Connexionnisme | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

Le connexionnisme est une approche utilisée en sciences cognitives, neurosciences, psychologie et philosophie de l'esprit. Le connexionnisme modélise les phénomènes mentaux ou comportementaux comme des processus émergents de réseaux d'unités simples interconnectées. Le plus souvent les connexionnistes modélisent ces phénomènes à l'aide de réseaux de neurones. Il s'agit d'une théorie qui a émergé à la fin des années 1980 en tant qu'alternative au computationnalisme (Putnam, Fodor) alors dominant. Le connexionnisme est un courant de recherche assez vaste qui constitue une voie originale dans l’étude des phénomènes cognitifs. Les modèles connexionnistes utilisent ce que l’on appelle des réseaux de neurones formels, ou réseaux neuromimétiques, dont l’organisation et le fonctionnement rappellent, à un certain niveau d’abstraction, les systèmes neuronaux physiologiques, dans le but de simuler des comportements du type de ceux que l’on observe en psychologie expérimentale. Ainsi ces modèles cherchent à faire le lien entre le fonctionnement du cerveau et celui de l’esprit, en proposant des mécanismes plausibles du point de vue neurophysiologique qui pourraient expliquer certains aspects de la cognition humaine ; on parle ainsi de "modèles bio-inspirés". Ce champ de recherche, aux frontières de l’intelligence artificielle et de la modélisation en neurophysiologie et en psychologie, a suscité beaucoup d’intérêt depuis la fin des années 1980, où il est apparu comme une alternative bienvenue à la modélisation classique en sciences cognitives fondée sur le modularisme et le calcul symbolique. Le principe de base du connexionnisme est que les phénomènes mentaux peuvent être décrits à l'aide de réseaux d'unités simples interconnectées. La forme des connexions et des unités peut varier selon les modèles. Par exemple, les unités d'un réseau peuvent représenter des neurones et les connexions peuvent représenter des synapses. Une variation de ce modèle pourrait être que chaque unité du réseau soit un mot et que chaque connexion soit un indicateur de la similarité sémantique.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (1)

Personnes associées (1)

Concepts associés (43)

Séances de cours associées (3)

Motion Prediction Using Temporal Inception Module

Pascal Fua, Mathieu Salzmann, Wei Wang, Sena Kiciroglu, Tim Ghislain Lebailly

Human motion prediction is a necessary component for many applications in robotics and autonomous driving. Recent methods propose using sequence-to-sequence deep learning models to tackle this problem

Springer, Cham2020

Neural network

A neural network can refer to a neural circuit of biological neurons (sometimes also called a biological neural network), a network of artificial neurons or nodes in the case of an artificial neural network. Artificial neural networks are used for solving artificial intelligence (AI) problems; they model connections of biological neurons as weights between nodes. A positive weight reflects an excitatory connection, while negative values mean inhibitory connections. All inputs are modified by a weight and summed.

Marvin Minsky

Marvin Lee Minsky, PhD, né le à New York et mort le à Boston, est un scientifique américain. Il a travaillé dans le domaine des sciences cognitives et de l'intelligence artificielle. Il est également cofondateur, avec l'informaticien John McCarthy du Groupe d'intelligence artificielle du Massachusetts Institute of Technology (MIT) et auteur de nombreuses publications aussi bien en intelligence artificielle qu'en philosophie comme La Société de l'esprit (1986).

Philosophie de l'esprit

La philosophie de l'esprit (de l'anglais : philosophy of mind) est une branche de la philosophie qui se propose d'étudier la nature de l'esprit (mind), ainsi que sa relation avec le monde physique. Le problème corps-esprit entendu au sens large – problème de la relation des états mentaux au corps –, est communément considéré comme la question centrale de la philosophie de l'esprit, bien que d'autres interrogations sur la nature des états mentaux ne concernent pas le corps, ou fassent directement référence à l'environnement (physique ou social) des individus.

L’avenir : la linguistique computationnelle et le deep learning

Explore l'influence de la linguistique computationnelle sur les architectures d'apprentissage profond, couvrant les formalismes grammaticaux, le connexionnisme, la liaison variable et les orientations futures.

AI & Conscience HUM-417: Philosophical perspectives on the exact sciences I

Explore les implications philosophiques de l’intelligence artificielle sur la conscience et la sécurité de l’IA.

Surprise, curiosité et récompense : une perspective évolutive

Explore la perspective évolutive de la surprise, de la curiosité et de la récompense, en mettant l'accent sur le rôle des signaux de récompense primaires et secondaires.