{"id":15218,"date":"2026-10-08T16:40:56","date_gmt":"2026-10-08T16:40:56","guid":{"rendered":"http:\/\/french.arabpsychology.com\/theorists\/gail-carpenter-1948-present-neurosciences-cognitives\/"},"modified":"2026-10-08T16:40:56","modified_gmt":"2026-10-08T16:40:56","slug":"gail-carpenter-1948-present-neurosciences-cognitives","status":"publish","type":"psych_theorist","link":"https:\/\/french.arabpsychology.com\/?psych_theorist=gail-carpenter-1948-present-neurosciences-cognitives","title":{"rendered":"Gail Carpenter – 1948 Pr\u00e9sent"},"content":{"rendered":"

Dans l’histoire des sciences cognitives computationnelles et des math\u00e9matiques appliqu\u00e9es du vingti\u00e8me si\u00e8cle, peu de trajectoires intellectuelles ont suscit\u00e9 une refondation aussi radicale des mod\u00e8les de l’esprit que celle de Gail Alexandra Carpenter. N\u00e9e en 1948, cette math\u00e9maticienne et th\u00e9oricienne des syst\u00e8mes neuronaux s’est impos\u00e9e d\u00e8s les ann\u00e9es 1970 comme une pionni\u00e8re de premier ordre en s’attaquant \u00e0 l’une des \u00e9nigmes les plus redoutables de l’apprentissage biologique et artificiel : la mani\u00e8re dont un syst\u00e8me adaptatif parvient \u00e0 acqu\u00e9rir de nouvelles connaissances de fa\u00e7on continue et autonome sans d\u00e9truire ou corrompre les traces mn\u00e9siques pr\u00e9alablement consolid\u00e9es. \u00c0 travers l’\u00e9laboration math\u00e9matique rigoureuse de la th\u00e9orie de la r\u00e9sonance adaptative (Adaptive Resonance Theory<\/em> ou th\u00e9orie de la r\u00e9sonance adaptative<\/a>), Gail Carpenter a non seulement formul\u00e9 une r\u00e9ponse \u00e9l\u00e9gante au dilemme classique opposant stabilit\u00e9 et plasticit\u00e9, mais elle a \u00e9galement \u00e9rig\u00e9 un paradigme connexionniste alternatif aux architectures statiques de r\u00e9tropropagation.<\/p>\n

Son \u0153uvre, d\u00e9ploy\u00e9e principalement au sein du d\u00e9partement des syst\u00e8mes cognitifs et neuronaux de l’Universit\u00e9 de Boston, t\u00e9moigne d’une alliance f\u00e9conde entre l’analyse topologique, la th\u00e9orie des bifurcations, la mod\u00e9lisation neurodynamique non lin\u00e9aire et la psychologie exp\u00e9rimentale. Loin de r\u00e9duire les processus mentaux \u00e0 des m\u00e9taphores computationnelles simplificatrices emprunt\u00e9es \u00e0 l’informatique s\u00e9quentielle de von Neumann, Gail Carpenter a con\u00e7u les r\u00e9seaux de neurones comme des syst\u00e8mes dynamiques auto-organis\u00e9s gouvern\u00e9s par des \u00e9quations diff\u00e9rentielles coupl\u00e9es, au sein desquels l’attention descendante, la r\u00e9troaction synaptique et la r\u00e9sonance oscillatoire constituent les moteurs fondamentaux de la perception consciente et de la cat\u00e9gorisation conceptuelle.<\/p>\n

Le parcours intellectuel de Gail Carpenter illustre avec une clart\u00e9 singuli\u00e8re l’\u00e9mergence d’une pens\u00e9e math\u00e9matique transdisciplinaire au tournant de l’apr\u00e8s-guerre et de la r\u00e9volution cybern\u00e9tique. Tout au long de sa carri\u00e8re, marqu\u00e9e notamment par une collaboration scientifique monumentale avec son confr\u00e8re Stephen Grossberg, elle s’est attach\u00e9e \u00e0 r\u00e9concilier les donn\u00e9es neurophysiologiques les plus minutieuses avec les comportements ph\u00e9nom\u00e9nologiques globaux observables chez l’humain et l’animal. Cet article se propose d’analyser de mani\u00e8re approfondie sa biographie, ses ruptures conceptuelles, ses architectures formelles (d’ART 1 jusqu’aux r\u00e9seaux Fuzzy ARTMAP et aux r\u00e9alisations neuromorphiques modernes), ainsi que la port\u00e9e philosophique et computationnelle d’un h\u00e9ritage qui continue de fa\u00e7onner en profondeur l’intelligence artificielle contemporaine et les neurosciences th\u00e9oriques.<\/p>\n

1. Introduction \u00e0 la vie et \u00e0 l’\u0153uvre de Gail Carpenter (1948 – Pr\u00e9sent)<\/h2>\n

1.1 Origines, trajectoire biographique et contexte historique<\/h3>\n

L’essor scientifique de Gail Alexandra Carpenter s’inscrit au c\u0153ur d’une \u00e9poque marqu\u00e9e par de profondes mutations intellectuelles et technologiques. N\u00e9e en 1948 aux \u00c9tats-Unis, elle grandit durant les d\u00e9cennies d’apr\u00e8s-guerre o\u00f9 les sciences quantitatives connaissent une restructuration institutionnelle majeure sous l’effet de l’essor de l’informatique naissante, de la th\u00e9orie de l’information de Claude Shannon et des premiers balbutiements de la cybern\u00e9tique anim\u00e9s par Norbert Wiener. D\u00e8s sa jeunesse, Carpenter manifeste des dispositions exceptionnelles pour les math\u00e9matiques abstraites, une discipline alors domin\u00e9e de fa\u00e7on quasi h\u00e9g\u00e9monique par une communaut\u00e9 masculine au sein des institutions universitaires d’\u00e9lite. \u00c9voluer dans ce contexte acad\u00e9mique exigeait une force intellectuelle rare et une ind\u00e9pendance conceptuelle \u00e0 toute \u00e9preuve.<\/p>\n

Son cursus universitaire initial la conduit \u00e0 explorer les math\u00e9matiques pures dans leur dimension la plus exigeante. Tr\u00e8s t\u00f4t, elle per\u00e7oit que l’analyse math\u00e9matique, la topologie diff\u00e9rentielle et les syst\u00e8mes dynamiques qualitatifs poss\u00e8dent un potentiel herm\u00e9neutique qui d\u00e9passe largement le cadre des th\u00e9or\u00e8mes auto-r\u00e9f\u00e9rentiels pour s’appliquer \u00e0 la compr\u00e9hension des dynamiques du vivant. Cette transition des math\u00e9matiques pures vers la biomath\u00e9matique et la neurodynamique s’effectue \u00e0 un moment charni\u00e8re o\u00f9 la biologie moderne commence \u00e0 int\u00e9grer les formalismes biophysiques issus des c\u00e9l\u00e8bres travaux d’Alan Hodgkin et Andrew Huxley sur la conduction nerveuse. Gail Carpenter saisit rapidement que la mod\u00e9lisation des processus neuronaux ne peut faire l’\u00e9conomie d’une rigueur formelle absolue si elle entend d\u00e9passer les sp\u00e9culations purement m\u00e9taphoriques.<\/p>\n

Sur le plan institutionnel, son ascension progressive au rang de sommit\u00e9 acad\u00e9mique au d\u00e9partement des math\u00e9matiques et des syst\u00e8mes cognitifs constitue une avanc\u00e9e majeure pour la visibilit\u00e9 des chercheuses dans les disciplines exactes. \u00c0 une \u00e9poque o\u00f9 les d\u00e9partements d’ing\u00e9nierie et de math\u00e9matiques appliqu\u00e9es n’accordaient que peu d’espace aux femmes, Gail Carpenter s’impose par la profondeur indiscutable de ses d\u00e9monstrations th\u00e9oriques et son aptitude \u00e0 dialoguer d’\u00e9gal \u00e0 \u00e9gal avec les plus grands th\u00e9oriciens de la physique et des neurosciences. Elle contribue activement \u00e0 l’institutionnalisation des sciences cognitives computationnelles sur la sc\u00e8ne internationale, cofondant des revues acad\u00e9miques de premier ordre et si\u00e9geant au sein des cercles d\u00e9cisionnels des soci\u00e9t\u00e9s savantes consacr\u00e9es aux r\u00e9seaux de neurones, transformant ainsi durablement l’\u00e9cosyst\u00e8me de la recherche mondiale.<\/p>\n

1.2 Intersection disciplinaire : Math\u00e9matiques, psychologie et neurosciences<\/h3>\n

La trajectoire scientifique de Gail Carpenter se distingue par une synth\u00e8se novatrice entre trois domaines jusque-l\u00e0 isol\u00e9s par des traditions m\u00e9thodologiques \u00e9tanches : la g\u00e9om\u00e9trie et la topologie des syst\u00e8mes dynamiques non lin\u00e9aires, la psychologie cognitive exp\u00e9rimentale et la neurobiologie fonctionnelle. D\u00e8s le d\u00e9but de ses recherches, elle constate que les th\u00e9ories psychologiques de l’\u00e9poque p\u00e8chent fr\u00e9quemment par un manque d’ancrage m\u00e9canistique, se limitant \u00e0 des mod\u00e8les de bo\u00eetes et de fl\u00e8ches descriptifs, tandis que les neurosciences exp\u00e9rimentales accumulent des catalogues massifs de donn\u00e9es cellulaires sans cadre th\u00e9orique unifi\u00e9 capable d’en expliquer l’organisation fonctionnelle globale.<\/p>\n

Face \u00e0 ces cloisonnements, Carpenter met en \u0153uvre une d\u00e9marche \u00e9pist\u00e9mologique o\u00f9 les \u00e9tats mentaux et les actes cognitifs (comme la reconnaissance d’une forme, la focalisation attentionnelle ou le stockage d’un concept) sont rigoureusement formul\u00e9s comme des trajectoires et des attracteurs au sein d’espaces d’\u00e9tats diff\u00e9rentiels de haute dimension. Cette mod\u00e9lisation qualitative des syst\u00e8mes dynamiques permet d’\u00e9tudier comment des \u00e9quations diff\u00e9rentielles coupl\u00e9es peuvent engendrer des transitions de phase correspondant \u00e0 des moments de bascule cognitive, tels que la prise de d\u00e9cision ou le rappel m\u00e9moriel. Cette m\u00e9thodologie conf\u00e8re aux th\u00e9ories psychologiques une assise analytique o\u00f9 chaque concept op\u00e9rationnel trouve une contrepartie directe dans un param\u00e8tre d’\u00e9quation ou une constante de temps synaptique.<\/p>\n

Cette approche implique \u00e9galement une rupture majeure avec le courant connexionniste standard qui se structure durant les ann\u00e9es 1980 autour des mod\u00e8les \u00e0 r\u00e9tropropagation du gradient (backpropagation<\/em>). Gail Carpenter critique vertement le caract\u00e8re biologiquement invraisemblable de ces architectures purement feedforward (\u00e0 propagation avant), qui requi\u00e8rent un oracle externe omniscient pour calculer l’erreur de sortie et qui souffrent d’une incapacit\u00e9 structurelle \u00e0 traiter des environnements non stationnaires. En lieu et place de cette machinerie statistique passive, elle d\u00e9fend la conception de r\u00e9seaux auto-organis\u00e9s o\u00f9 les signaux circulent de fa\u00e7on bidirectionnelle \u00e0 travers des boucles r\u00e9currentes, instituant une symbiose in\u00e9dite entre le calcul math\u00e9matique pur et la ph\u00e9nom\u00e9nologie de la cognition animale.<\/p>\n

1.3 Importance globale dans l’histoire des architectures cognitives<\/h3>\n

L’apport historique de Gail Carpenter \u00e0 la science contemporaine s’enracine dans la conceptualisation de l’apprentissage adaptatif en continu sans supervision externe obligatoire. En jetant les bases algorithmiques et analytiques de la th\u00e9orie de la r\u00e9sonance adaptative, elle a d\u00e9montr\u00e9 comment un r\u00e9seau de traitement distribu\u00e9 pouvait int\u00e9grer de nouvelles cat\u00e9gories perceptives de fa\u00e7on incr\u00e9mentale sans jamais effacer r\u00e9troactivement les informations acquises dans le pass\u00e9. Cette d\u00e9couverte a profond\u00e9ment transform\u00e9 la compr\u00e9hension math\u00e9matique des syst\u00e8mes apprenants, fournissant un mod\u00e8le alternatif robuste aux ordinateurs classiques soumis \u00e0 la rigidit\u00e9 des programmes d\u00e9terministes.<\/p>\n

Sur le plan psychophysique, ses travaux ont \u00e9clair\u00e9 d’un jour nouveau les myst\u00e8res de la cat\u00e9gorisation humaine. Les architectures formalis\u00e9es par Carpenter explicitent les raisons pour lesquelles notre esprit parvient simultan\u00e9ment \u00e0 reconna\u00eetre une silhouette g\u00e9n\u00e9rique (comme l’appartenance d’un objet \u00e0 la cat\u00e9gorie g\u00e9n\u00e9rale des oiseaux) et \u00e0 discerner l’exemplaire singulier hautement sp\u00e9cifique (comme l’identification de son propre animal de compagnie) sous des conditions d’observation fluctuantes. Ses \u00e9quations rendent compte de la dynamique par laquelle le syst\u00e8me cognitif module son seuil de tol\u00e9rance \u00e0 l’erreur perceptuelle, \u00e9tablissant une passerelle conceptuelle rigoureuse entre les m\u00e9canismes synaptiques locaux et la flexibilit\u00e9 cat\u00e9gorielle globale.<\/p>\n

Enfin, son r\u00f4le d’autorit\u00e9 acad\u00e9mique au sein du c\u00e9l\u00e8bre Department of Cognitive and Neural Systems (CNS) de l’Universit\u00e9 de Boston a contribu\u00e9 \u00e0 asseoir la r\u00e9putation internationale de ce p\u00f4le de recherche comme l’\u00e9picentre mondial de la neurodynamique cognitive. Sous son impulsion th\u00e9orique, des cohortes de chercheurs, d’ing\u00e9nieurs et de math\u00e9maticiens ont \u00e9t\u00e9 form\u00e9es \u00e0 une vision int\u00e9gr\u00e9e de l’intelligence artificielle, o\u00f9 les algorithmes ne sont pas de simples fonctions de transfert heuristiques, mais des r\u00e9pliques structurelles fid\u00e8les des principes de r\u00e9gulation et d’auto-organisation qui animent le cerveau des mammif\u00e8res. Son impact rayonne aujourd’hui jusque dans les technologies de pointe de l’ing\u00e9nierie neuromorphique.<\/p>\n

2. Formation acad\u00e9mique et \u00e9mergence d’une pens\u00e9e math\u00e9matique et cognitive<\/h2>\n

2.1 Parcours universitaire initial et \u00e9tudes doctorales<\/h3>\n

La formation intellectuelle de Gail Carpenter s’articule autour d’une discipline de fer au sein des d\u00e9partements de math\u00e9matiques les plus exigeants des \u00c9tats-Unis. Titulaire d’un dipl\u00f4me de premier cycle en math\u00e9matiques avec les plus hautes distinctions, elle s’oriente vers des \u00e9tudes doctorales \u00e0 l’Universit\u00e9 du Wisconsin \u00e0 Madison<\/a>, un centre n\u00e9vralgique de la recherche en analyse fonctionnelle et en topologie g\u00e9om\u00e9trique. Durant ces ann\u00e9es de recherche doctorale, Carpenter est fascin\u00e9e par la th\u00e9orie des \u00e9quations diff\u00e9rentielles ordinaires et partielles non lin\u00e9aires, ainsi que par les m\u00e9thodes g\u00e9om\u00e9triques appliqu\u00e9es \u00e0 l’analyse qualitative des champs vectoriels.<\/p>\n

Sa th\u00e8se de doctorat, achev\u00e9e sous la direction de math\u00e9maticiens chevronn\u00e9s, porte sur l’\u00e9tude formelle des \u00e9quations de conduction de l’influx nerveux, et plus particuli\u00e8rement sur l’analyse rigoureuse des mod\u00e8les simplifi\u00e9s d’excitabilit\u00e9 membranaire, tels que les \u00e9quations diff\u00e9rentielles de FitzHugh-Nagumo. Ce syst\u00e8me diff\u00e9rentiel, qui r\u00e9duit la complexit\u00e9 \u00e0 quatre variables du formalisme d’Hodgkin-Huxley \u00e0 un syst\u00e8me bidimensionnel non lin\u00e9aire d’une grande richesse g\u00e9om\u00e9trique, permet \u00e0 Carpenter de d\u00e9ployer toute la puissance de la th\u00e9orie des vari\u00e9t\u00e9s invariantes, des surfaces singuli\u00e8res de raccordement et des cycles limites pour mod\u00e9liser la propagation des ondes d’impulsion \u00e9lectrique le long de l’axone neuronal.<\/p>\n

Cette immersion doctorale dans les m\u00e9canismes \u00e9lectrophysiologiques sous l’angle math\u00e9matique le plus strict constitue un jalon d\u00e9cisif dans son \u00e9volution. Carpenter y d\u00e9veloppe une intuition fine de la fa\u00e7on dont des \u00e9quations continues peuvent g\u00e9n\u00e9rer des bifurcations brusques, des seuils d’activation tout-ou-rien et des \u00e9tats de relaxation p\u00e9riodique. Ce passage progressif de l’\u00e9lectrophysiologie math\u00e9matique vers la cybern\u00e9tique cognitive l’am\u00e8ne \u00e0 d\u00e9passer l’\u00e9chelle de l’axone unique pour se concentrer sur les interactions d’ensembles de neurones coupl\u00e9s en r\u00e9seaux complexes, amor\u00e7ant ainsi sa transition vers l’\u00e9tude computationnelle des fonctions c\u00e9r\u00e9brales sup\u00e9rieures.<\/p>\n

2.2 Passage des \u00e9quations diff\u00e9rentielles \u00e0 la mod\u00e9lisation neuronale<\/h3>\n

Au lendemain de son doctorat, Gail Carpenter s’attelle \u00e0 \u00e9tendre le champ d’application des syst\u00e8mes dynamiques qualitatifs \u00e0 la mod\u00e9lisation des membranes cellulaires interconnect\u00e9es. Elle constate que les th\u00e9ories de l’intelligence artificielle symbolique de l’\u00e9poque, fond\u00e9es sur la manipulation de pr\u00e9dicats logiques discrets et l’alg\u00e8bre bool\u00e9enne, se heurtent \u00e0 une aporie ontologique : elles sont incapables de reproduire la plasticit\u00e9, le traitement en temps r\u00e9el et la robustesse au bruit inh\u00e9rents aux cerveaux biologiques. Pour Carpenter, le substrat premier de la cognition n’est pas le symbole abstrait, mais la variable continue d’activation membranaire r\u00e9gie par des flux ioniques et des interactions synaptiques.<\/p>\n

Elle s’investit alors dans la formalisation des potentiels d’action et des cin\u00e9tiques de neurotransmission en introduisant des syst\u00e8mes diff\u00e9rentiels \u00e0 inhibition crois\u00e9e et \u00e0 auto-excitation non lin\u00e9aire, souvent d\u00e9sign\u00e9s sous le terme de r\u00e9seaux d’activation \u00e0 shunt (shunting neural networks<\/em>). Contrairement aux mod\u00e8les additifs simplificateurs, ces syst\u00e8mes int\u00e8grent un contr\u00f4le de gain multiplicatif automatique qui emp\u00eache la saturation des neurones en pr\u00e9sence de signaux d’entr\u00e9e intenses, tout en maintenant une sensibilit\u00e9 discriminante aiguis\u00e9e pour des stimuli faibles. Cette formalisation d\u00e9montre comment les r\u00e9seaux biologiques r\u00e9solvent le probl\u00e8me du bruit de fond et de la plage dynamique sans n\u00e9cessiter de recalibrage externe permanent.<\/p>\n

\u00c0 travers ces investigations math\u00e9matiques, Carpenter met en lumi\u00e8re les d\u00e9faillances criantes des mod\u00e8les computationnels statiques, lesquels per\u00e7oivent l’apprentissage comme un processus s\u00e9quentiel d’optimisation d’erreurs gel\u00e9 dans le temps. Elle postule au contraire que le cerveau fonctionne dans un r\u00e9gime dynamique d’\u00e9quilibre m\u00e9tastable, o\u00f9 l’apprentissage synaptique doit s’effectuer de fa\u00e7on concurrente au traitement des signaux sensoriels. Cette r\u00e9v\u00e9lation th\u00e9orique pave la voie \u00e0 l’abandon d\u00e9finitif des paradigmes computationnels rigides au profit d’architectures fond\u00e9es sur des flux r\u00e9currents continus et l’auto-stabilisation autonome des repr\u00e9sentations synaptiques.<\/p>\n

2.3 Implantation acad\u00e9mique \u00e0 l’Universit\u00e9 de Boston<\/h3>\n

L’\u00e9tape charni\u00e8re de la carri\u00e8re de Gail Carpenter correspond \u00e0 son arriv\u00e9e \u00e0 l’Universit\u00e9 de Boston<\/a>, o\u00f9 elle rejoint le d\u00e9partement de math\u00e9matiques avant de s’associer de mani\u00e8re institutionnelle et scientifique avec Stephen Grossberg. Ensemble, ils con\u00e7oivent le projet audacieux d’\u00e9riger une structure universitaire unique au monde, enti\u00e8rement d\u00e9di\u00e9e \u00e0 l’\u00e9lucidation math\u00e9matique de l’esprit : le Center for Adaptive Systems (CAS), fond\u00e9 en 1981, suivi par la cr\u00e9ation en 1991 du prestigieux Department of Cognitive and Neural Systems (CNS). Gail Carpenter assume la direction et l’animation scientifique de ces entit\u00e9s, attirant des chercheurs du monde entier.<\/p>\n

Le CNS de Boston s’\u00e9tablit rapidement comme un p\u00f4le intellectuel de r\u00e9f\u00e9rence internationale, se d\u00e9marquant nettement des approches connexionnistes conventionnelles issues des d\u00e9partements d’informatique traditionnels. Sous l’impulsion m\u00e9thodologique de Carpenter, le d\u00e9partement adopte une posture intransigeante : aucun mod\u00e8le neural ne doit \u00eatre accept\u00e9 s’il n’est pas capable \u00e0 la fois d’\u00e9lucider des donn\u00e9es exp\u00e9rimentales psychophysiques, d’\u00eatre valid\u00e9 par des substrats neurobiologiques anatomiquement plausibles et d’\u00eatre \u00e9tay\u00e9 par des preuves math\u00e9matiques rigoureuses quant \u00e0 sa stabilit\u00e9 asymptotique. Cette exigence conf\u00e8re aux travaux issus de Boston une cr\u00e9dibilit\u00e9 et une long\u00e9vit\u00e9 in\u00e9gal\u00e9es.<\/p>\n

En tant que p\u00e9dagogue et directrice de recherche, Carpenter instaure un mod\u00e8le de formation doctorale transversal particuli\u00e8rement novateur. Les \u00e9tudiants y re\u00e7oivent un enseignement intensif qui embrasse l’analyse fonctionnelle, la th\u00e9orie des bifurcations, la physiologie sensorielle de la r\u00e9tine et du cortex visuel, ainsi que les paradigmes classiques de la psychologie comportementale. Cette p\u00e9dagogie d\u00e9cloisonn\u00e9e donne naissance \u00e0 une g\u00e9n\u00e9ration de chercheurs capables de traduire un d\u00e9ficit de m\u00e9moire humaine en une alt\u00e9ration de terme diff\u00e9rentiel synaptique, positionnant ainsi l’Universit\u00e9 de Boston comme la matrice originelle de la mod\u00e9lisation cognitive m\u00e9caniste contemporaine.<\/p>\n

3. Le dilemme de la stabilit\u00e9 et de la plasticit\u00e9 dans la cognition humaine<\/h2>\n

3.1 Formulation th\u00e9orique du probl\u00e8me de la m\u00e9moire<\/h3>\n

Le dilemme de la stabilit\u00e9 et de la plasticit\u00e9 (stability-plasticity dilemma<\/em>) repr\u00e9sente sans doute l’obstacle \u00e9pist\u00e9mologique le plus profond auquel toute th\u00e9orie de l’apprentissage naturel ou artificiel se trouve confront\u00e9e. Formul\u00e9e avec une clart\u00e9 magistrale par Carpenter et Grossberg, la question se pose en ces termes : comment un syst\u00e8me d’apprentissage auto-organis\u00e9 peut-il conserver une plasticit\u00e9 permanente lui permettant d’assimiler de nouveaux faits, objets ou \u00e9v\u00e9nements signifiants, sans pour autant que ces nouvelles acquisitions ne viennent corrompre, \u00e9craser ou effacer de mani\u00e8re catastrophique les connaissances pr\u00e9alablement engramm\u00e9es dans les poids synaptiques ?<\/p>\n

Dans la majorit\u00e9 des r\u00e9seaux de neurones conventionnels, et tout particuli\u00e8rement au sein des r\u00e9seaux multicouches entra\u00een\u00e9s par l’algorithme de r\u00e9tropropagation du gradient<\/a>, ce dilemme est tragiquement r\u00e9solu par l’\u00e9chec : lorsqu’un r\u00e9seau qui a converg\u00e9 sur une premi\u00e8re distribution statistique de motifs est expos\u00e9 \u00e0 une nouvelle distribution dissemblable, la mise \u00e0 jour des poids par descente de gradient r\u00e9\u00e9crit aveugl\u00e9ment les matrices de connexion. Ce ph\u00e9nom\u00e8ne d’oubli catastrophique<\/em> (ou interf\u00e9rence r\u00e9troactive g\u00e9n\u00e9ralis\u00e9e) rend ces architectures inop\u00e9rantes pour l’apprentissage autonome en boucle ouverte dans un environnement r\u00e9el, impr\u00e9visible et non stationnaire.<\/p>\n

Carpenter analyse ce dilemme \u00e0 la lumi\u00e8re des observations fondamentales de la psychologie cognitive sur la distinction entre la m\u00e9moire de travail (working memory<\/em>) et la m\u00e9moire \u00e0 long terme (long-term memory<\/em>). Chez les vert\u00e9br\u00e9s sup\u00e9rieurs, le syst\u00e8me c\u00e9r\u00e9bral ne r\u00e9\u00e9crit pas son architecture chaque fois qu’un stimulus in\u00e9dit est rencontr\u00e9 ; il parvient \u00e0 d\u00e9terminer avec une fluidit\u00e9 instantan\u00e9e si l’information incidente correspond \u00e0 une cat\u00e9gorie d\u00e9j\u00e0 connue dont il suffit de raffiner les param\u00e8tres, ou s’il s’agit d’une anomalie substantielle n\u00e9cessitant l’allocation d\u00e9di\u00e9e d’une nouvelle trace mn\u00e9sique, tout en maintenant intact l’\u00e9difice m\u00e9moriel ant\u00e9rieur.<\/p>\n

3.2 Implications psychologiques et psychopathologiques<\/h3>\n

La formalisation du dilemme stabilit\u00e9-plasticit\u00e9 par Gail Carpenter apporte un \u00e9clairage th\u00e9orique puissant sur de nombreuses \u00e9nigmes de la psychologie exp\u00e9rimentale et des neurosciences cliniques. Elle propose une explication computationnelle unifi\u00e9e \u00e0 la remarquable persistance des souvenirs anciens et consolid\u00e9s face au flux incessant des apprentissages r\u00e9cents. Le cerveau humain n’est pas une bande magn\u00e9tique r\u00e9inscriptible de mani\u00e8re lin\u00e9aire : la conservation des comp\u00e9tences motrices et des repr\u00e9sentations conceptuelles acquises durant l’enfance t\u00e9moigne de l’existence de m\u00e9canismes d’inhibition active qui sanctuarisent les engrammes synaptiques d\u00e8s lors que les entr\u00e9es sensorielles n’entrent pas en r\u00e9sonance structurelle avec eux.<\/p>\n

Cette approche th\u00e9orique permet \u00e9galement de d\u00e9cortiquer les pathologies mn\u00e9siques, notamment les amn\u00e9sies ant\u00e9rogrades et r\u00e9trogrades ainsi que divers troubles de l’attention s\u00e9lective. Les dysfonctionnements observ\u00e9s chez des patients c\u00e9r\u00e9brol\u00e9s\u00e9s (comme le cas historique H.M. ou des sujets pr\u00e9sentant des l\u00e9sions hippocampiques bilat\u00e9rales) sont r\u00e9interpr\u00e9t\u00e9s par Carpenter non pas comme une simple perte de stockage physique, mais comme l’effondrement des m\u00e9canismes dynamiques de s\u00e9lection cat\u00e9gorielle et de modulation attentionnelle descendante, emp\u00eachant la validation r\u00e9sonante des nouvelles traces au sein des aires corticales d’association.<\/p>\n

En outre, les ph\u00e9nom\u00e8nes classiques d’interf\u00e9rence proactive (o\u00f9 l’apprentissage ant\u00e9rieur entrave l’acquisition de nouvelles donn\u00e9es) et d’interf\u00e9rence r\u00e9troactive (o\u00f9 le nouvel apprentissage d\u00e9grade le pr\u00e9c\u00e9dent) sont mod\u00e9lis\u00e9s comme des d\u00e9s\u00e9quilibres dynamiques dans les seuils de comparaison entre signaux ascendants et repr\u00e9sentations descendantes. Lorsque l’architecture synaptique perd sa capacit\u00e9 \u00e0 isoler les sous-espaces de projection par inhibition lat\u00e9rale r\u00e9ciproque, le r\u00e9seau devient la proie d’un brouillage mn\u00e9sique que Carpenter formalise \u00e0 travers des \u00e9quations d’inhibition comp\u00e9titive rompues, offrant un pont math\u00e9matique robuste vers la psychopathologie cognitive.<\/p>\n

3.3 La r\u00e9ponse math\u00e9matique de Gail Carpenter<\/h3>\n

La solution magistrale apport\u00e9e par Gail Carpenter au dilemme de la stabilit\u00e9 et de la plasticit\u00e9 r\u00e9side dans l’introduction d’un m\u00e9canisme de r\u00e9gulation dynamique non lin\u00e9aire du gain synaptique, combin\u00e9 \u00e0 un protocole de test d’hypoth\u00e8se auto-g\u00e9n\u00e9r\u00e9. Elle d\u00e9montre analytiquement qu’un syst\u00e8me ne peut rester stable que si le traitement passif ascendant (des capteurs vers les couches d’abstraction) est subordonn\u00e9 \u00e0 un filtrage actif descendant (des couches conceptuelles vers les couches perceptives). L’apprentissage des poids synaptiques ne doit \u00eatre d\u00e9verrouill\u00e9 que et seulement si un consensus dynamique, baptis\u00e9 \u00ab r\u00e9sonance \u00bb, s’est \u00e9tabli entre ces deux flux directionnels.<\/p>\n

Carpenter mod\u00e9lise ce verrouillage \u00e0 travers un ensemble d’\u00e9quations diff\u00e9rentielles synaptiques de type Hebbien modifi\u00e9es par un terme d’inhibition comp\u00e9titive (\u00ab gating term \u00bb). Dans cette formulation, les poids synaptiques ne varient pas de fa\u00e7on aveugle en pr\u00e9sence de corr\u00e9lation statistique brute ; ils sont asservis \u00e0 une fonction de modulation non lin\u00e9aire qui bloque la d\u00e9rive des poids d\u00e8s qu’un \u00e9cart perceptif trop important est d\u00e9tect\u00e9 au niveau de la couche r\u00e9ceptrice. Les traces mn\u00e9siques sont ainsi cryog\u00e9nis\u00e9es contre l’oubli pr\u00e9judiciable sans requ\u00e9rir l’arr\u00eat artificiel du temps machine :<\/p>\n