Déplacer l'attention sur une scène visuelle sans bouger les yeux – pensez à conduire ou à lire dans une pièce pour connaître la réaction à votre blague – est un comportement connu sous le nom d'attention secrète. Nous le faisons tout le temps, mais on sait peu de choses sur ses fondements neurophysiologiques. Aujourd’hui, en utilisant des réseaux neuronaux convolutifs (CNN), les chercheurs Sudhanshu Srivastava, Miguel Eckstein et William Wang de l’UC Santa Barbara ont découvert les fondements de l’attention secrète et, ce faisant, ont découvert de nouveaux types de neurones émergents, qu’ils ont confirmés dans la vie réelle à l’aide de données provenant d’études sur le cerveau de souris.
« Il s'agit d'un cas clair de progrès de l'IA dans les neurosciences, les sciences cognitives et la psychologie », a déclaré Srivastava, ancien étudiant diplômé du laboratoire d'Eckstein, aujourd'hui chercheur postdoctoral à l'UC San Diego.
Leurs conclusions sont publiées dans le Actes de l'Académie nationale des sciences.
Propriétés émergentes et nouveaux types de neurones
Nous considérons l'attention comme un projecteur ou un zoom dans notre cerveau qui se concentre sur quelque chose dans notre champ visuel et consacre des ressources à cette zone, améliorant ainsi la façon dont nous le voyons. Des modèles informatiques et neurobiologiques encore plus contemporains ont un mécanisme d'attention intégré qui active et modifie le traitement visuel (augmente le volume ou réduit le bruit) à l'endroit fréquenté.
En laboratoire, les scientifiques étudient l'attention secrète en faisant apparaître un flash ou une flèche avant ou simultanément avec une cible brièvement présentée et en mesurant comment la détection de la cible devient plus rapide et plus précise lorsqu'elle apparaît avec le signal. L’idée est que le signal oriente le mécanisme d’attention du cerveau vers l’emplacement signalé, modifiant ainsi le traitement visuel.
« Parce que c'est si naturel pour nous, les humains, ces comportements d'attention secrète semblent trompeurs et nécessairement associés à une certaine capacité à déplacer notre conscience à travers le monde visuel », a déclaré Eckstein, professeur de sciences psychologiques et cérébrales à l'UCSB. Pendant des décennies, on a pensé que ce comportement, souvent instantané, était le domaine exclusif des primates, rendu possible par les lobes pariétaux de notre cerveau et même associé à la conscience.
Cependant, plus récemment, ce comportement a également été documenté chez d’autres espèces, notamment les poissons archers, les souris et les abeilles – des animaux dotés d’architectures cérébrales plus simples. Tout cela a amené les chercheurs à se demander si certains types d’attention secrète pourraient être un phénomène émergent, le résultat d’une collaboration des neurones du cerveau, par opposition au travail de modules cérébraux d’attention spécialisés.
Mais cartographier la manière dont nous traitons les informations dans le cerveau, en particulier la manière dont nous optimisons notre attention pour plus de précision, est une tâche difficile. Un cerveau humain contient des milliards de neurones ; c'est un système hautement dynamique et variable. Pendant ce temps, les techniques d’imagerie ne peuvent actuellement pas atteindre la résolution nécessaire pour mesurer l’activité neuronale individuelle.
Cependant, nous avons la meilleure solution suivante : les modèles d’intelligence artificielle. En construisant un modèle relativement simple du cerveau et en l'utilisant pour effectuer des tâches que le cerveau humain exécute généralement, il est possible de jeter un coup d'œil sous le capot de l'IA et d'avoir un aperçu de la manière dont le cerveau peut être organisé pour effectuer de telles tâches.
Tel a été le cas de Srivastava, Eckstein et Wang, qui ont démontré en 2024 comment 200 000 à 1 million de neurones CNN (lien) – une version très rudimentaire d'un cerveau – présentaient les caractéristiques de l'attention secrète humaine lorsqu'ils étaient présentés dans diverses tâches de détection de cibles, bien qu'ils n'aient aucun mécanisme intégré pour orienter l'attention. Ce faisant, ils ont prouvé que l’attention secrète pouvait être une propriété émergente d’un organisme artificiel ou biologique apprenant à détecter la cible du mieux qu’il peut.
Mais qu’est-ce qui, à l’intérieur de CNN, rend possible l’émergence d’une attention secrète ? Le nouvel article approfondit cette ligne de recherche, en étudiant le fonctionnement interne du CNN, comment « les mécanismes neuronaux émergents dans les CNN donnent naissance aux signatures comportementales d’une attention secrète ».
« Pour cet article, nous avons pensé pouvoir analyser ces réseaux neuronaux convolutifs au lieu de les traiter comme une boîte noire », a déclaré l'auteur principal Eckstein. « Si vous faites de la physiologie unicellulaire, en essayant d'isoler des neurones individuels, vous pouvez enregistrer l'activité de milliers de neurones, mais un million n'est pas possible actuellement. Mais sur CNN, nous pourrions caractériser chacune de ses unités, et cela pourrait guider notre compréhension des vrais neurones du cerveau. »
En prenant une population de 1,8 million de neurones artificiels (180 000 unités neuronales sur 10 CNN entraînés), les chercheurs soumettent les « cellules cérébrales » de leur IA à une tâche de repérage Posner, un test visuel qui mesure la précision ou la vitesse à laquelle les participants détectent la cible lorsqu'elle apparaît avec ou sans le signal (boîte ou flèche).
Parmi leurs découvertes figuraient des unités CNN qui, malgré l’absence de tout mécanisme d’attention intégré, sont parallèles à celles rapportées par les neurophysiologistes dans le cerveau des primates et des souris. Plus important encore, ils ont trouvé plusieurs types de « neurones » CNN qui avaient des propriétés de réponse jamais mises en évidence auparavant. Par exemple, la plupart des études se concentrent sur la façon dont les neurones sont excités par l'attention, mais elles ont trouvé des unités dans le CNN dont la réponse est diminuée par la présence du signal (« inhibiteur du signal »).
« Le plus surprenant est un 'adversaire de localisation' », a déclaré Eckstein. Selon les chercheurs, ce type de neurone est excitateur, stimulant l'activité par la présence de la cible et du signal à un endroit, tout en supprimant l'activité aux autres endroits, augmentant ainsi le signal là où la cible était attendue et l'atténuant dans les endroits où il n'était pas prévu qu'il apparaisse. Bien que cela soit inconnu dans la compréhension scientifique de l’attention secrète, les cellules d’opposition sont courantes dans d’autres domaines de la vision. Par exemple, certaines cellules sont excitées par la lumière rouge mais inhibées par le vert (couleur adverse) et d'autres neurones qui réagissent aux objets en mouvement mais inhibés par un mouvement vers le bas.
« C'est une sorte de push-pull », a expliqué Eckstein. Les études sur les effets de l'attention sur l'activité neuronale, a-t-il ajouté, ont tendance à se concentrer sur les réponses excitatrices, dans lesquelles les neurones augmentent l'activité, de sorte que les mécanismes qui freinent l'activité peuvent souvent passer inaperçus.
Cependant, les chercheurs ne savaient pas si les CNN qu'ils étudiaient correspondraient à de vrais neurones biologiques. Ils ont donc plongé dans les données neuronales issues d'études sur des souris au cours d'une tâche de repérage. Ils ont découvert qu'en fait ces neurones opposés à l'emplacement existaient dans le colliculus supérieur de la souris (une structure située dans le mésencéphale de la souris), ainsi que d'autres types de neurones non signalés auparavant impliqués dans l'attention, tels que les neurones inhibiteurs de signaux et de sommation d'emplacement.
« Ces neurones pourraient faire partie d'une variété de comportements attentionnels émergents », a déclaré Eckstein.
Il est intéressant de noter qu’un type de neurone présent dans CNN, qui combine une opposition pour le signal mais une sommation excitatrice pour la cible aux deux emplacements, n’a pas été trouvé chez la souris, ce qui suggère qu’il pourrait y avoir des contraintes biologiques que l’IA pourrait ne pas avoir.
Il reste à voir jusqu’où ces découvertes peuvent être étendues pour s’appliquer aux humains ; les scientifiques en sont encore aux premiers stades de cet arc de recherche. Cependant, ces travaux prouvent qu’il y a bien plus à faire en matière d’attention secrète qu’on ne le pensait auparavant. Non seulement les chercheurs ont montré qu’il existe des comportements attentionnels émergents, mais ils montrent également qu’il existe des mécanismes neuronaux émergents et que les CNN peuvent prédire des types neuronaux dotés de propriétés uniques qui n’ont jamais été signalées auparavant.
« Cela a fondamentalement changé notre façon de penser l'attention », a déclaré Srivastava. « Nous verrons donc comment ces nouveaux concepts évoluent au fil du temps. »
Eckstein et Wang sont profondément intéressés par l'interface entre l'intelligence humaine et l'intelligence artificielle, et dirigent l'initiative Mind & Machine Intelligence de l'UCSB (rendue possible grâce à un don de Duncan et Suzanne Mellichamp) pour rassembler des personnes travaillant à l'intersection de l'IA et de l'étude de l'esprit.
