Des neurosciences à la robotique : modélisation de l'apprentissage conditionné
Institution:
Bordeaux 2Disciplines:
Directors:
Abstract EN:
The main idea of our thesis deals with the conditional learning, which can be viewed as the elementary "brick" of complex behaviors representing mental activities. A deeper interest in computational model of conditional learning leads to two important viewpoints: offering a translational tool to investigate neurophysiological phenomena and improving the behaviors of autonomous agents in artificial intelligence. In this context, our research aimed to, firstly, extend a specific computational model of conditioning and latent inhibition to simulate neurobiology hypotheses. Secondly, considering the limits of that model and to integrate neurobiological knowledge in artificial intelligence, a neuromimetic model was elaborated. This model enables simulating behavioral experiments and brings out adaptative abilities for an autonomous robot.
Abstract FR:
L'idée maîtresse de notre travail de thèse définie l'apprentissage conditionné comme la "brique" élémentaire de comportements complexes, considérés comme les façades visibles de l'intelligence. Une meilleure prise en compte de l'apprentissage conditionné dans un modèle informatique a deux conséquences importantes : aider les neurobiologistes en constituant un outil d'expérimentation et améliorer les comportements d'agents autonomes dans le domaine de l'intelligence artificielle. Dans ce contexte, notre travail a consisté, premièrement, à étendre un modèle computationnel du conditionnement et de l'inhibition latente pour simuler des hypothèses de neurosciences. Deuxièmement, fort des limites rencontrées lors de cette modélisation et dans une optique d'utiliser les connaissances neurobiologiques en intelligence artificielle, nous avons élaboré un modèle neuromimétique capable de reproduire les expériences comportementales et donnant des capacités d'adaptation autonome à un robot.