lundi, 15 octobre 2018
Le cerveau, comme la science, est prédictif (ou bayésien)
Il y a une façon de concevoir le cerveau de plus en plus répandue en sciences cognitives, celle d’une machine à faire des prédictions. L’approche du « cerveau prédictif » (« predictive processing », en anglais) constitue ni plus ni moins qu’un changement de paradigme majeur par rapport à la vieille analogie cerveau-ordinateur du cognitivisme des années ’70, par exemple. Non le cerveau n’attend pas passivement ses «inputs» pour «traiter des représentations symboliques» et produire des «outputs». Il cherche plutôt constamment à faire des inférences à partir des perturbations physiques que subissent ses sens pour tenter d’en comprendre les causes.
Et bien sûr, ces inférences, nous ne les faisons pas à partir de rien. Nous disposons d’un tas d’hypothèses préalables sur le monde qui nous viennent à la fois de notre longue histoire évolutive et de l’expérience personnelle accumulée au cours de notre vie. La première a sculpté la forme de notre système nerveux en fonction de l’environnement dans lequel on a évolué. Et la seconde découle d’une autre sculpture, celle de notre expérience du monde depuis notre plus jeune âge qui a renforcé certaines synapses et pas d’autres, sélectionné certains réseaux de neurones et pas d’autres. C’est donc toujours à partir de ces « a priori » que notre cerveau va tenter de comprendre le monde.
Dans une situation concrète (par définition souvent ambigüe parce que le monde dans lequel on vit est chaotique et ambigu), c’est le meilleur modèle du monde à sa disposition, le plus vraisemblable, que notre cerveau va invoquer pour expliquer les perturbations particulières subies par nos sens. Or le monde est complexe et ce n’est souvent pas exactement ce que nos modèles internes prévoyaient qui survient. En d’autres termes, on observe un écart entre notre prédiction et la réalité. C’est ce qu’on appelle l’erreur de prédiction (« prediction error », en anglais).
À partir de là deux phénomènes peuvent se produire. Soit on change notre modèle interne pour le rendre plus conforme à la réalité en tenant compte du signal d’erreur qui remonte dans nos réseaux de neurones. C’est ce qu’on appelle couramment l’apprentissage, possible par la plasticité cérébrale, et ça permet de modifier la structure même de ces réseaux et donc de modifier nos modèles du monde. Ou soit on peut agir sur le monde pour modifier les causes des signaux sensoriels pour les rendre plus conformes à notre modèle interne si on a confiance en lui. L’important ici c’est donc l’action, qui va permettre par exemple de réparer une marche d’escalier pourrie pour ne plus que l’on trébuche dessus en prédisant qu’elle est là (quand on descend sans regarder nos pieds, comme souvent) alors qu’elle est défoncée ! C’est ce que des gens comme Karl Friston appellent « l’inférence active ».
Mais le grand principe d’inférence statistique que l’on vient d’évoquer dans son ensemble reçoit souvent l’étiquette d’inférence « bayésienne » ou, par extension, de pensée « bayésienne » (parce qu’issu des travaux du révérend et mathématicien britannique Thomas Bayes (1702-1761)). Or je suis tombé un peu par hasard sur un petit bijou de vidéo qui en explique en français les bases de manière très claire et imagée. Intitulée « La pensée bayésienne », elle est l’œuvre de Christophe Michel, animateur de la chaîne vidéo Hygiène Mentale destinée au développement de la pensée critique.
Comme il l’explique dans la présentation de cette vidéo publiée cet été :
« Afin de mieux appréhender les principes de la pensée critique, il n’est pas inutile de s’intéresser aux statistiques Bayésiennes. Penser en termes de « Plausibilité des hypothèses » permet de ne plus cliver les débats entre « j’y crois » et « j’y crois pas ». Certes, ça demande un peu plus de calculs, certes, ça contient une part de subjectivité, mais malgré tout, il y a beaucoup à gagner à s’inspirer de la formule de Bayes pour mieux penser. »
La subjectivité dont parle ici Christophe Michel, ce ne sont rien de moins que l’ensemble des modèles a priori que renferme n’importe quel cerveau humain. Et la grande force de sa vidéo est à mon avis d’élargir la notion d’inférence bayésienne à l’ensemble de la méthode scientifique. Car la science utilise autant les méthodes fréquentistes des statistiques que l’approche bayésienne. La statistique fréquentiste est en effet l’autre grande famille des stats, sans doute plus connue, celle de la probabilité d’obtenir un résultat « x » dans le cadre d’une hypothèse donnée. C’est ce type de probabilité que l’on utilise à l’intérieur de tout bon article scientifique pour juger de la vraisemblance d’un résultat observés. Ou pour émettre une prédiction. Par exemple, ayant un modèle général du mode de vie de telle bactérie ancienne, il y a de bonnes chances que ce soit elle qui ait laissé ce type de traces que l’on observe dans une roche.
Mais l’approche scientifique, si on la considère dans son ensemble et pas seulement à l’intérieur d’un article scientifique, fait aussi un usage essentiel des statistiques bayésiennes. À commencer par le choix des modèles qu’on utilise ! Pourquoi celui-ci plutôt que tel autre si ce n’est que parce qu’on a « l’intuition » (par la somme de nos modèles internes plus ou moins conscients…) qu’il est possiblement plus juste (ou simplement parce qu’il est en vogue et qu’il y a des fonds de recherche plus faciles à aller chercher de ce côté-là…). Pour reprendre l’exemple de la bactérie ancienne, considérant qu’elle a laissé tel type de trace, quelle sont les probabilités que ce soit le modèle A ou le modèle B de son mode de vie qui a le plus de chance d’être le bon ? Ou pour aller du côté du cerveau prédictif : ce bruissement que je discerne dans les herbes hautes là-bas, c’est un tigre ou simplement le vent ? Selon les évidences dont je dispose, et en m’appuyant sur mon expérience du monde, je dois réagir assez vite… On comprend alors aisément pourquoi ce processus a pu avoir une grande valeur adaptative.
Alors quand on dit, comme le rappelle à juste titre Christophe Michel dans sa vidéo, que les statistiques bayésiennes ont une part de subjectivité, c’est non seulement vrai mais c’est aussi le cas de la démarche scientifique en général ! Et il ne pourrait en être autrement puisque les cerveaux humains qui font la science semblent avoir, dans leur principe de fonctionnement même, l’inférence bayésienne comme source.
Et cela ne donne pas pour autant des munitions aux adeptes du paranormal ou du créationnisme parce que, disent-ils, ce serait une preuve que la méthode scientifique ne serait pas « objective ». Elle ne l’a bien entendu jamais été, et ceux qui le croient ne peuvent faire meilleure démonstration de leur méconnaissance de la science. Mais celle-ci demeure et de loin, justement à cause de la grande adaptabilité de ses processus bayésiens, notre meilleure façon de comprendre le monde.
C’est d’ailleurs sur ces fondements que s’appuient les cadres théoriques les plus ambitieux qui sont actuellement publiés en sciences cognitives. Je n’en donnerai qu’un exemple en citant le dernier article de Maxwell Ramstead, Paul Badcock et Karl Friston dont j’ai déjà signalé le travail dans ce blogue. L’article vient tout juste d’être rendu accessible et s’intitule « The Hierarchically Mechanistic Mind: A Free-Energy Formulation of the Human Psyche ».
Dans cet article, des modèles et concepts extrêmement englobant y sont exposés en terme de pouvoir explicatif de la pensée humaine et de toutes ses manifestations comportementales et culturelles. Et tout cela repose en grande partie sur une vision bayésienne du fonctionnement du cerveau et même de l’évolution toute entière. Ce sera ma petite « suggestion de lecture » de cette semaine. Un peu plus corsée que celle de la semaine dernière, j’en conviens. Mais hé, ce blogue n’est pas celui du Cerveau À TOUS LES NIVEAUX pour rien… 😉
P.s. : autres suggestions de lecture, en plus de toutes les bonnes qui figurent sous la vidéo de Christophe Michel : le cours extrêmement riche de Stanislas Dehaene du Collège de France intitulé « Le cerveau statisticien: la révolution Bayésienne en sciences cognitives »
Au coeur de la mémoire | Comments Closed
