la prédiction de séquences d’émotions dynamiques

Martial Mermillod, Yannick Bourrier, Erwan David, Louise Kauffmann, Alan Chauvin, Nathalie Guyader, Frédéric Dutheil, Carole Peyrin
Comprendre les connexions descendantes - de la cognition vers la perception- pour des applications sur l’intelligence artificielle, c’est ce à quoi s’est attelée une équipe de chercheurs des laboratoires LPNC, LJK, LIG, Gipsa-Lab de l’Université de Grenoble, LIP6, de l’Université Pierre et Marie Curie, l’université de Nantes et la faculté de santé de Melbourne

mermillod

En quoi consiste la recherche?

Les recherches sur l’intelligence naturelle permettent-elles de concevoir des intelligences artificielles plus efficaces ? Alors que le Deep Learning utilise majoritairement des connexions ascendantes (de la perception vers la cognition), le cerveau humain montre énormément de connexions descendantes de la cognition vers
la perception. L’objectif de cet article est donc de comprendre l’intérêt computationnel de ces connexions descendantes.

Quelles sont les hypotheses de travail?

Nous supposons que les connexions descendantes sont primordiales pour les capacités d’anticipation et de prédiction d’un réseau de neurones artificiels, par exemple dans une tâche d’anticipation d’expressions émotionnelles sur des vidéos.
mermilod

Quelle méthode a été utilisée ?

Nous avons comparé différents réseaux de neurones artificiels : un Multi-Layer Perceptron (MLP) (très similaire à un Deep Neural Network, mais qui permet un contrôle plus exact des entrées du réseau) comparativement à un réseau de neurones qui possèdent des connexions synaptiques récurrentes des couches associatives vers les couches perceptives, un Simple Reccurent Network (SRN).

Quels sont les résultats ?

Les résultats montrent, sur 2 bases de données d’expressions dynamiques complémentaires, que le SRN surpasse le MLP dans la prédiction de séquences d’émotions dynamiques. Le gain de performance est encore plus important pour les intensités faibles d’émotions et les émotions les plus ambiguës.



Et pour la suite ?

Ces résultats permettent de comprendre l’intérêt computationnel de ces connexions descendantes chez l’Homme et d’améliorer des IA en les utilisant. Concernant les travaux à venir, les modèles neuroscientifiques et psychologiques liés à ces capacités d’anticipation basée sur des connexions descendantes du cortex orbito-frontal vers le cortex occipito-temporal inclus des prédictions très précises concernant les fréquences spatiales permettant de générer des prédictions correctes par rapport à l’environnement. Nous allons donc tester l’avantage de ce décours fréquentiel bio-inspiré pour de nouveaux systèmes d’intelligence artificielle.
 

Published on November 29, 2018