|
Perception catégorielle, entre cognition naturelle et cognition artificielle| old_uid | 19730 |
|---|
| title | Perception catégorielle, entre cognition naturelle et cognition artificielle |
|---|
| start_date | 2021/11/19 |
|---|
| schedule | 13h30 |
|---|
| online | no |
|---|
| location_info | N/A |
|---|
| summary | La catégorisation, ou classification, est une capacité cognitive fondamentale. La catégorisation est également l’une des principales tâches auxquelles l’apprentissage machine (apprentissage profond en intelligence artificielle), s’attaque avec succès.
Une conséquence perceptive bien connue de la catégorisation chez l’homme et les autres animaux, la perception catégorielle, est notamment caractérisée par une compression intra-catégorielle et une séparation inter-catégorielle : deux éléments, proches dans l’espace des stimulis, sont perçus plus proches s’ils appartiennent à la même catégorie que s’ils appartiennent à des catégories différentes.
Cet exposé présentera un ensemble de résultats sur la modélisation des bases neurales de la perception catégorielle, avec ses implications sur, d’une part, la modélisation de la prise de décision chez l’homme et l’animal dans des tâches simples, et, d’autre part, l’analyse de l’apprentissage dans les réseaux de neurones artificiels.
L’exposé s’appuiera sur des travaux effectués en collaboration avec Kevin Berlemont (NYU), Laurent Bonnasse-Gahot (EHESS, CAMS), Jean-Rémy Martin (ULB), et Jérôme Sackur (EHESS, LSCP). |
|---|
| responsibles | <not specified> |
|---|
| |
|