Abstract FR:

Contrairement aux modeles behavioristes du connexionnisme ou le systeme apprend a associer une action a un etat de l'environnement percu, de simples modeles hopfieldiens localement recurrents peuvent etre le support de memoires plus plausibles biologiquement. En effet, le determinisme inherent aux premiers modeles est elimine par la prise en compte de l'etat interne de systeme, autorisant ainsi la definition d'une autonomie, dans le sens ou la reponse d'un systeme n'est plus determinee par ses seules entrees. Des lors l'apprentissage consiste a maximiser l'autonomie du systeme par minimisation des perturbations induites par l'environnement, grace a l'anticipation des dynamiques forcantes. Pour ce, le systeme organise localement ses dynamiques, faisant emerger des proprietes de chaos local, de diffusion d'activite, de synchronisation, et de modularisation fonctionnelle dynamique. Grace a de nombreuses experimentations informatiques, et au regard des connaissances actuelles en psychologie cognitive et en neurophysiologie, cette approche relie autonomie, apprentissage, anticipation de dynamiques non-lineaires et fait entrevoir de nouveaux modeles connexionnistes, plausibles biologiquement, ou la memoire joue un role actif dans l'autonomie. La memoire n'est plus definie comme etant un mecanisme de rappel de percepts passes encodes et accumules, mais devient une simple propriete des systemes maximisant leur autonomie : est reconnu ce qui est anticipe.