lundi, 8 février 2016
Trois événements sur Henri Laborit comme autant de prétextes pour faire de l’histoire des sciences
Appréhender la complexité du cerveau n’est pas facile. On a beau répéter que 85 milliards de neurones sont enchevêtrés avec autant de cellules gliales, qu’au sein de chacune de ces cellules il y a un réseau métabolique de milliers d’enzymes qui maintient la cellule en vie, qu’un neurone peut recevoir des connexions de milliers d’autres neurones, qu’à chaque milliseconde l’activité nerveuse fluctue de manière dynamique dans ces réseaux, rien n’y fait, c’est comme les distances astronomiques, cela nous échappe.
Malgré notre ignorance encore grande devant cette complexité, il est paradoxalement pas facile de saisir l’ampleur des connaissances actuelles sur le cerveau humain. Car on sait énormément de choses comparé à il y a ne serait-ce que deux ou trois décennies. L’événement dont je voudrais vous parler en premier lieu cette semaine peut aider à prendre ce recul historique nécessaire permettant d’apprécier toute la richesse des modèles et des avancées des sciences cognitives contemporaines (je donne deux exemples de ces avancées plus bas).
L’événement en question comporte, en fait, trois volets. D’abord une exposition sur la carrière scientifique d’un personnage important de l’histoire de la psychiatrie, Henri Laborit (1914-1995), dont je vous ai déjà parlé à quelques reprises ici. J’ai eu le plaisir de pouvoir reproduire à Montréal une exposition itinérante sur le parcours scientifique atypique de Laborit, exposition qui a roulé dans quelques villes françaises au début des années 2000, et qui aura lieu du 9 au 24 février à Montréal (voir les liens ci-dessous pour tous les détails).
L’exposition, composée de 13 panneaux, nous apprend entre autres, comment ce chirurgien de la marine française, révolté de voir ses patients mourir en état de choc sur sa table d’opération alors qu’il avait techniquement fait exactement ce qu’on lui avait appris, va plus ou moins renverser le paradigme dominant des « réactions de défense » de l’organisme. Cela va l’amener à mettre au point de nouvelles techniques d’anesthésie, l’hibernation artificielle et même la découverte de la première molécule capable d’influencer le psychisme humain, la chlorpromazine, premier neuroleptique.
Le deuxième volet de cette « trilogie » autour de l’œuvre de Laborit est un film que j’ai réalisé et qui raconte plusieurs trajectoires de vie qui ont croisé celle de Laborit. « Sur les traces d’Henri Laborit » nous apprend ainsi d’autres détails croustillants sur l’histoire de la médecine du XXe siècle : comment se débrouiller avec seulement 4 neurotransmetteurs dans les années 1940, alors qu’on en connaît des dizaines aujourd’hui; comment la combinaison du froid et de certaines drogues a pu sauver de nombreuses vies non sans générer au début de fortes oppositions du milieu médical; ou comment tout peut devenir politique en science comme ailleurs quand les systèmes hiérarchiques sont menacés, au point de faire un voyage en Suède pour empêcher Laborit d’avoir le prix Nobel…
Et finalement, le troisième volet sera constitué de deux cours autour de Laborit organisé dans le cadre de l’Upop Montréal, une formidable initiative qui, depuis 6 ans maintenant, offre à chaque année de nombreux cours gratuits dans les bars et les cafés de Montréal. Le premier cours, qui aura lieu le 24 février, s’intitule Les intuitions de Laborit sur le cerveau, et le second, qui aura lieu le 6 avril, « Conscience, connaissance, imagination » : le leitmotiv de Laborit. Dans les deux cas, nous passeront en revue divers aspects des travaux de Laborit qui étaient nouveaux à l’époque et qui sont devenus des domaines de recherche importants des neurosciences et la médecine actuelle. On pense aux cellules gliales (qui intéressaient Laborit dans les années ’60!), aux liens entre système immunitaire et nerveux (la psycho-neuro-immunologie), aux différents « faisceaux » nerveux (MFB, PVS, SIA, etc) dont l’étude avec l’imagerie cérébrale d’aujourd’hui a mené au concept de connectome, etc.
Bref, j’ai été moi-même surpris, en explorant l’histoire de la vie scientifique de Laborit qui recoupe en grande partie celle de la médecine au XXe siècle, par l’effet de recul que cela permet en terme d’appréciation des données et des outils dont on dispose aujourd’hui par rapport à il y a un demi-siècle. C’est donc ce « feeling » que je vous invite à venir approfondir avec moi à travers les trois volets de cet événement centré autour du personnage de Laborit. Les différents niveaux d’organisation qui sont un peu la « marque de commerce » du Cerveau à tous les niveaux n’étant pas la moindre des choses que, personnellement, je lui dois…
* * *
Parlant de ces outils dont on dispose aujourd’hui, l’actualité nous en donne deux exemples fascinants que je ne ferai que vous signaler rapidement.
D’abord un logiciel qui vient de battre le champion européen du jeu de go (et qui affrontera le champion mondial en mars). Qu’est-ce que cette nouvelle peut bien avoir de si extraordinaire ? Rappelons d’abord que le jeu de go est considéré par plusieurs comme plus complexe, en terme de combinatoires, que le jeu d’échecs (où un ordinateur, Deep Blue, a déjà battu le champion du monde, Gary Kasparov, il y a vingt ans). C’est aussi un jeu où l’on dit par conséquent que « l’intuition humaine » va jouer un grand rôle.
Or l’algorithme AlphaGo mis au point par DeepMind, une entreprise appartenant à Google, a franchi quelques étapes de plus dans ce qu’on appelle l’intelligence artificielle, ce qui lui a permis de battre à cinq reprise le triple champion européen Fan Hui. Pour ce faire, plusieurs méthodes sont maintenant utilisées conjointement dans de telles machines: mémorisation de parties jouées par les maîtres; techniques basées sur les probabilités; mais aussi l’« apprentissage profond », (ou deep learning, en anglais) qui utilise un réseau de neurones artificiels nécessitant des capacités de calcul que n’avaient pas les ordinateurs il y a à peine 10 ans.
Ces techniques dites aussi « connexionnistes », où ces neurones artificiels apprennent par essais et erreur un peu comme un cerveau humain, étaient déjà discutées par les cybernéticiens du milieu du XXe siècle. Elles se sont progressivement développées à partir des années 1980 avec l’accessibilité des ordinateurs, mais ce n’est véritablement qu’avec la puissance de calcul des ordinateurs actuels qu’elles peuvent commencer à donner des résultats surprenants pour le jeu de go, mais également dans le domaine de la reconnaissance de l’image ou du langage. Une longue route donc, encore une fois, pour arriver à ce genre d’exploit que les jeunes qui naissent aujourd’hui considéreront sans doute comme « normal »…
* * *
Et pour terminer sur un autre exemple d’avancée scientifique récente ayant une longue histoire, je vous recommande le dernier épisode du Brain Science Podcast. Ginger Campbell s’entretien avec Andy Clark à propos de son dernier ouvrage : Surfing Uncertainty: Prediction, Action, and the Embodied Mind. Ici, c’est toute l’ancienne conception d’un cerveau passif qui attend ses inputs pour les traiter qui est mis à mal. Clark expose une conception beaucoup plus actuelle où le cerveau est vu comme essentiellement une machine à faire des prédictions. Pour comprendre cette vision, des concepts comme « generative model » ou « predictive coding » s’avèrent essentiels et sont exposés par Clark à l’aide de plusieurs exemples. Ce qui est fondamentale dans cette vision active du cerveau, c’est la différence entre ce qui est anticipé par les capacités « top down » de notre cerveau versus ce qui est effectivement perçu par nos sens. C’est donc cette « erreur de prédiction » qui sera transmise et qui nous permettra d’apprendre et de corriger le tir.
Comme pour l’algorithme connexionniste du jeu de go. Ou comme dans l’histoire des sciences…
Deux inclassables du XXe siècle : Walter Benjamin et Henri Laborit (Éloge de la suite)
Deux inclassables du XXe siècle : Walter Benjamin et Henri Laborit (UPop Montréal)
Jeu de go : l’ordinateur bat finalement un champion
Artificial intelligence breakthrough as Google’s software beats grandmaster of Go, the ‘most complex game ever devised
Andy Clark on Prediction, Action, and the Embodied Mind (BSP 126)
Le « Deep Learning », ou l’apprentissage profond des machines
Au coeur de la mémoire | Comments Closed
