Équipe 7
Neurosciences computationnelles
ALEXANDRE Frédéric (INRIA Research Director) AUSSEL Amélie (INFP INRA) HINAUT Xavier (INRIA Researcher) VIEVILLE Thierry (INRIA Research Director) BERNARD Paul (Ingeneer - Technician) DEEPAYAN Das (Ingeneer - Technician) ANDIRANTSOAMBEROMANGA Maeva (PhD student) BENDI-OUIS Yannis (PhD student) CHAIX-ECHEL Naomi (PhD student) CHATEAU-LAURENT Hugo (PhD student) DAGAR Snigdha (PhD student) FONTAINE Lucie (PhD student) MERCIER Chloé (PhD student) OOTA Subba-Reddy (PhD student) PESQUET Baptiste (PhD student) TROUVAIN Nathan (PhD student) VARDALAKS Nikolaos (PhD student)
Sujet de recherche
Nous concevons des modèles informatiques systémiques du cerveau afin d’explorer et de comprendre la cognition, avec un accent particulier sur l’apprentissage et le comportement. Nos modèles vont de modèles bio-physiques très précis (par exemple, Hodgkin-Huxley) à des représentations de haut niveau (par exemple, des ontologies) organisées autour de 4 axes de recherche principaux.
1. Prise de décision et contrôle cognitif
Nos travaux sur la prise de décision et le contrôle cognitif reposent sur l’idée centrale qu’ils résultent de l’interaction de plusieurs systèmes de mémoire et de structures cérébrales, par opposition à l’idée d’une structure unique qui serait la seule responsable d’un comportement donné. Plus précisément, nous cherchons à expliquer les contributions interactives des ganglions de la base, du cortex préfrontal et de l’hippocampe pour différents scénarios de prise de décision et de contrôle cognitif.
2. Traitement du langage
L’une de nos ambitions à long terme est de créer un modèle biologiquement plausible du traitement et de la production de phrases : le modèle doit être dynamique, ancré, hiérarchique et utiliser des mécanismes d’action-perception. Les perspectives importantes sont d’adapter le modèle aux données expérimentales des fonctions langagières saines et pathologiques et d’explorer comment il peut être incorporé dans des robots afin de modéliser comment le cerveau des enfants apprend à ancrer, dans un schéma de développement, la sémantique à différents niveaux d’abstraction des symboles.
3. Connaissance abstraite et symbolique
Lors de la modélisation du cerveau engagé dans des tâches de résolution de problèmes complexes et mal définis,
Dernières publications
Criteria : Author : "nicolas-p-rougier;frederic-alexandre;xavier-hinaut;1149577", Publication type : "('ART')"
Number of occurrences founded : 112.
- titre
- « ChatGPT m’a dit que… » : l’illusion de la discussion avec l’IA nous mène à l’erreur
- auteur
- Frédéric Alexandre
- article
- The Conversation France, 2024
- identifiant
- hal-04702426
- titre
- Reservoir Computing for Short High-Dimensional Time Series: an Application to SARS-CoV-2 Hospitalization Forecast
- auteur
- Thomas Ferté, Dan Dutartre, Boris P. Hejblum, Romain Griffier, Vianney Jouhet, Rodolphe Thiébaut, Pierrick Legrand, Xavier Hinaut
- article
- Proceedings of Machine Learning Research, 2024, Proceedings of the 41st International Conference on Machine Learning, 235, pp.13570--13591
- identifiant
- hal-04693930
- titre
- A dynamical computational model of theta generation in hippocampal circuits to study theta-gamma oscillations during neurostimulation
- auteur
- Nikolaos Vardalakis, Amélie Aussel, Nicolas P. Rougier, Fabien B Wagner
- article
- eLife, In press, 12, ⟨10.7554/eLife.87356.3⟩
- identifiant
- hal-04383365
- titre
- Comment fonctionne ChatGPT ? Décrypter son nom pour comprendre les modèles de langage
- auteur
- Frédéric Alexandre
- article
- The Conversation France, 2023
- identifiant
- hal-04156226
- titre
- De Cambridge Analytica à ChatGPT, comprendre comment l’IA donne un sens aux mots
- auteur
- Frédéric Alexandre
- article
- The Conversation France, 2023
- identifiant
- hal-04156230