Offre de stage

Bases neuronales et computationnels de l’apprentissage causal

Période :   au

Le stage se cadre dans un projet de recherche qui vise étudier les bases computationnelles et neurales de l'apprentissage causal chez l'homme dans le contexte des comportements dirigés vers un but (relations causales entre les actions et leurs conséquences) ou « goal-directed learning ».

Pendant le stage, l’étudiant aura la possibilité de se former à la modélisation Bayésienne et à l’étude des bases neuronales de l'apprentissage. Elle/il pourra participer aux expériences de Magnétoencéphalographie (MEG) chez l'homme sains et de EEG intracrânien (SEEG) chez les patients épileptiques, se former aux outils de neurophysiologie computationnelle développé dans l’équipe qui permettent d'étudier la dynamique de réseau cérébrales fonctionnelles.

Description

La capacité d’inférer des relations de cause à effet est une facette essentielle de l’apprentissage. En particulier, apprendre la relation de cause à effet associée à chacune de nos actions constitue le point de départ d’une prise de décision rationnelle et permet aux individus de s’engager dans des comportements ou interactions sociales pertinents. Un certain nombre de théories psychologiques ont été proposées pour tenir compte des représentations internes de l’apprentissage causal. Cependant, une compréhension intégrée reliant les théories de l’apprentissage causal et les systèmes cérébraux sous-jacent fait toujours défaut.
Le stage se cadre dans un projet de recherche qui vise étudier les bases neurales et computationnelles de l’apprentissage causal dans le contexte des comportements dirigés vers un but (relations causales entre les actions et leurs conséquences) ou « goal-directed learning ».

Du point de vue computationnel, l’apprentissage causal consiste à échantillonner de manière optimale une variable d’intervention (ou action), afin de construire un modèle, qui permettra de relier les causes aux effets. Les effets d’une action étant souvent difficiles à prévoir, nous formons l’hypothèse que le cerveau développe un modèle probabiliste Bayesien, dans lequel l’incertitude de la prédiction joue un rôle important.

Du point de vue neuronal, les résultats dans la littérature suggèrent que les comportements dirigés s’appuient sur les circuits associatifs et limbiques des boucles fronto-striatales. Toutefois, la nature des interactions entre ces réseaux cérébraux et aires corticales, et leur dynamique pendant l’apprentissage restent très peu connues.

Pendant le stage, l’étudiant aura la possibilité de se former à la modélisation Bayesienne et à l’étude des bases neuronales de l’apprentissage. L’étudiant pourra participer aux expériences de Magnétoencéphalographie (MEG) chez l’homme sains et de EEG intracrânien (SEEG) chez les patients épileptiques, se former aux outils de neurophysiologie computationnelle développé dans l’équipe qui permettent d’étudier la connectivité fonctionnelle directionnelle tels que la causalité de Granger.

En conclusion, ce projet de stage offre une occasion unique de relier les modèles théoriques de l’apprentissage causal, les mécanismes comportementaux et la dynamique des réseaux cérébraux, autrement dit de découvrir les architectures cognitives de l’apprentissage causal.

Profil recherché

Ce stage est idéal pour un étudiant intéressé à une démarche interdisciplinaire entre les neurosciences cognitives et computationnelles afin d’étudier les bases neurocomputational de l’apprentissage humain. Ce stage pourrait également être valorisé dans le cas d’un souhait de poursuite en thèse en neurosciences computationnelles et/ou cognitives. Connaissances de base en programmation Python sont un requis.

Établissement d'accueil

Le stage s’effectuera dans l’équipe « Brain Networks and Learning » (BraiNets), une nouvelle équipe de l’INT composé par Andrea Brovelli (http://andrea-brovelli.net/projects/) et Emmanuel Daucé (http://emmanuel.dauce.free.fr/).

Votre avis nous intéresse

Description de la soumission d'un avis

Votre vote :
Votre avis nous intéresse