L'adaptabilité du cerveau semble parfois sans fin. Mais les observations du cerveau dans le processus d'apprentissage suggèrent que ses réseaux de neurones peuvent être étonnamment inflexibles et inefficaces.
Le principal attribut de l'intelligence est la capacité d'apprentissage. Comme des décennies de recherche l'ont montré, notre cerveau présente une «plasticité» assez importante, c'est-à-dire la capacité des neurones à changer les connexions en réponse à des stimuli externes. Mais des chercheurs de l'Université Carnegie Melon et de l'Université de Pittsburgh ont récemment découvert des limites inattendues à nos capacités d'apprentissage. Le cerveau peut en effet être flexible et adaptatif, mais, au moins pendant de courtes périodes de temps, il apprend par la répétition inefficace de tours dans son répertoire nerveux, au lieu de créer un réseau de connexions à partir de zéro.
«Quand je joue au
squash , je ressemble à un joueur de tennis», explique Byron Yu, ingénieur biomédical et neuroscientifique à l'Université Carnegie Mallon, et l'un des leaders de l'étude. Yu a joué au tennis pendant de nombreuses années. Il a du mal à jouer au squash parce qu'il utilise des raquettes plus courtes et fait des tirs plus rapides et plus difficiles - contrairement à ceux utilisés sur le court de tennis. Cependant, lorsqu'il joue au squash, il se glisse dans le style des raquettes, auquel il est habitué à une longue expérience de tennis. Le cerveau n'est pas si facile de se séparer de ce qu'il sait déjà.
Regardant le cerveau pendant l'entraînement, Yu et ses collègues ont trouvé des preuves d'un manque similaire de plasticité au niveau des neurones. Cette découverte et les recherches connexes peuvent aider à expliquer pourquoi certaines choses sont plus difficiles à apprendre que d'autres.
Il y a plusieurs années, Yu,
Aaron Batista de l'Université de Pittsburgh et des membres de leurs laboratoires ont commencé à utiliser des interfaces cerveau-ordinateur (IMC) comme outils pour faire des découvertes en neurobiologie. Ces appareils ont une puce de la taille d'un ongle qui peut suivre l'activité électrique des stonerons immédiatement dans le cortex moteur qui contrôle les mouvements. En suivant la séquence des pointes de tension traversant les neurones individuels, l'IMC est capable de calculer la «vitesse des pointes» qui caractérise le comportement de chaque neurone au cours d'une tâche donnée.
"Vous pouvez imaginer les difficultés associées à creuser ces données dans un tas dans le but de déterminer ce que le cerveau fait", a déclaré Y. "Nos yeux ne sont pas très entraînés à remarquer des motifs cachés dans ces données." Mais l'analyse statistique avancée dont la puce est capable peut le faire, et ces modèles peuvent être utilisés pour déterminer l'activité nerveuse associée aux intentions du sujet d'effectuer certains mouvements. Par exemple, le système est capable de distinguer les intentions du sujet de test de tendre la main vers la gauche, la droite, le haut ou le bas.
Les chercheurs peuvent ensuite utiliser la sortie de l'IMC pour traduire l'activité nerveuse associée à certains mouvements en commandes pour le curseur sur un écran d'ordinateur. Par essais et erreurs, des personnes ou des animaux sont entraînés à utiliser une telle interface, imaginant comment ils déplacent la main, par exemple vers la gauche, et déplacent le curseur dans la même direction.
Lorsque Yu, Batista et leurs collègues ont suivi le cortex moteur du singe, qui effectuait des mouvements de main simples encore et encore, ils ont constaté que les neurones n'étaient pas activés indépendamment. Le comportement des centaines de neurones mesurés peut être décrit statistiquement par le comportement de 10 neurones qui activent ou suppriment le travail de leurs voisins de diverses manières. Dans l'analyse, ce résultat a été montré comme un ensemble de points qui ont rempli une très petite quantité dans un espace de données à 100 dimensions.
"Nous avons appelé ce volume une variété intrinsèque parce que nous pensons que cette caractéristique est en effet caractéristique du cerveau", a déclaré
Stephen Chase , professeur de génie biomédical à l'Université Carnegie Malon. "La dimension de cet espace prédit avec précision les capacités des neurones."
En 2014, les chercheurs ont
trouvé plus facile pour les sujets d'apprendre de nouvelles tâches si des combinaisons de neurones appartenant à un ensemble caractéristique, et non ceux qui se trouvent à l'extérieur, sont incluses dans ce processus. Selon Yu, cela a du sens, car les tâches qui entrent dans un ensemble caractéristique font des demandes au cerveau correspondant à la structure nerveuse sous-jacente. À la fin de l'étude, le groupe est passé à la question de savoir comment l'activité nerveuse change pendant l'entraînement - cela est décrit dans un
travail récemment publié dans la revue Nature Neuroscience.
Pour comprendre ce qui se passe dans le cerveau, les chercheurs ont d'abord donné des primates équipés d'IMC pour se familiariser avec le déplacement du curseur à gauche et à droite. Ensuite, l'équipe a modifié les exigences concernant le type d'activité nerveuse nécessaire pour déplacer le curseur et a commencé à observer quels nouveaux modèles d'activité nerveuse, correspondant au nouvel ensemble de points de l'ensemble caractéristique, seront utilisés par les animaux.
Les chercheurs s'attendaient à voir des preuves d'une stratégie d'apprentissage appelée «restructuration», au cours de laquelle l'animal commencerait à utiliser un nouveau modèle de neurones de travail qui conviendrait le plus naturellement à cette tâche. "La perestroïka est la meilleure stratégie que les animaux peuvent utiliser qui sont soumis aux limites d'un ensemble caractéristique de neurones", a déclaré
Matthew Golub , un post-doctorant qui a participé à ce projet avec Yu et Chase et travaille maintenant à l'Université de Stanford. Ou le cerveau du singe pourrait commencer à apprendre par le «redimensionnement», un processus dans lequel les neurones impliqués dans la tâche d'apprentissage primaire augmenteraient ou diminueraient le nombre de salves jusqu'à ce qu'ils tombent sur une sorte de flux de travail.
Mais, à la surprise étonnante des chercheurs, ni la perestroïka ni le redimensionnement n'ont eu lieu. Au lieu de cela, les chercheurs ont observé un processus extrêmement inefficace de «réassociation». Les sujets ont été formés à une nouvelle tâche, utilisant simplement des séquences nerveuses existantes, changeant leur objectif. Les séquences qui déplaçaient auparavant le curseur vers la gauche ont commencé à le déplacer vers la droite, et vice versa. "Ils étaient engagés dans la réutilisation", a déclaré Golub, uniquement dans de nouvelles conditions.
Pourquoi le cerveau devrait-il utiliser une stratégie d'apprentissage moins efficace? Les résultats des découvertes du groupe montrent que, tout comme le travail de toute l’architecture nerveuse est limité par l’activité d’un ensemble caractéristique, le travail des neurones de cet ensemble a des restrictions sur la réorganisation de leur activité. Batista suggère que les changements dans les connexions synaptiques entre les neurones qui devraient être effectués pour la restructuration seraient trop complexes pour les rendre assez rapides. "La plasticité à court terme peut être plus limitée que prévu", a-t-il déclaré. - Apprendre signifie oublier. Le cerveau refuse à contrecœur les compétences acquises avec lesquelles il sait déjà gérer. »
Chase a comparé le cortex moteur à un ancien standard téléphonique, dans lequel des connexions neuronales, comme des câbles, connectent les entrées de sections du cortex aux sorties du cervelet. Comme il l'a dit, au cours des expériences, «le cerveau change simplement le schéma de connexion des câbles» - bien que les nuances de ce processus ne soient toujours pas claires.
"La stratégie de changement rapide implique de changer les connexions d'entrée du cortex", a déclaré Yu. Mais il a également noté que l'activité cérébrale était surveillée dans leurs expériences pendant 1-2 heures. Les chercheurs ne peuvent pas encore exclure la possibilité que la réassociation soit une étape intermédiaire dans l'enseignement de nouvelles tâches au cerveau; sur une plus longue période de temps, la reconstruction ou le redimensionnement peut encore se produire.
Dans l'affirmative, cela peut expliquer la différence dans la façon dont les nouvelles informations liées aux intérêts communs sont traitées par les nouveaux arrivants et les experts. "Les débutants doivent travailler avec ce qu'ils ont, et les experts sont engagés dans la consolidation des connaissances", a déclaré Batista. "Cela peut être la base neurale de ce phénomène bien connu."