[Musique] bien je vous propose de commencer bonjour merci de votre présence à ce cours qui a essayé de prolonger et celui de l'an dernier l'an dernier je n'avais pas hésité à vous parler d'une révolution sciences cognitives la révolution bayésienne dans la mesure où l'on voyait émergé depuis une dizaine d'années maintenant dans de très nombreux champs des sciences Cognitives une théorie la théorie des statistiques bayésienne sur laquelle notre cerveau est un système capable d'extraire du monde extérieur des statistiques à différents niveaux hiérarchiques et de s'en servir pour prendre des décisions appropriées parfois optimale donc nous avions
passé en revue différents champs d'application de cette théorie bayésienne en sciences cognitives je vous avais montré quel Rendez compte de nombreux aspects de la perception en psycho physique et notamment de la fusion des modalités sensorielle lorsqu'il s'agit de combiner des informations visuelles et tactiles par exemple et puis nous avions parlé de la prise de décision et enfin de la manière dans la théorie bayésienne permet de décrire certains aspects du cortex humain les idées notamment de carl free stone et d'autres collègues suivant lesquelles Les couches du cortex humain sont organisés pour permettre ces inférences bayésienne et
puis je vous avais expliqué aussi en début de cours que cette théorie bayésienne permettait de fournir un algorithme extrêmement puissant d'apprentissage on avait vu quelques exemples d'apprentissage mais je n'avais pas pu rentrer faute de temps dans le détail de la manière dont la vision de l'apprentissage est modifié finalement par cette révolution Bayésienne alors c'est l'objet du cours de cette année donc d'examiner la manière dont le bébé apprend et la manière dont ces apprentissages peuvent être peut-être décrit dans une certaine mesure par une forme d'inférence une inférence statistiques et je pense que il est tout à
fait possible de consacrer un cours entier à ce sujet parce que l'enjeu est très important il s'agit rien de moins que de réviser finalement nos croyances sur ce petit organisme qui Est le bébé est deux visions du vb s'affrontent celle d'un organisme dépourvu de connaissances livrer au monde extérieur mais peut-être devrions-nous avoir une vision différente de l'enfant qui est illustré grâce à un petit peu humoristique ici qui est celle d'un petit génie des statistiques qui est capable de faire de la science en quelque sorte dès le départ de tirer des inférences à partir du monde
extérieur Alors la vision évidemment dominante du 20e siècle c'est celle de la confusion du bébé le bébé est un organisme soumis à ses entrées est incapable pendant une très longue période de les organiser convenablement c'est la position par exemple de william james dans cette phrase qui est extrêmement célèbres dans les principes de la psychologie son grand ouvrage la règle est que toutes les choses qui peuvent fusionner vont fusionner chez l'enfant et rien ne se Sépare sauf ceux qui doit l'enfant le bébé est constamment assailli par les yeux dans les oreilles par le nez par la
peau par les entrailles et il ressent toutes ses entrées comme une immense confusion bourdonnante bourgeonnante blooming basing comme sujet c'est la vision qui a dominé je dirais le 20e siècle c'est aussi ça a été la vision de la pédiatrie que le très jeune enfant était dépourvu de capacité d'organiser ses sensations ça a été bien Entendu la vision qui a guidé l'oeuvre de jean piaget qui n'imaginez pas les compétences de l'enfant dont nous avons discuté dans le court cette année qui y voyaient le jeune enfant dont on parle essentiellement de l'enfant avant la classe avant la
maternelle disons dans les trois ou quatre premières années de vie et pour pillage et cet enfant était un enfant près causale qui ne remontait pas Aux causes de ce qu'il voyait dans la première année de vie c'était aussi un enfant qui vivaient dans le présent qui n'était pas capable d'avoir la permanence de l'objet qui n'était donc pas capable de se représenter des objets qui avait disparu et encore moins de créer des représentations des modèles mentaux abstrait de ses connaissances et c'était aussi un enfant qui était dépourvu de connaissances logique or ce que nous allons voir
aujourd'hui c'est Qu'il y ait en fait une grande rationalité d'ailleurs les apprentissages de l'enfant alors la vision nouvelle extrême un petit peu aussi et celle qui est proposée par exemple par alison gopnik avec ses collègues dans un livre qu'elle appelle explicitement le scientifique au berceau scientist et de crabes c'est cette idée donc d'une rationalité extrêmement précoce de l'enfant je cite dans les 30 dernières années nous avons découvert Une énorme quantité de connaissances sur ce que l'on pensait et quand il le sait en particulier les jeunes enfants et même les bébés semblent avoir semble posséder des
théories intuitive du monde physique du monde biologique du monde psychologique et ses théories comme des théories scientifiques sont complexes cohérente abstraite ça c'est vraiment [Musique] le contraire de piaget très abstraite et ce sont des théories de la structure Causal du monde donc pour illustrer d'ailleurs un article récent de revues dans sa jeune soeur alison gopnik nous propose cette peinture on voit des enfants jouaient aux scientifiques jouer au docteur jouer au petit chimiste et l'idée c'est que quand l'enfant joue mais simplement quand il observe le monde dès le départ il est en fait en train de
réaliser des expériences mental sur le monde extérieur de sélectionner des modèles du Monde extérieur comme le ferait un scientifique alors je pense que cette révision des connaissances sur le bébé si on regarde ce qui s'est passé dans les formes dernières années on peut distinguer deux grandes étapes et la première étape c'est celle de reconnaître qu'effectivement le bébé possède de multiples compétences et donc n'est pas dépourvue de représentation qui fonctionnent comme des connaissances Fondamentales un noyau de connaissance ce que lis quelques appels très à propos de façon très approprié corps knowledge noyau de connaissances donc les
chercheurs ont découvert je vous montrerai certaines de ses expériences que les bébés possède un concept de ce que c'est qu'un objet avec ses propriétés de solidité par exemple de continuité spatio-temporelle un objet ne se désintègre pas dans l'espace l'enfant le bébé est très jeune possède Déjà des concepts de nombres les travaux de véronique isart qui avait été présentée ici montre clairement que dès la naissance dès le premier jour de vie l'enfant est déjà capable d'extraire des informations numériques abstraite visuelle auditive sûr le nombre et jacques meller avec tom burr dès 1967 avait déjà montré réfuté
en quelque sorte les idées pillages et sienne en montrant qu'ils avaient une conservation du nombre qui était Beaucoup plus précoce qu'on le pensait à l'époque c'était deux ans et demi si je me souviens bien le concept d' espace également et puis il ya bien entendu toutes les idées sur l'apprentissage du langage qui ont été proposées par noam chomsky ensuite par l'ags lightman par jacques meller l'idée qu'il existe une grammaire universelle qui guident l'apprentissage d'une langue particulière que cette connaissance est extrêmement précoce puisqu'elle doit Permettre sous tendre l'acquisition du langage et que donc dès la première
année de vie il y à déjà les apprentissages linguistiques qui se produisent chez le bébé ce qui a été démontré expérimentalement par jacques meller donc on avait là une collection de systèmes qui était supposée in nez ou en tout cas mis en place extrêmement précocément dans les premiers mois et qui guide les apprentissages ultérieure et la vision faux d'orienne d'une Modularité de l'esprit et puis il ya cette deuxième étape donc récent peut-être dans les dix dernières années pour gopnik de du bébé comme un scientifique ou comme un détective peut-être le bébé élabore des modèles mentaux
du monde extérieur il évalue leur plausibilité en liaison avec les observations qu'il effectue et il faut donc le supposé dotés de compétences précoce a un sens Supplémentaire qui est pas seulement celui du nombre mais qui est celui de la probabilité le bébé serait capable de manipuler des probabilités de reconnaître la probabilité ou l'improbabilité des entrées qu'il reçoit de rapprocher ce qu'il reçoit et cette notion de probabilité des modèles mentaux possible du monde extérieur et de sélectionner les modèles pertinentes qui veut dire sélectionner les variables pertinentes qu'il faut faire rentrer Dans le modèle énimie éliminer les
variables de nos intérêts qui n'ont pas l'air de corréler avec les observations repérer les ambiguïtés possible et faire les expériences approprié qui vont lever les ambiguïtés donc on peut concevoir qu'un bébé qui est en train de jouer est en train de réaliser une sorte d'expérience si ce cadre théorique évidemment à une certaine validité donc il s'agit pas seulement de rajouter un module de Probabilités au module du nombre module de l'objet ou du langage qui sont postuler depuis maintenant une trentaine d'années il s'agit d'un sens transversal qui guide l'ensemble des apprentissages dans chacun de ses différents
modules donc ça rejoint d'ailleurs cette idée que peut-être le cortex tout entier par l'orgueil par son organisation en couches réalise des mécanismes d'inférence bayésienne à tous les niveaux alors les deux visions ne sont Pas incompatibles évidemment le au contraire je dirais l'apprentissage bayésiens doit s'appuyer sur des représentations de base et donc l'idée qu'il existe des représentations noyau des objets du nombre de l'espace va permettre le développement de modèles abstrait l'on verra quand fait dans certains dans certains modèles bayésiens il ya besoin d'un sens encore plus abstrait des prédicats déco de la logique même donc on
va attribuer à L'enfant énormément de connaissances en même temps nous allons voir que parce que ce sont des modèles d'apprentissage les modèles bayésiens et bien on peut dans une certaine mesure réduire le nombre de postulats qui vont être faits sur ce que l'enfant connaît et on va voir effectivement que certains des principes même les plus abstraits la commission le principe de causalité par exemple peuvent peut-être être appris par l'enfant donc ces modèles bayésiens Nous conduisent à réviser un tout petit peu les inférences que l'on peut faire même si l'on voit des compétences extrêmement élaboré chez
un enfant extrêmement jeune ça ne veut pas nécessairement dire que ces compétences sont innées puisque les mécanismes bayésiens nous fournissent des manières dont l'enfant aurait pu apprendre certaines de ses compétences donc c'est vraiment une révision une voie intermédiaire qui ne nie pas que L'enfant dispose de compétences très élaborés mais qui propose aussi des mécanismes d'apprentissage extrêmement sophistiqués alors je voudrais tout de suite vous donner un exemple de l'expérience qui va dans le sens de ce bébé statisticiens de ce bébé enquêteurs qui est capable de faire une sorte de science évidemment il s'agit d'une science implicite
pense pas que l'enfant même des raisonnements explicites comme Un scientifique mais son cerveau se comporte comme un statisticien alors j'ai choisi cette expérience elle n'est pas chez des enfants extrêmement jeunes qui ont des enfants de 2 3 et 4 ans ce qui m'intéresse c'est qu'elle utilise une méthode un petit peu piège et sienne puisque j te questionner l'enfant et même avec des méthodes de ce type eh bien on peut montrer que l'enfant dispose de compétences importantes pour le raisonnement il s'agit d'une Expérience de type blick est où on essaye de voir ce que l'enfant est
capable d'apprendre sur des objets nouveau donc on lui dit il ya des objets dans le monde extérieur qu'ils sont des briquettes et il faut que tu me dises lesquels sont des biquettes lesquels n'en sont pas et les blick est lorsqu'ils sont posés sur une boîte spéciale lui font faire de la musique donc on montre à l'enfant dans une condition qui est illustrée ici que le Fait de poser le cube jaune sur la boîte fait que la boîte se déclenche et aimé de la musique on lui montre cela une fois qu'on les montre deux fois ici
deux fois de la musique et puis on lui on lui présente un 2e objet qui est un cylindre bleus on le pose sur la boîte et la boîte ne se déclenche pas et puis troisième étape on le pose maintenant sur la boîte simultanément le cube jaune et le cylindre bleus et deux fois ont fait cette expérience et la boîte se Déclenche et fait de la musique voilà c'est tout ce que l'enfant observe et noté que lorsqu'on parle d'un sens statistique chez l'enfant on ne veut pas nécessairement dire que l'apprentissage dur extrêmement longtemps qu'ils avaient énormément
d'observation comme dans un mot le collectionnisme il faudrait des milliers d'observations pour apprendre quelque chose ici l'enfant reçoit 5 d'essentiellement trois types de d'expérience cinq expériences Successives deux fois la musique s'allume ici elle ne s'allume pas ici elles s'allument deux fois ici ensuite on entre les deux objets successivement à l'enfant et on lui demandait ce que celui là est ce que c'est un flic est et celui là est ce que tu penses que c'est un flic est c'est à dire ce qu'il a lu ou la boîte et bien l'enfant tir l'inférence correct dans cette situation
ils répondent majoritairement et ceux d un âge très jeune trois en deux ans et Demi que le cube john est impliqué tu es que cylindres bleus ne l'est pas donc il a tiré l'inférence qu'on pouvait expliquer l'ensemble de ses observations en supposant que le cube john déclenché la boîte est dans cette situation c'est le cube jobs qui déclenche la boîte donc ça n'est pas le cylindre blogs sont avec l'évidence que il n'a lui mais pas dans cette situation si situation de contrôle on présente un enfant presque la même Chose mais on lui présente donc les
deux premières étapes identique est la troisième étape on va montrer que le cylindre bleus et il allume la boîte deux fois et deux fois ça fait faire de la musique avec ces simples changements d'expérience on ne peut plus supposer que seul le cube john va déclencher la boîte est effectivement sur la base de cette expérience l'enfant répond que ces deux objets sont des briques est donc il a changé son interprétation causale de Ce qu'il a vu et on pourrait montrer c'est très facile à montrer que l'inférence que tire l'enfant est effectivement l'inférence la plus rationnelle
que l'on peut tirer de ces observations donc un exemple très simple qui montrent qu'un enfants de 2 3 ans soumis à des observations élémentaire est capable de tirer des inférences qui demande quand même une certaine logique et en particulier l'élimination l'hypothèse alternative Alors les idées essentielles du cours de l'an dernier je voudrais les résumés dans le cours d'aujourd'hui et puis vous montrer vers quoi on va aller dans les cours qui suit donc dans les cours précédent je vous avais montré d'abord ce que c'était que cette inférences bayésienne à une théorie mathématique simple qui caractérise ce
type de raisonnement play plausible en présence d' incertitudes ce n'est pas un raisonnement logique au sens où on Arrive à des conclusions tout ou rien vrai ou faux mais c'est une extension de la logique est la seule extension légitime de la logique à des situations d'un continuum finalement de plausibilité l'inférence bayésienne rend bien compte des processus de perception étant donné les entrées ambiguë notre cerveau est capable d'en reconstruire interprétation la plus probable est très importants et j'y reviendrai aujourd'hui cette Inférences peut être y est rare chic s'agit pas simplement d'un niveau d'inférence mais il y
avait une cascade d'inférence fondée sur des entrées qui ne sont pas explicables nos décisions comprennent 1 un calcul bayésiens des probabilités mais il combine ce calcul avec une estimation de la valeur probable de nos décisions et des conséquences donc de nos choix et puis je vous avais expliqué donc que l' architecture du cortex pourrait avoir Évolué pour réaliser à très grande vitesse et sans doute de façon massivement parallèle puisque tous ces réseaux de neurones fonctionnent en parallèle des inférences bayésienne on aurait donc affaire à une machine statistiques d'un type tout à fait particulier qui n'est
d'ailleurs pas complètement imité sur le plan informatique aujourd'hui et cet algorithme l'algorithme qui est utilisée pourrait expliquer la manière notre Cerveau projette des anticipations sur le monde extérieur ce qui n'a un modèle interne il est capable de projeter des hypothèses probabiliste de s'attendre à ce qu'il soit plus probable qu'un événement assure viennent plutôt qu'un événement b et donc de détecter la nouveauté ou la surprise la nouveauté la surprise ce sont finalement la déviation des événements du monde extérieur par rapport au modèle que l'enfant attend donc propagation interne de signaux D'erreur alors ça c'était de cours
de l'an passé et cette année donc nous allons voir plusieurs éléments d'abord donc dans les cours qui vont suivre j'essaierai de vous montrer que le bébé est effectivement apparemment dotés de compétences pour le raisonnement probabiliste il a un sens des probabilités et qu' il est capable grâce à sa science des probabilités d'apprendre des régularités statistiques monde extérieur et en particulier je Consacrerai plusieurs recours à l'apprentissage du langage la reconnaissance des mots mais aussi la théorie de l'esprit qui sont des inférences d' extrêmement haut niveau où nous remontons à des causes très lointaine de ce que
nous voyons et qui pourrait donc être modélisée comme les inférences bayésienne alors aujourd'hui donc nous reviendrons sur les grands principes de théories bayésienne et discuteront de cette idée que nous avons À faire chez le bébé un scientifique au berceau la semaine prochaine je discuterai donc de ce fameux sens des probabilités en particulier revenant à pillages et en expliquant pourquoi pillages et penser qu'il n'est pas de sens des probabilités chez l'enfant avant 1h très tardif et comment les expériences de chobo matité glace on révisait ce point de vue dans 15 jours je vous montrerai que le
cerveau de l'enfant est capable d'apprentissage de Règles de régularité statistiques ce sera le seul court d'ailleurs on se penchera attentivement sur le cerveau de l'enfant et on verra que chez de très jeunes enfants il ya effectivement des règles des réponses à la surprise qui traduisent le fait que le cerveau à calculer la probabilité d'un événement du monde extérieur donc une internalisation des régularités une anticipation sur les entrées et puis ensuite on parlera de la découverte et De l'apprentissage des mots comment est-ce que le bébé fait pour segmenter des mots dans le monde extérieur découvrir que
des ensembles de syllabes forme des mots qui sont des unités et à prendre leurs sens en corrélant ce qu'il entend avec ce qu'il voit par exemple et on verra que chez l'adulte également il est possible d'avoir une théorie bayésienne de la manière dont nous reconnaissons les mots et puis dans le dernier cours donc je parlerai de la Théorie de l'esprit cette idée que nous ingérons l'état d'esprit des autres et nous verrons que même chez les très jeunes enfants en tout cas dans les premières années de vie il semble bien que les enfants soient capables de
tirer de telles inférences voilà alors aujourd'hui donc je voudrais revenir sur certains des principes du raisonnement bayésiens et vous montrer que les enfants semble-t-il possède déjà un accès à ses principes alors je Voudrais vous rappeler brièvement un des principes essentiels qu'il faut bien comprendre du raisonnement bézian c'est que ce type de raisonnement permet des inférences statistiques en avant qui sont des pros à 8 et classique comme on l'a appris à l'école mais surtout en arrière on remonte à des inférences sur le modèle qui a conduit aux observations donc je crois que tout le monde est
familier avec la théorie des probabilités telle qu'elle est enseignée Qui permet telle qu'elle est décrite en tout cas à l'école sachant des hypothèses sur le monde extérieur de d'en déduire la probabilité d'une observation par exemple c'est l'exemple que j'avais donné l'an dernier si vous avez une urne qui contient trois boules noires et cette boule blanche quelle est la probabilité lorsqu'on fait deux tirages sans remplacement le tir et de boule noire c'est typiquement un problème scolaire on est capable de Faire ce calcul la première boule noire ya trois chances sur dix de la tirait la deuxième
boule noire n'y a plus que deux chances sur neuf en combinant ces deux probabilité on arrive à ce résultat bien mais l'intérêt de la théorie bayésienne et j'insiste sur le fait que c'est vraiment des calculs pour la vie liste élémentaire c'est que les observations donc les données d et les hypothèses ajout des rôles strictement symétrique dans les Équations et donc rien n'empêche d'utiliser les équations des probabilités pour faire référence dans le sens inverse c'est à dire étant donné les observations des étant donné que j'ai tirée de boule noire quel était l'état de l'urne par exemple
quel et quelles sont les hypothèses que l'on peut faire sur l'état de l'union alors il s'agit simplement d'appliquer des relations élémentaires de la théorie des probabilités la poule a profité de la Conjonction de l'hypothèse h et des données d est écrite de différentes manières en fonction des probabilités conditionnelles d'observer des étangs des hypothèses et la probité de l'hypothèse est devenu les données on réorganise ses équations et on arrive à cette équation fondamentale qui est ce qu'on appelle aujourd'hui la règle de base donc la règle de beille sous la voie là voyez ici c'est que la
probabilité de l'hypothèse étant données Les données observées est proportionnelle à la probabilité les données suivants sachant l'hypothèse vrai x la probabilité a priori de l'hypothèse h et il ya un vocabulaire que je vous rappelle ici très brièvement autour de ce domaine donc on part d'une probabilité a priori des différentes hypothèses a priori ça veut pas forcément dire que c'était quelque chose d'inné 1 dans le contexte qui va nous occuper aujourd'hui ça veut simplement Dire que c'est l'état des connaissances à un moment donné de l'observateur et puis on va passer une probité a posteriori une fois
qu'on a observé des nouvelles données d on peut réviser les probabilités où les plausibilité c'est la même chose assignée aux hypothèses h et on arrive à la probabilité des différentes hypothèses étant données les données observées profiter à posteriori et alors ce terme intermédiaire la probité des données étant donné sur en Supposant que l'hypothèse h soit vrai eh bien c'est la vraisemblance de pasche alors si cette équation fondamentale qui va nous permettre de modéliser comment l'enfant révise ses croyances donc ces hypothèses h sur le monde extérieur en fonction des observations qu'ils effectuent je prends tout de
suite un exemple qui vous montrent que l'enfant est capable de faire ce type d'inférence c'est l'expérience qui a été publiée par choe Garcia en 2008 dans la revue importante pns proceedings of the national academy l'académie des sciences américaine et c'est une des premières expériences kit est explicitement la capacité d'un enfant étant donné des observations de remonter au contenu de l'urne donc c'est vraiment directement ce dont je suis en train de vous parler l'enfant dans les premières expériences et d'abord familiariser avec l'idée que l'on va jouer avec lui avec des balles Rouges et des balles blanches
et il ya des boîtes qui contiennent beaucoup de balles rouges il ya des boîtes qui contiennent beaucoup de balles blanches c'est le monde dans lequel on vit pendant une dizaine de minutes pendant le test donc on le familiarise comme tout souvent dans ses expériences avec avec cet environnement et puis ensuite on lui montre ce que vous voyez sur la droite ici c'est à dire un expérimentateur qui ferme les yeux qui Plonge sa main dans une boîte dont on ne connaît pas le contenu et qui en sort une balle qui peut être rouge ou blanche qui
la pose à côté d'elle puis qui ferment les yeux doux vent qui plonge sa main et qui sort une balle de lure elle fait ça cinq fois et à chaque essai il peut y avoir quelque chose de différent mais typiquement il ya donc ici quatre balles d'une couleur et une balle d'une couleur différente quatre balles rouges une balle blanche et ensuite et c'est là Qu'on va mesurer la compétence de l'enfant la boîte s'ouvre un panneau qui s'ouvre et on voit le contenu de la boîte et le contenu de la boîte peut être une majorité de
balle rouge où une majorité de balle blanche alors vous savez que les mesures dont on dispose chez l'enfant sont quand même limité mais une des mesures principales c'est le temps de regard de l'enfant on va mesurer combien de temps l'enfant passe à regarder chacune de ces Situations à des essais différents de ceux ci peut être mesuré de façon très objective avec une grande précision et on va donc regarder si l'enfant regarde plus longtemps la situation qui est improbable par rapport à la situation qui est probable alors suivant l'inférence bayésienne si on a tiré quatre balles
rouges et une balle blanche et que le tirage et au hasard c'est très important que le tirage soit au hasard eh bien il est beaucoup plus Probable que l'urne contiennent une majorité de balle rouge et on peut d'ailleurs quantifier précisément cet inférence et bien est ce que l'enfant est capable de faire ce type d'inférence absolument l'enfant regarde plus longtemps l'urd qui correspond à un résultat improbable autrement dit ben regarde beaucoup plus longtemps lyon qui contient une majorité de balle blanche lorsque ce qu'elle fait qu'ils sont Sortis étaient en majorité rouge donc l'enfant est capable de
remonter des observations à un modèle possible de ce qu'il y avait dans la boîte on pourrait penser qu'il ya des artefacts dans cette expérience est une possibilité ici c'est que vous voyez que il ya une congruence dans la situation attendue une congruence entre les balles rouges qui sont sortis et le contenu de la boîte à lauris que l'enfant est simplement sensible un paramètre de Congruence physique perceptive sans avoir fait d'inférence du tout pour le savoir chaud et garcia fons une expérience de contrôle tout est pareil sauf que l'enfant tirs visiblement les balles de sa poche
plutôt que de l'urne qui est devant lui ne prend pas dans l'urne donc dans ce cas là on ne peut tirer absolument aucune inférences de l'urne mais par contre le résultat final est exactement le même et les observations sont Extrêmement simple lorsqu'on fait cette expérience de contrôle aucune préférence visuel n'est observé donc l'enfant n'a pas de préférence à priori pour garder plus longtemps cette situation-là de cette situation là mais il déclenche cette préférence seulement lorsque les inférences lui ont permis de concevoir que celle ci était tout à fait inattendue l'enfant fait cette ingérence dans un
sens mais aussi dans l'autre il est Capable de déterminer quel est le la probabilité d'un échantillon la plausibilité d'un échantillon étant donné qu'il a vu le contenu de lure donc exactement comme prédit par la théorie bayésienne les inférences marche dans les deux sens pour le savoir chou et garcia pour le montrer fond cette expérience dans le sens inverse et je suis désolé pour la moins bonne qualité des dessins mais ce sont ceux de la publication D'origine de pns donc vous avez l'expérimentateur ici qu'ils regardent l'enfant qui ferment les yeux mais cette fois ci on voit
le contenu de la boite on voit le contenu de la boîte d'anglais et l'ex présentateur va refermer la boîte fouiller dans la boîte et en sortir des balles successives et il se trouve que dans l'essai qui est ici c'est congrue ans et il sort quatre balles rouges et une balle blanche mais il peut y avoir aussi des essais Incongru ans où on a montré à l'enfant de la boîte contenait une majorité de balle rouge et il se trouve que l'enfant sort de la boîte une majorité de balle blanche il va sortir quatre balles blanches et
bien on peut donc mesurer exactement de la même manière que précédemment si l'enfant regarde plus longtemps l'événement impossible par à bord ou improbables plus tôt par rapport à l'événement probable et c'est exactement ce qui se passe donc à Nouveau les enfants manifeste qu'ils ont calculé la probabilité des échantillons qu'il voit mais cette fois ci c'est la probabilité des échantillons étant donné qu'il connaissait le contenu de lure donc des inférences bidirectionnel et de l'évidence ici que les enfants un sens des probabilités il est évident que ce sens des probabilités s'appuie sur le nombre les enfants ont
dû un féret le nombre approximatif d'objets dans la boîte et ça on savait Déjà par de nombreuses expériences que les enfants sont capables de juger des nombres et de juger qu'il ya beaucoup plus d'objets rouge que d'objets blanc par exemple c'était un sens une ombre qui est approximatif dont j'avais parlé dans des cours précédent mais ici ça va plus loin puisque ce sens dénombre permet de calculer d'aborder des rapports la proportion de balle et ensuite de calculer la probabilité correspondante de certaines observations Il ya aussi cette idée sur lequel je reviendrai dans le cours de
la semaine prochaine que le temps de regard de l'enfant est une excellente mesure de son calcul des probabilités le tendre regard de l'enfant est une mesure quantitative précise qui nous permet de mesurer l'improbabilité d'une observation par rapport au modèle mentale de l'enfant conclusion donc il s'agit ici d'enfants de 8 mois l'enfant de huit mois possède Déjà des capacités d'inférence bidirectionnelle fondé sur l'observation de la numéro thé dansant d'objets mais qui vont bien au delà de la numéro zitte est alors précisément j'en viens à ce principe numéro 2 de l'inférence bayésienne ce deuxième principe extrêmement important
c'est cette notion d' une inférence hérarchie en cascade je vous avais montré plusieurs exemples et je Reprends ici des diapositives du cours de l'année dernière qui suggérer que on pouvait mener ces inférences bayésienne dans des modèles hiérarchique y compris dans la perception ici ce sont des exemples qui sont tirées de la perception une scène visuelle particulière que nous voyons ce qui rentre d'entre rétine est le résultat de toute une série en cascade d'opérations la nature de la scène va dépendre du fait qu'il s'agisse du Scènes d'extérieur ou d'intérieur les objets qui vont s'y trouvaient dont
dépendent de cela est évidemment la forme des objets la nature des objets va déterminer les propriétés fine de l'image donc le modèle génératif s'il fallait simulés par exemple dans un ordinateur créer une image virtuelle d'une scène du monde extérieur le modèle génératif est un modèle dans lequel il ya toute une série d'étapes successives consiste à choisir l'illumination Choisir les objets combiné l'illumination et d'objets etc eh bien on pense que le cerveau de lors de la perception réalise l'inférence inverse des terres qui va remonter successivement toutes ces étapes et arriver à dériver des inférences tout à
fait abstraites sur la nature de la scène la nature de son éclairement et c'est la nature des objets donc on parle d'une organisation hiérarchique avec ce qu'on appelle des hypers paramètres C'est-à-dire que les paramètres du haut niveau eux-mêmes détermine les paramètres qui génère les objets d'une des niveaux inférieurs et la théorie bayésienne ferez mathématiques tout à fait précise qui permet de déterminer comment faire cette inférences inverse est remonté à des hypothèses cacher je vous montrais exemple ici il essaie que ces exemples de l'inférence de l'illumination lorsque vous regardez cette scène votre Cerveau calcul sans que
vous en ayez conscience la manière dont la seine est éclairé la scène est ici éclairé de du bas à droite qui est tout à fait inhabituel mais comme il ya beaucoup d' évidence dans ce dessein le cerveau peut que faire ce calcul est réalisé que l'éclair à l'éclairement vient de la droite et vient d'en bas et à partir du moment où vous avez tiré 7 inférences d'autres références en cascade sont déroulés en particulier si vous regardez Les petites sphères ici qui sont ambigus et bien j'espère que vous percevez celle ci que mettant en relief et
celle-ci peut-être comme étant en creux vous avez montré que c'est complètement ambiguë si on monte cette sphère de façon isolée il ya une ambiguïté total mais sachant que les clairement vient d'en bas à droite en cascade vous pouvez en déduire qu'elle est la forme de ces sphères donc il semble bien que notre cerveau effectué des sortes d' aller retour Permanent à différents niveaux pour réaliser ce type d'inférence alors ici il s'agit d'une situation perceptive d'une cascade perspective mais je vous avais montré également les travaux de kempé tenenbaum qui suggérait que ce type d'inférence en cascade
pouvait se produire dans les modèles beaucoup plus abstrait du monde extérieur en particulier des vrais modèles scientifiques de la manière dont nous organisons les connaissances Je ne sais pas si vous vous souvenez de ces diapositives c'est un article très important cet article de kemp et tenenbaum dans la mesure où il est important simultanément en informatique et en sciences cognitives c'est un modèle remarquablement avancé en informatique pour le traitement automatique des données et la manière dont on classifie les données automatiquement mais c'est aussi un modèle de sciences Cognitives de la manière dont un enfant pourrait organiser
un adulte pourrait organiser les connaissances qu'il reçoit et la maniant le modèle fonctionne c'est qu'il y à un niveau très abstrait dans lequel on calcul la forme même qu'il faut donner aux connaissances du niveau inférieur et ensuite on applique ce modèle abstrait à des modèles particuliers par exemple ici une matrice de données dans lequel on a rentré des animaux et pour chacun des Animaux des traits que ces animaux possèdent chaque animal possède certains frais comme le fait de nager posséder des ailes d'avoir des pâtes etc et la similarité entre ces animaux doit être décrit par
un de ses modèles internes le l'algorithme de kempten mbour est capable de faire des inférences à ce très haut niveau celui vraiment de la nature même des axiomes qui détermine le type de représentations qu'on va avoir des Données au niveau intermédiaire donc les principes abstraits qui détermine la structure qui elle-même détermine les données et l'inférence inverse donc ici que lorsqu'on a affaire à des animaux est bien le bon modèle c'est celui d'un arbre le modèle détecte tout seul que c'est un arbre qui convient pour décrire la similarité des animaux est quand même une découverte extraordinaire
que l'on doit à darwin lorsqu'on donne au même modèle des Données différentes qui sont celles de la similarité des couleurs le modèle découvre spontanément que les couleurs sont organisés sous forme d'un anneau c'est à dire qu'à une similarité qui est tout à fait différente de celle d'un arbre ça se boucle et puis lorsqu'on donne même modèle des données différentes qui sont cette fois ci les données sur la position géographique des villes la proximité d'une ville par rapport à une Autre eh bien vous voyez que le modèle découvre spontanément que les règles abstraites qui conduisent les
principes abstraits qui conduisent à décrire ce domaine sont ceux d'un anneau peut-être d'un globe un morceau de globe dans lequel donc il ya à la fois une circularité et une direction opposée verticale donc c'est tout à fait remarquable avoir un modèle complètement automatisée qui est capable de déduire des principes abstraits à partir de D'entrée comme celle ci à plusieurs niveaux hiérarchiques et il ya ce point qui est quand même très important dans l'apprentissage bayésiens qui est ce que nos amis tenenbaum appel blessing abstraction c'est à dire le fait la bénédiction de l'abstraction le fait que
le plus haut niveau de l'apprentissage peut être celui qui apprend le plus vite c'est quelque chose d'assez paradoxal mais si on y réfléchit il y a peu de Principe à ce niveau il ya quelques grandes possibilités et chaque observation nouvelle donne de l'évidence qui contraint le principe qu'il faut choisir au plus haut niveau donc il est tout à fait possible dans ces modèles que le plus haut niveau convergent et pour découvre la bonne représentation des données c'est un arbre avant même d'avoir découvert la structure précise qu'ils gouvernent chacune des données qu'on a observé C'est ce
que voit tenenbaum dans ces simulations avec m et c'est peut-être s'il se passe dans le cerveau de l'enfant une inférence ultrarapide à très haut niveau avant d'avoir le modèle détaillée de chacun des organismes je vous avais montré qu en particulier pour la pour les animaux le modèle de kemp est un album s'il a peu de données trouve qu'il s'agit d'un arbre mais ne trouvent pas nécessairement par exemple que les dauphins doivent être séparés Des poissons alors est ce qu'il existe une telle cascade d'inférence chez l'enfant eh bien il semble bien que oui le très jeune
en france est capable de remonter à des causes cachées des comportements et en particulier dans le domaine des inférences social alors j'y reviendrai dans le 6ème cours la théorie de l'esprit mais je voulais vous montrer quand même un exemple aujourd'hui de interférence en cascade tels que les Enfants peuvent le mener et il s'agit ici d'un ferrer l'origine d'une anomalie lorsque vous voyez un objet qui ne marche pas vous n'arrivez pas à faire marcher un objet tout à l'heure je n'arrivais pas à faire marcher mon ordinateur il peut d'ailleurs deux possibilités soit l'ordinateur est en panne
soit c'est moi on le camp c'était le cas qu'ils ne savaient pas le faire marcher bien on fait en permanence ce genre d'ingérence est ce que c'est moi Où est ce que c'est le monde extérieur alors ici dans cet article de 2011 great falls test si l'enfant est capable de faire ce type d'inférence et c'est un très joli article de sarrians alors je vais vous montrer une petite vidéo de ce qu'ils ont proposé à l'enfant est ce qu'on peut avoir le son s'il vous plaît [Musique] en expérimentateurs déclenché en Appuyant sur un bouton un objet
qui fait du bruit on entend le bruit de l'objet elle va le faire trois fois et il est clair que l'enfant a envie d'essayer est très tenté par se jouer là alors on va lui donner un jouet mais voyez composent un jouet différentes devant lui et on lui donne dans cet essai particulier on lui donne l'objet vert puis l'appui fait limite très bien D'ailleurs ce qui est en soi un apprentissage et ça marche pas et il le donne je pense que sam hamad donc ils cherchent l'aide de quelqu'un d'autre maintenant regardez une condition légèrement différente
tout s'est passé pareil au départ mais on ne donne pas l'objet vert à l'enfant on donne un objet jaune qui est un objet différent évidemment similaire mais pas le même objet ans l'enfant et puis Ça marche pas il ya un peu de frustration [Musique] peut-être que la frustration elle même d'ailleurs pour être modélisés [Musique] et qu' il se tourne vers le parent mais il va pas lui proposer l'objet il continue d'essayer m'essayer des cg non ils essayent de façon vigoureuse [Musique] et là il va chercher un autre objet Alors l'expérience est ainsi fait il ya
deux comportements possibles une variété évidemment mais on peut les classifier en deux grandes catégories soit je vais demander à la personne qui est à côté de moi soit je vais tirer pour chercher un autre objet donc je change d'objets et toute l'astuce et là évidemment est ce que les enfants choisissent l'une ou l'autre solution est bien évidemment d'un point de vue d'inférence rationnel on doit pas faire la même chose suivant Qu'on a reçu l'objet verts ou pas si l'objet n'a pas changé l'inférence excès sans doute moi qui fait mal je viens de voir que l'objet
marche parfaitement mais moi je n'y arrive pas donc je devrais demander un autre agent si par contre l'objet a changé il est possible probable peut-être que ce soit l'objet qui ne fonctionne pas et que donc je doive plutôt changé d'objet donc c'est exactement les résultats qu'observe voyant des shoots c'est à dire que dans La condition voyez ici en haut on donne l'objet vert à l'enfant les enfants se tournent plus souvent vers l'agent qui est à côté d'eux j'essaie de changer d'agent et ne change pas si souvent que ça d'objets alors que lorsqu'on la donne un
nouvel objet eh bien il se trouve peu vers l'autre agent est au contraire une change d'objets il tire donc sur 7 sur cette bande en feutre qui permet d'attraper un autre bon ce sont des résultats Modeste après tout puisque un point un enfant donne un point de mesure un envoyé la difficulté de ces expériences mais enfin les résultats sont tout à fait significatif et dans une deuxième expérience dans le même article 200 m ce lui en ai choses vont encore plus loin en proposant une situation un tout petit peu différente ou l'objet ne change pas
mais c'est l'agent qui change donc là encore les inférences que leur enfant peut tirer sont un tout petit peu Différentes l'objet fonctionne une fois sur deux mais pour certains enfants la réussite et l'échec de l'objet et fonctionne toujours avec la même personne et pour d'autres enfants pardon la réussite et l'échec surviennent à l'intérieur de la même personne la même personne tantôt réussi tantôt échoue et dans l'autre situation c'est toujours la même personne qui échoue et toujours la même personne qui réussit donc je vous montre comment ça qu'est ce que ça donne Sur un plan graphique
y a quatre essais successifs avec deux expérimentateurs e1 et e2 et dans la situation du haut il ya deux essais donnée par le premier expérimentateurs il réussit il est chaud le deuxième échelon puis réussie c'est ce qu'on appelle la situation donc à l'intérieur d'un agent à l'intérieur d'un agent il ya des échecs et des réussites alors je sais pas quel inférences dû en tirer mais sans doute l'objet marche pas Très bien 50 50 50 mais c'est pas la faute de l'expérimentateur et puis ici par contre inter agents l'agent e 1 rentre il réussi eux de
rentrer il est chaud peu de rentrer ils échouent eux un ventre il réussit donc eu un réussi tout le temps de riz si jamais c'est peut-être la faute de la jean bart est ce que l'enfant est capable de faire ce type d'inférence eh bien oui lorsque il est dans la situation 1 il Change d'objets il ne change pas d'agent donc il se rend compte que c'est sans doute l'objet qui marche pas très bien et que voilà il vaut mieux changer d'objets que changer d'agent dans la situation d'un bas par qu'on marquera la similarité extraordinaire ces
conditions il a reçu le même objet il ya eu la même séquence d'échecs et de réussite il a juste tout petits changements dont expérimentateurs ici Mais l'enfant fait quelque chose de complètement différent il va essayer de changer d'agent et non pas de changer d'objets bon il faut essayer d'imaginer à la cascade d'inférence qui correspond à ce type de phénomène au départ vous avez un phénomène physique tout à fait minuscule qui est qu'on appuie sur le bouton il se passe rien bon ce simple fait en soi que l'enfant soit capable de détecter que c'est pas normal
qu'ils ne se passe rien C'est en soi déjà le résultat d'un modèle abstrait du monde extérieur puisque l'enfant a appris que quand on appuie sur le bouton il semble que ça se déclenche c'est en soi un raisonnement causale j'appuie c'est une cause du déclenchement dans le monde extérieur de d'un son de cette boîte donc déjà à ce niveau là il ya une inférence qui réalisé par l'enfant mais l'observation d'une erreur à ce niveau-là ce niveau physique il n'ya pas le son se propage Et on peut imaginer dans le cerveau de l'enfant ilsinho d'erreurs qui se
propage à tous ces niveaux jusqu'à modifier le modèle mental cette personne là elle n'y arrive pas elle n'est pas doué avec cet objet ou bien cet objet là il ne marche pas on y marche que 50% du temps temps des inférences complètement différente sur l'objet ou sur la personne sur moi ou sur une personne sur moi ou l'objet du monde extérieur qu'ils sont donc des Inférences qui relève déjà de la théorie de l'esprit à la séparation de ce qui relève des objets et ce qui relève de l'esprit des autres qui sont réalisés ici chez des
enfants de 16 mois et on a beaucoup d'évidence maintenant que les enfants de 16 mois ou de dijon dans la première enfin passer la première année de vie sont capables de réaliser des inférences sur les intentions des agents du monde extérieur leurs connaissances leurs Croyances etc donc je pense qu'il est extrêmement difficile en tout cas d' expliquer ces résultats sans supposer que l'enfant est capable dès cet âge de raisonner sur les causes des événements bon il faut bien dire qu'ici il faut mettre un bémol à toutes ces expériences suppose que il n'ya pas d'artefact n'y
a pas d'autre possibilité d'expliquer les résultats je pense ici les résultats sont particulièrement élégant puisque cette Manipulation ici des deux des deux groupes d'enfants est extrêmement minimale enfin il faut toujours rester un petit peu alerté sur la possibilité que toutes ces expériences vise à montrer des compétences abstraite chez les jeunes enfants et que peut-être il pourrait y avoir des interprétations plus simple personnellement dans ce cas si moi je n'en ai pas trouvé parce que je trouve que le vraiment l'appariement des deux groupes est extrêmement élégant Alors il faut supposer bien plus chez l'enfant pour être
capables de faire ce type d'inférence ayant un point qui aurait peut-être dû ériger en principe trois de l'inférence bayésienne c'est que pour être capable de tirer ce genre d'ingérence il faut être capable de distinguer des échantillons qui sont aléatoires d'échantillons qui ne le sont pas on peut tirer des inférences correct en statistiques si on sait qu'on a à faire un échantillon aléatoire si L'échantillon n'est pas aléatoire alors là tout est possible donc il faut que l'enfant soit sensible à l'idée que l'échantillonnage n'est pas biaisé et dans cet article goy young won tenenbaum et schultz discutent
de cette question et considère que c'est un point essentiel du raisonnement scientifique de cette manière là aussi on peut tester si les enfants sont des scientifiques au berceau parce que en tant que Scientifique évidemment c'est essentiel d'être sensible à ces billets d'échantillonnage par exemple si un scientifique observe une météorite martienne et montrent qu'elle contient de la silice c'est l'exemple que les auteurs utilisent suis pas si les météorites martiennes contiennent de la styliste un exemple hypothétique mais si on observe une pierre comme celle là qu'est ce qu'on peut dire sur la surface de mars bon ça
dépend complètement de la Manière dont cet échantillonnage s'est produit si on pense que l'échantillonnage est aléatoire peut-être on peut tirer des inférences très général si l'échantillon je n'ai pas aléatoire alors là on peut pas tirer beaucoup d'inférence alors est ce que les enfants sont capables de détecter les billets d'échantillonnage et de s'en servir pour bloquer ou pas certains types d'inférence et bien c'est l'objet donc de cet article de guantanamo Menchov dans pns en 2010 et laura schulz était venu nous en parler l'an dernier mais je pourrais vous le présenter de manière un tout petit peu
différente donc l'expérience est la suivante on montre à l'enfant une boîte transparente dans lequel il ya beaucoup d'objets bleu et quelques objets jaune qui sont de forts un petit peu différente l'un et une main plonge dans l'urne elle retire trois objets bleus et tous émettent un joli petit bruit lorsqu'on presse dessus Mais on a des observations que sur les objets bleus après cette observation trois points de données on retire un objet jaune de la boîte et la question c'est est ce que l'enfant va généraliser et pensait que l'objet fait du bruit lorsqu'on presse dessus c'est
pas évident de voir de quelles données on dispose pour généraliser dans ce cas là est ce qu'on peut savoir si l'objet jaune va plier une certaine probabilité de faire du Bruit ou pas donc on va présenter l'objet à l'enfant et voir s'ils essayent vous ferrez maître du bruit situation numéro 2 exactement la même chose sauf que la boîte de départ contient une majorité d'objets jaune et quelques objets bleus la main plonge dedans retire trois objets bleus presse dessus ça fait du bruit ou temps l'objet jaune à l'enfant et ce qui va essayer de voir si
l'objet john fait du bruit et que l'inférence est intéressante ici Dans la situation de gauche tout à fait probable que l'échantillonnage est était aléatoire dans la situation de droite par contre si la main a plongé à retirer systématiquement des balles jaunes au bout de trois balles jaunes il est très probable que ce ne soit pas aléatoire que la personne ait choisi des balles bleus et s'il a choisi des balles bleus est ce qu'on peut en tirer des inférences en tout cas on peut peut-être pensé qu' on peut pas généraliser aux Balles jaunes l'échantillonnage qu'on a
eu au départ n'étant pas aléatoire on ne peut pas généraliser les observations alors est ce que les enfants sont capables de faire ce type d'inférence et bien rés laura chose se réalise toute une série d'expériences ici avec gwern tenenbaum je vais vous montrer ses expériences une par une mais à chaque fois la mesure que vous avez verticalement ici et là même C'est le nombre de fois que l'enfant ait said appuyé sur l'objet jaune pour lui faire faire du bruit donc dans la situation où il ya une majorité d'objets bleus on tire trois objets bleus l'échantillonnage
est tout à fait aléatoire ou pourraient l'être en tout cas et bien enfants appuie beaucoup sur l'objet jaune et puis à peu près trois fois là donc il semble qu'il généralise ce qu'il a eu comme observations sur l'objet bleus à l'objet d'autres par Contre dans les situations une majorité d'objets jaune au départ et bien l'enfant appui peu sur l'objet jaune et donc il ne semble pas qu'il généralise son observation et qu ils en déduisent que l'objet jaune face aussi du bruit donc ça en soit c'est des gens résultat très significatif évidemment il ya beaucoup de
différence physique entre ces deux conditions au moins au départ de l'expérience donc dans les expériences ultérieure Laura scholl ses collègues essaye de réduire ses différences et ils font une série d'observations très intéressante d'abord si vous avez un ensemble de balle jaune et vous tirez seulement une balle bleus et qu'elle fait du bruit bon là il ya quand même beaucoup de chance que par hasard vous soyez tombé sur une valve bleu donc on n'a pas de preuve que l'échantillonnage ne soit pas soit biaisée et vous voyez que les enfants dans ce cas-là appui énormément sur la
Balle jaune donc les considère que la balle jaune elle a aussi beaucoup de chance de faire du bruit évidemment l'expérience ne dure pas la même durée donc contrôler expérimental très approprié ici dans un autre groupe d'enfants on réplique avec une seule balle bleus qui tirait de la boîte mais la durée de l'observation est la même que si on en avait retiré 3 way donc c'est pas la durée qui compte les enfants continuent d'appuyer longtemps Sur sur la balle jaune par contre si on réplique l'expérience antérieure qu'un nouveau groupe d'enfants exactement les mêmes durées et qu'on
réplique les résultats de tout à l'heure c'est assez remarquable d'ailleurs à quel point ces résultats sont bien stable ici pour une mesure qu'on pourrait considérer être très comportementale et peu stable ce n'est pas le cas et puis il teste aussi une situation intermédiaire donc qu'est ce qui se passe si je retire deux balles Bleus de l'urd par deux balles bleus ça commence à devenir pas très probable que ce soit un échantillonnage aléatoire dans cette urne est effectivement les résultats sont intermédiaires et donc on voit bien qu'on a affaire à une mesure quantitative ici du comportement
les enfants généralise moins souvent le comportement de plus tôt la connaissance que la balle jaune va peut-être faire du bruit donc les réponses des enfants dépend de la Proportion de balle bleus mais aussi semble-t-il du fait que les balles et pu ou n'est pas et pu être échantillonnés au hasard et l'enfance ont préféré quelque chose d'assez abstrait qui est que si l'échantillonnage n'est pas dû au hasard c'est que l'adulte suit une stratégie ce qui lui fournit des informations supplémentaires alors comment le modéliser ce qui est joli dans l'article ici de guarda collaborateurs c'est que ils
fournissent Un modèle explicite de l'inférence bayésienne telle qu'elle pourrait être faite chez les enfants on va pas rentrer dans trop de détails de ce modèle mais simplement dire que effectivement ce que les enfants doivent chercher inférées de façon tout à fait non consciente 1 c est ce que les balles jaunes ont une certaine probabilité de faire du bruit ou pas 7 conclusion va dépendre évidemment du Fait que dans le monde soit les balles bleus font du green soit seuls les balles jaunes font du bruit soit les deux font du bruit donc on peut avoir trois
hypothèses principales sur l'état du monde extérieur et le modèle ici suppose que ce sont les trois hypothèses que l'enfant garde en tête alors évidemment il voit dès le départ de l'évidence qui permet d'éliminer l'hypothèse 2 c'est à dire que seuls les balles jaunes fin du poème ce qu'ils Voient que les mâles bleus font du bruit donc il reste deux hypothèses soit seuls les balles bleus font du moins soit toutes les balles pour du bruit ensuite sur cette base là évidemment on peut en déduire la probabilité de faire un certain nombre d'observations mais les observations comme
je les dis dépend aussi du processus d'échantillonnage si l'échantillonnage est aléatoire c'est très facile de prédire quelle est la probabilité d'état puissance and Observer les balles bleus dans l'hypothèse où les seuls les balles bleus font du bruit par contre si l'échantillonnage n'est pas aléatoire alors ça va dépendre évidemment du fait que le l'expérience à leur choisissent certaines valent bien particulière donc voilà ça c'est le modèle ce qu'on appelle le forward modèles model en avant c'est à dire la série d'étapes qui permettent d'attribuer une probabilité Aux observations du monde extérieur maintenant on peut faire fonctionner le
modèle baïse ya comme toujours en sens inverse donc étant donné que l'enfant a observé trois balles bleus qui sont sortis d'une urne qui compte en contenait une proportion bêta on peut remonter à ses causes cachées et non seulement donc la probabilité des différentes hypothèses ici mais la probabilité que l'échantillonnage soit ou non aléatoire le modèle mathématique Est extrêmement simple il est décrit dans l'ain dans l'article et si on fait tourner ce modèle on en déduit là le rapport devrait semble ans entre l'hypothèse 1 et l'hypothèse 3 suivant les différentes observations qui sont faites par l'enfant
donc les paramètres et s'ils sont le nombre de balles bleus qui était sorti un deux ou trois et la fraction bêta de balle bleus initiale dans ce qui était présenté dans l'urne qui Était présenté à l'enfant il ya un troisième paramètre qui est le paramètre alpha ici qui émit arbitrairement un demi qui est la probabilité a priori que une personne échantillonneur au hasard ou qu'elle les champs tiennent pas au hasard et bien lorsqu'on fait tourner ce modèle d'emblée on trouve ce profil de résultats c'est à dire la probabilité que la balle jaune fasse partie des
balles qui font du bruit et ça traduit exactement finalement le profil de Réponse des enfants du d'un point de vue qui est même quantitatif c'est à dire qu'on peut capturer le fait que lorsqu'il ya 2 le jeu de balle bleus qui sont sortis là et que l'ensemble est à dominante jaune eh bien on est un petit peu dans une situation intermédiaire entre 1 et 3 oui donc un joli une jolie mise en adéquation finalement du modèle avec les données observées je pense que ce sera un des thèmes Récurrents de secours de montrait qu' on peut
obtenir des points de vue strictement comportementale celle très jeunes enfants des données de très grande qualité qui sont pas seulement qualitative comme on l'a souvent traités par le passé mais vraiment quantitative qui nous donnent des résultats quantitatifs le sens des probabilités de l'enfant alors que se passerait-il si l'enfant disposer d'informations supplémentaires sur la nature de L'échantillonnage dans les simulations ici à gauche on a toujours supposer que l'enfant partait avec des hypothèses a priori d'une écurie probabilité d'un échantillonnage biaisé ou non biaisée maintenant si on avait de l'évidence que l'échantillonnage est biaisé est-ce que les conclusions
pour échanger et bien les auteurs simule cette situation et vont la comparer aux données expérimentales et là encore est cette fois ci il s'agit de prédictions du Modèle d'expérience qui sont déduites du modèle les résultats colle tout à fait avec les prédictions je vais vous montrer comment marche ces deux expériences sont mes deux dernières de la série ici dans l'une de ces expériences ont cherché à biaiser l'enfant vers l'idée d'un échantillonnage aléatoire donc on lui montre bien qu'à chaque essai en la personne a les yeux fermés puis on secoue la boîte et elle plonge la
main Dans la boîte est donc vraiment elle peut pas biaisé l'échantillonnage donc l'idée c'est que là on va biaisé l'enfant vers une hypothèse à priori d'un échantillonnage aléatoire et évidemment par magie mais c'est contrôlé par l'expérimentateur on sort trois balles bleus systématiquement donc il ya une astuce qui est fait par par l'expérimentateur ici mais l'enfant peut croire que l'échantillonnage est aléatoire et dans ce cas là vous voyez Que ça change complètement les résultats 1 l'enfant va appuyer beaucoup sur la balle jaune pensant donc elle déclenche le bruit par contre dans la situation inverse il ya
une majorité de balle bleus ici est par contre on voit vraiment que l'explorateur je regarde dans la boîte et choisit une balle bien particulière et je rende pas dans le détail de ce résultat ici mais je vous montrais dans la diapositive précédente que les résultats sont tout à fait Conformes avec les simulations qui peuvent être faites de cette situation qui a été choisi justement parce que ces prédictions étaient non trivial par rapport aux modèles qui étaient proposées voilà donc conclusion dans la seconde année de vie les enfants seraient déjà capable de formuler des modèles génératif
complexe pour expliquer ce qu'ils observent il faut formuler ce modèle avec ses flèches descendante et Ses hypothèses il faut tenir compte dans ce modèle des intentions des personnes qui agissent autour d'elle et certaines certains agents sont intentionnelles et peuvent biaiser l'échantillonnage et puis évidemment il faut que l'enfant soit capable d'utiliser des inférences bayésienne pour remonter aux causes cachées des actions qu'ils peuvent observer alors c est fascinant de voir qu'on peut modéliser dans ce niveau de détail statistiques le comportement de L'enfant mais il me semble que ce type de modèle pose quand même beaucoup de questions
qui sont des questions pour la recherche future une de ces questions sait d'où vient le modèle causal particulier qu'utilise l'enfant c'est tout à fait caractéristique de ces articles sur le raisonnement bayésiens chez l'enfant de postuler un modèle très complexe de ce genre là mais l'enfant vient d'avoir vient d'être introduit au laboratoire il Vient de découvrir cette situation il est balle jaune et bâle bleus comment est-ce qu'il arrive à formuler un modèle de ce type et puis deuxième question et qu'il faut pas supposé quand même qu'il y a des éléments ine dans ce raisonnement et en
particulier que le principe de causalité céline ni des mêmes qui a des causes derrière les observations expérimentales le soit quelque chose d'inné chez l'enfant qui est donc une sorte de Principe de causalité complètement câble et non dans le cerveau de l'enfant bien interactive peut-être est-ce que le principe de causalité lui-même peut-être appris alors je pose là des questions qui sont difficiles parce qu'il va falloir un moment avoir une sorte de génération et de sélection de modèles mais c'est exactement la direction que prennent les travaux de justin album en particulier qui joue un rôle tu avais
central dans Le développement des modèles de plus en plus abstrait de cette représentation bayésienne et dans un article tout à fait récent 2011 avec nora goodman il montre qu' il n'est pas impossible d'imaginer un système il s'agit ici maintenant de simulation sur ordinateur d'un système qui apprennent une théorie de la causalité on remplace dans une représentation tout à fait abstraite et on ne sait pas si l'enfant procède de Cette manière là mais j'ai pensé que c'était important de terminer le cours d'aujourd'hui en vous montrant jusqu'à quel niveau d'abstraction finalement ces modèles bayésiens pouvait finalement apprendre
des choses sur le monde extérieur donc si on imagine un système dans lequel il ya toutes sortes d'observation possible des balles jaunes des bruits des débats le bleu des personnes qui bougent et c'est tout ça sont des observations élémentaire et on Cherche à créer un réseau qui lie ces observations entre elles et qui disent voilà il ya des causes il ya des conséquences si j'observe telle personne alors elle et il est probable qu'elle fasse telles actions etc etc donc on imagine que ce que cherche l'enfance et de créer un modèle mentale d'un réseau de connaissances
et bien il peut y avoir plusieurs types de réseaux et il est post voir il est possible de concevoir un système d'axiome qui contraignent ces Réseaux et en particulier on peut exprimer le principe même de causalité d'une manière suivante dans ce graphe kylie différentes observations entre elles le principe de causalité serait dans un grave directionnelle et acyclique qui lie diverses propriétés entre elles il existe un sous ensemble de propriétés dans toutes les autres dépendent ce qu'on veut dire par principe de Causalité c'est qu'il existe des causes mais il est conséquent si un ensemble de causes
qui sont tout en haut dans le grave et dont tout le reste dépend alors ça n'est pas le cas de tous les graphes évidemment il payant des graves cyclique il peut y avoir des graves dans lequel il ya des aspects très arboré sens mais qui bouclent sur eux-mêmes et donc il est possible de décrire dans un langage logique abstrait le type de graff qui obéit au principe de causalité Ici tenenbaum ne vous en propose une formulation et donc quelles que soient les noeuds du graff x et y il existe une propriété à un prédicat acquis
et fait d'appartenir aux ensembles des causes de telle sorte que lorsque un objet x répond à ceux predica et bien il n'y a pas de relation entre y est x non x et premier x est une cause première est n'est pas lui même causé par d'autres variables cachées donc c'est une description axiomatique du principe de Causalité mais ce qui est intéressant c'est que la théorie de la causalité dès qu une des théories relationnel que le langage que propose tenenbaum ce langage logique permet d'exprimer et en particulier par exemple s'il ya d'autres exemples que j'ai pris
un petit peu au hasard de loi qui pourrait être déduite en manipulant ses actions multiples au hasard par exemple la loi qui est numéro 8 ici pour tous les noeuds du graff il existe un unique y tels que y est en Relation avec x dont les variables ont au plus un parent et c'est un type de grave possible mais qui n'a rien d'un vrai que le principe de causalité ce sera un autre principe pour décrire certains graves le troisième le graphe de dépendance et transitif s'il ya une relation entre x y ait entre les grecs
exode alors il ya une relation entre x et z donc ce que nous propose tenenbaum c'est un langage logique dans lequel des prédicats généré Même de façon aléatoire ont du sens peuvent s'appliquer aux graves de niveau intermédiaire et eux mêmes c'est grave de niveau intermédiaire appliqué aux données du monde extérieur qu'ils nous proposent une structure en trois étapes comme tout à l'heure la théorie très abstraite avec ses axiomes des modèles cause aux particuliers des graves particulier b qui obéissent aux actions du niveau d'en haut est finalement sont capables de décrire des événements Particuliers du monde
extérieur c'est très proche du modèle de kemp et et d'une borne que je vous montrais tout à l'heure le cas liés à ces trois niveaux successifs mais dans la mesure où il s'agit d'un modèle génératif en avant à nouveau il est possible d'utiliser les principes de la théorie bayésienne pour sélectionner quelles sont les actions qui sont les plus appropriés aux événements du monde extérieur donc on peut non seulement à prendre un modèle Causal particulier pour les variables qu'on a observés mais aussi quelque part contraindre le niveau le plus haut le type même de modèle kozo
qui sont appropriés pour le monde dans lequel nous vivons et c'est exactement là que goodman et tenenbaum veulent en venir c'est à dire l'idée que même le principe de causalité peut être un ferrer si j'ai suffisamment de données qui vont dans le sens de graff de ce type je vais sélectionner cet axiome la loi numéro un Et elle va être sélectionné au plus haut niveau alors qu'elle n'était pas au départ présente dans le système elle va être en quelque sorte un ferrer on peut inférer le principe de causalité j'espère que c'est pas trop abstrait mais
je passe tout de suite à des simulations de ce principe donc de goodman tenenbaum il réalise des simulations dans lequel un système artificiel est soumis un certain nombre d'échantillons tiré d'un graphe Particulier reliant des causes et des conséquences entre elles et toutes les observations sont compatibles avec cette idée donc il ya un sous ensemble de causes qui détermine des conséquences donc il ya ce fameux graff directionnelle acyclique etc et il regarde ici la vitesse avec lequel le système artificiel est capable de faire c'est inférences à différents niveaux et alors la première observation qui est tout
à fait remarquable c'est Que c'est le plus haut niveau celui des axiomes qui apprend en premier c'est ce que je vous disais la fameuse bénédiction l'abstraction dans ses modèles bayésiens c'est très souvent l'espace dans lesquelles les hypothèses sont les plus restreintes qui apprend le plus vite or c'est celui du haut il ya peu d'actions possibles et donc ça qu'on verse très rapidement ici en quelques milliers d'observations on commence à avoir beaucoup d'évidence que il y à un Principe de causalité il ya des causes et des conséquences et c'est seulement par la suite voyez que monte
le niveau des connaissances le pourcentage de l'apprentissage de connaissances spécifiques au graff particulier qui dit des causes et les conséquences dans les données qu'on reçoit un instant particulier donc le modèle causal particulier convergent plus tard alors ils convergent plus tard ici avec cette courbe en rouge mais il Conviendrait encore plus tard s'il n'était pas guidée par le principe appropriée donc si on enlève le niveau tout en haut si on enlève ce niveau de la théorie ici et qu'on laisse tous les graphes cause au possible interagir et être sélectionné par le modèle eh bien on a
un apprentissage qui est beaucoup plus lent c'est la courbe qui est en vert pointillé ici donc il est utile d'être guidés par des principes les principes Permet de sélectionner parmi le très très vaste ensemble de grave possible des graves qui ont des caractéristiques particulières ça restreint si vous voulez l'ensemble de recherche donc il est utile d'être guidés par un principe de causalité mais par contre ce que montrent qu'elle maintenait le monde sait que ce n'est pas utile que ce principe de causalité soit il n'est le la dernière courbe que me voyais presque pâques et en
bleu pointillé ici c'est la Cour bon supposerait que le principe de causalité est il né l'apprentissage d'un modèle du monde extérieur ne va pas plus vite quand le principe est innée que quand il est a pris puisque on voit qu'il ait appris très tôt ici donc on peut supposer que l'enfant ne n'est pas avec un principe de causalité mais que ce principe de causalité sélectionnés parce qu'il a de bonnes propriétés écoles bien finalement avec le type de relation qu'on peut observer entre les Variables du monde extérieur c'est un changement quand même très important dans notre
conception de la manière dont l'enfant pourrait fonctionner parce que le réflexe je dirais dans les trente dernières années a été de dire lorsque je fais d'observation sophistiqués sûr le comportement de l'enfant et bien s'il a un enfant de quelques mois est capable de répondre de faire des inférences compliqué c'est que c'est inné alors Cette compétence particulière et in déchets lui ai donc on n'a pas hésité à postuler une compétences innées pour les nombres pour la causalité pour les objets etc et bien avec ses modèles bayésiens il faut il va peut-être falloir revenir sur certaines de
ces hypothèses et considéré qu après tout certaines choses sont imprenables que nous ne pensions pas être prenable alors on se situe ici dans ce que kempé tenenbaum à peine un activisme neeman Propositions qu'ils font un compromis entre le nativisme un peu extrême qu'on a connu dans les 30 dernières années et la version l'opposé extrême qui serait un empirisme total le modèle qui est proposé ici ne requiert pas de présupposés des connaissances très particulières propres à chaque domaine du savoir donc ya pas n'est pas nécessaire d'avoir une modularité extraordinaire de l'esprit n'est pas nécessaire d'avoir des
compétences Restreinte rue uniquement par exemple au domaine du langage mais le puissant algorithme apprentissage qui est proposé ici présuppose une compétence à la fois statistiques sur les nombres les probabilités les types d'inférence possible et aussi une compétence expressive et ça c'est nouveau dans les articles de justin une borne dans les quatre dernières années on peut faire l'hypothèse que dans le cerveau humain est peut être uniquement dans le cerveau Humain est pas dans le cerveau d'autres espèces animales il y a une compétence pour des formules logique pour des formules qui serait récursive ils sont capables d'exprimer
des choses telles que quel que soit x quel que soit y il existe et c'est donc des raisonnements sur des prédicats qui serait présent extrêmement précocément cerveau de l'enfant et qui sous tendent la sélection de modèles extrêmement abstrait du monde extérieur donc là Évidemment on est tout à fait à l'opposé des idées de pillage et est con ce minimalisme ce nativisme minimaliste pourrait être une alternative intéressante à ces grands débats dichotomie qui sont qui ont divisé les sciences cognitives dans un autre article holman goodman était une banque propose d'appliquer cette idée à de très nombreux
domaines je vais pas rentrer dans le détail mais est par exemple ici le domaine de la Parenté domaine un grand classique du structuralisme comment est ce que l'enfant fait pour savoir qu'il a à faire une structure de parenté particulière puisqu'elle change d'une culture à l'autre avec toutefois des éléments structurels commun et bien cette notion de predica abstrait peu permet d'expliquer comment les enfants apprennent les structures de parenté comment les enfants après des structures Taxonomique on a beaucoup parlé ce que c'est qu'un animal un oiseau un canari commencé ces données-là s'organise sous forme d'arbre eh bien
ils sont capable de l'expliquer et ils discutent également de domaine beaucoup plus particulier je veux terminer là dessus comment est ce que l'enfant fait par exemple pour apprendre une théorie de certains objets particuliers qui sont les aimants alors là on rentre vraiment dans le domaine de l'enfant comme Scientifique mais après tout nous sommes tous des scientifiques nous avons tiré des inférences à moins que tout ça soit ils venaient mais c'est peu probable nous avons tiré des inférences sur le fait que dans le monde extérieur et des liquides il est solide il ya des objets mou
il ya des objets durs et les objets qui durcissent au froid ils pillent à des objections des aimants qui s'attirent entre tout ça sont des observations fascinant pour les Enfants et ils se construisent une théorie interne du monde extérieur je pense que nous avons tous joué avec des aimants lorsque nous étions petits et c'est vrai que c'est absolument fascinant ce domaine alors holman et ses collaborateurs en 2012 simul l'apprentissage d'une théorie naïve du magnétisme chez l'enfant avec les idées que j'ai un goût vient nous présenter alors il s'agit de présenter des objets de présenter certains
qui sont des Aimants d'autres qui ne sont pas certains sont en plastique certains sont ferreux et sait et on simule 7 ce bouillonnement théorique finalement qui se produirait dans le cerveau de l'enfant avec un modèle mathématique qui s'appelle une chaîne de markov monte carlo avec un algorithme particulier qui permet de sélectionner progressivement les meilleurs modèles possibles qu'on appelle un algorithme de recuit simuler Je rende pas dans le détail mais la simulation montre qu'on arrive à capturer finalement la découverte par l'enfant de théories approprié d'aspects du monde extérieur ici donc l'évolution de cette courbe ici montre
en fonction du temps du nombre d'observations qui sont faites l'évolution des modèles internes de l'enfant et de leur adéquation avec les observations qui sont faites et on peut qu'on peut voir qu'il ya des étapes qui sont d'ailleurs Très vertical essayez donc c'est intéressant parce que ça correspond à la découverte soudaine dans la théorie ici d'un nouvel aspect qui n'était pas vu auparavant et ça rend bien compte des observations qui sont effectivement que l'enfant bascule soudainement d'une théorie à l'autre donc si on ici évidemment comme il s'agit d'une simulation on peut suivre les actions qu'ils rendent
compte du comportement de la simulation et on voit que le réseau Découvre progressivement une théorie raisonnable du magnétisme il passe par plusieurs étapes ici qu'on peut essayer de comprendre ensemble d'abord ils découvrent que si des objets interac interagissent entre eux ça veut dire que l'un est un aimant et l'autre est un aimant donc il écoute et une propriété particulière qui s'appelle être un aimant la propriété qui est notée f ici est que cette propriété f qu'il est pas vrai tous les objets et bien pour que Les objets interagissent il faut que les deux là possède
environ 6 une théorie fausse n est pas tout à fait vrai il n'est pas nécessaire que les deux soient des émaux et dans la théorie b voiliers qui apparition d'un deuxième predica ici qui est que les objets interagissent ty l'un est de type f et l'autre est de type g alors on est déjà plus proche d'une théorie approprié il faut que l'un des objets soit un aimant et l'autre soit ferreux et le raison ici découvre Créé lui-même des étiquettes f et g qui veut qu'ils sont ferreux magnétique s'éteint et puis il découvre la symétrie des
interactions et dans la théorie c'est il arrive à une théorie beaucoup plus valable qui est qu'il n'est pas nécessaire que l'un des objets soit ferreux les deux peuvent être des aimants ans a tiré entre ou bien l'un est un aimant et l'autre et ferreux donc c'est très intéressant de voir se Dérouler progressivement ses predica qui contraignent la théorie est d'arriver à simuler ce type d'apprentissage alors je conclus avec cette image un peu effrayante mais en fait il s'agit d'une allégorie ici qui est que la nature forge un enfant est la question qui nous occupe évidemment
est de savoir comment la nature à forger les enfants pour qu'ils soient capables dans le cas de l'espèce humaine à travers des années de développement de créer des théories du Monde extérieur et selon le modèle bayésiens et les données que je vous ai présenté aujourd'hui l'enfant serait capable très tôt d'abord de se représenter des distributions de probabilités donc peut-être d'avoir déjà dans son cerveau j'y viendrai la semaine prochaine et surtout la semaine suivante cette capacité d'avoir des réseaux de neurones peut être du type j'avais écrit l'an dernier d'alex pouget capable de représenter des distributions de
Probabilités de mettre à jour ces probabilités et en appliquant la bonne règle la règle de bex et ceci à de multiples niveaux hiérarchiques donc imaginer ses cascades cette propagation signaux d'erreurs dans le cerveau de se représenter de très vastes espaces d'hypothèses hérarchie gelés chacune avec sa probabilité a priori et sa vraisemblance ça c'est peut-être l'aspect le plus difficile de la théorie bayésienne c'est que le nombre de Théories qui sont balayées est énorme ayant énormément d'hypothèses sur le monde extérieur et dans le cas de kemp et tenenbaum c'est vraiment un très grand nombre d'hypothèses possible surtout
les graphes possible par exemple qui serait capable de représenter des variables du monde extérieur alors tous les graves possible c'est un nombre absolument fantasmagorique donc il est peu plausible que ce soit dans un ordinateur que ce soit dans le cerveau D'un bébé que ça se passe comme ça mais on peut imaginer les stratégie d'échantillonnage c'était le cas pour cette dernière simulation où on explore qu'un sous-ensemble des modèles possibles mais on change un petit peu aléatoires man 2 modèles possibles du monde extérieur en tout cas certainement il faut que l'enfant soit capable d'évaluer simultanément la plausibilité
de plusieurs hypothèses pas seulement une seule il faut qu'ils se gavent de Changer évidemment d'hypothèses si ça colle si elles collent pas et non seulement pour des hypothèses statique des modèles rigide du monde extérieur mais peut-être pour ses modèles dynamiques sert de vrais programmes récursif des ensembles d'axiome qui sont capables de boucler sur eux mêmes on reviendra quand je parlerai de l'apprentissage du langage et donc la sélection de modèles qui se produirait dans le cerveau de l'enfant est une Sélection à l'intérieur de vrais programmes et enfin si le modèle est correct le l'enfant ne se
contente pas évidemment de construire des modèles internes mais en permanence le cerveau fonctionne sur un mode projectiles projette ses hypothèses sur le monde extérieur anticipent sur les résultats de ses observations et le signal de surprise et le résultat finalement de ce calcul de la différence entre les observations faites et les observations Prédite donc la surprise de l'enfant pourrait s'expliquer sur une base computationnelle chacun de ces éléments fera l'objet donc des cours ultérieure je termine avec une bibliographie très succincte pour vous signaler donc ya un livre qui a été publiée par alison gopnik il ya déjà
quelques années qui s'appelle donc de sign testing krebs qui a été traduit en français comment pensent les bébés c'est peut-être pas la meilleure traduction possible de ce Titre c'est vraiment le scientifique au berceau mais c'est un livre très grand public et qui ne rentrent pas énormément dans le détail de ces théories bayésienne alors les articles qui sont en dessous vous permettront d'aller beaucoup plus loin et je souligne en particulier donc l'importance de cet article de kenan tenenbaum keim griffiths et goodman dans serial ce challenge en avait déjà parlé un petit peu l'an dernier et tous
ces Autres articles qui vous permet de vous introduire à ce monde des raisonnements bayésiens et je vous remercie de votre attention [Applaudissements] [Applaudissements]