Le rôle du cortex prémoteur dans la prise de décision
Cette étude examine comment le cortex prémoteur aide à la prise de décision via l'inférence transitive.
Maurizio Mattia, S. Raglio, G. Di Antonio, E. Brunamonti, S. Ferraina
― 7 min lire
Table des matières
- Inference transitive et son importance
- Comment les animaux résolvent ces tâches
- Le rôle du cortex prémoteur
- Enquête sur le cortex prémoteur dorsal
- Conception de la tâche et processus d'apprentissage
- Similitudes de performance
- Le cortex prémoteur en action
- Décoder les décisions à partir de l'activité neuronale
- Apprentissage et comportement adaptatif
- La ligne mentale géométrique
- Conclusion
- Source originale
- Liens de référence
Le raisonnement sériel est important dans nos tâches quotidiennes, même dans des trucs simples comme faire un sandwich. Quand tu prépares un sandwich, tu ne jettes pas les choses ensemble au hasard. En fait, tu suis généralement un ordre précis : couper le pain, laver la laitue et cuisiner un hamburger, par exemple. Chacune de ces étapes fait partie d'une séquence qui t'aide à atteindre ton but. Pour accomplir des tâches plus complexes, on doit suivre un ordre bien établi pour nos actions. Cette idée existe depuis longtemps, suggérant que notre cerveau organise les étapes qu'on doit suivre avant même qu'on commence à les faire.
Inference transitive et son importance
Un moyen dont on utilise le raisonnement sériel, c'est grâce à l'Inférence transitive. Ce type de raisonnement nous aide à comprendre les relations entre des choses même si on ne les a jamais comparées avant. Par exemple, si on sait que A est lié à B, et que B est lié à C, on peut déduire que A est aussi lié à C. Ce genre de pensée logique, connu sous le nom de connaissance ordinale, forme la base pour des compétences de pensée plus avancées, comme les maths et le langage. Beaucoup d'espèces animales, y compris les humains, réussissent à accomplir des tâches qui impliquent l'inférence transitive.
Comment les animaux résolvent ces tâches
Les chercheurs ont proposé plusieurs modèles pour expliquer comment différents animaux peuvent résoudre des tâches d'inférence transitive. Certaines études suggèrent que les animaux gardent en mémoire les relations entre les éléments dans un espace mental, où le rang de chaque élément détermine sa position. Un modèle propose que cet espace mental peut être visualisé comme une ligne linéaire où la position de chaque élément est basée sur son rang. Cette idée propose que les animaux peuvent accomplir ces tâches en projetant leur compréhension interne des éléments sur cette ligne. En manipulant ces représentations mentales, ils peuvent décider quels éléments sont liés.
Le rôle du cortex prémoteur
Le cortex prémoteur est une partie du cerveau qui joue un rôle clé dans la Prise de décision et le traitement d’informations complexes. Des études récentes montrent que cette zone encode des informations sur l'ordre des actions prévues. Elle s'implique dans des tâches nécessitant un raisonnement logique, comme celles des tâches d'inférence transitive. L'activité dans cette zone du cerveau change en fonction de la difficulté de la tâche. Quand les chercheurs regardent comment cette zone fonctionne pendant ces tâches, ils voient qu'elle pourrait mettre en œuvre la solution de la ligne mentale, où le rang des éléments abstraits est reflété par l'activité cérébrale.
Enquête sur le cortex prémoteur dorsal
Dans cette étude, les chercheurs se sont concentrés sur le cortex prémoteur dorsal des singes qui résolvaient une tâche d'inférence transitive. Ils ont supposé que cette zone représenterait la ligne mentale nécessaire au raisonnement sériel. Ils ont montré que cette région encode des informations pertinentes pour la tâche, comme l'identité des éléments et leur position à l'écran. Ils ont aussi utilisé ces informations pour créer un modèle représentant la ligne mentale basé sur l'activité enregistrée dans le cortex prémoteur. Ce modèle a pu trier les éléments selon leurs rangs, aidant à prédire les choix des animaux. Ils ont aussi étudié comment les singes apprennent pendant la tâche, montrant comment leur stratégie s'améliore avec le temps.
Conception de la tâche et processus d'apprentissage
Dans la tâche, deux singes ont été formés pour identifier une séquence de sept éléments. Dans la première phase d'apprentissage, ils ont été présentés avec des paires d'éléments qui étaient adjacents en rang. Les singes ont appris à choisir l'élément de rang supérieur pour recevoir une récompense. Dans la phase suivante, ils ont été testés sur leur capacité à généraliser, c'est-à-dire qu'ils devaient déterminer l'ordre d'éléments qu'ils n'avaient pas vus ensemble avant. Les chercheurs ont noté deux schémas principaux dans la performance des singes : l'effet de distance symbolique, où la précision augmentait avec la différence de rangs des éléments, et l'effet de position sérielle, où la précision était la plus élevée pour les premiers et les derniers éléments.
Similitudes de performance
Les singes et un modèle informatique ont montré des performances similaires en résolvant les tâches d'inférence transitive. Les singes ont appris à accomplir la tâche par la pratique, devenant progressivement meilleurs avec le temps. Les chercheurs ont utilisé un modèle de réseau de neurones récurrent qui imite comment les singes ont traité l'information, montrant que ce modèle pouvait aussi apprendre à résoudre la tâche efficacement. Cette performance était basée sur la capacité du modèle à gérer le bruit et la variabilité, tout comme les singes.
Le cortex prémoteur en action
Les chercheurs ont examiné l'activité dans le cortex prémoteur dorsal gauche pendant que les singes exécutaient la tâche. Ils ont découvert que cette zone du cerveau était activement impliquée dans la planification de leurs mouvements et la prise de décision sur quel élément choisir. L'activité neuronale semblait changer selon la difficulté de la tâche, indiquant à quel point les singes traitaient bien l'information qu'ils recevaient.
Décoder les décisions à partir de l'activité neuronale
Pour comprendre ce que faisait le cortex prémoteur, les chercheurs ont regardé les schémas d'activité neuronale liés aux décisions des singes. Ils ont utilisé des méthodes spécifiques pour décoder cette information, révélant à quel point cette activité neuronale représentait les décisions prises pendant la tâche. Ils ont découvert que le cortex prémoteur prédisait efficacement les choix des singes en se basant sur l'activité enregistrée pendant les essais, confirmant son rôle vital dans la prise de décision.
Apprentissage et comportement adaptatif
Au fur et à mesure que les singes pratiquaient la tâche, leur performance a commencé à s'améliorer. Les chercheurs ont noté que, bien que les singes deviennent meilleurs pour identifier le rang des éléments, les processus de prise de décision dans leur cortex prémoteur restaient stables. Cela indiquait que l'apprentissage affectait principalement la façon dont les singes représentaient les éléments plutôt que les plans de décision qu'ils avaient déjà en place.
La ligne mentale géométrique
La ligne mentale géométrique est un concept qui suggère que notre cerveau organise l'information d'une manière linéaire spécifique. Dans cette étude, il a été observé que les projections du cortex prémoteur sur cette ligne mentale s'alignaient avec la façon dont les singes prenaient des décisions. À mesure que les singes apprenaient, la façon dont ils représentaient les éléments évoluait, montrant un ajustement dynamique dans leur traitement mental.
Conclusion
En conclusion, l'étude a révélé que le cortex prémoteur des singes joue un rôle crucial dans la résolution des tâches d'inférence transitive. Cette zone encode des informations qui leur permettent de prendre des décisions basées sur le rang des éléments. Au fil du temps, à mesure que les singes apprenaient, leurs représentations s'adaptaient pour améliorer encore leur performance. Cette recherche met en lumière l'importance de comprendre comment nos cerveaux traitent l'information et prennent des décisions, fournissant un aperçu non seulement du comportement animal, mais aussi des applications potentielles dans l'apprentissage et le raisonnement humains.
Titre: Learning to infer transitively: serial ordering on a mental line in premotor cortex
Résumé: Transitive inference (TI) is a form of deductive reasoning that allows to infer unknown relationships among premises. It is hypothesized that this cognitive task is accomplished by mapping stimuli onto a linear workspace, referred to as the mental line, based on their arbitrarily assigned ranks. However, open questions remain: does this mental line have a neural correlate, and if so, where and how is it represented and learned in the brain? In this study, we investigate the role of monkeys dorsal premotor cortex (PMd) in encoding the hypothesized mental line during the acquisition of item relationships. Our findings provide evidence that the TI task can be solved through a linear transformation of the neural representations of arbitrarily ranked items. We show that PMd multi-unit activity organizes along a theoretically informed direction, implementing a geometrical solution that effectively explains animal behavior. Our results suggest that the premotor cortex plays a crucial role in integrating item representations into a geometric mental line, where the symbolic distance (i.e., rank difference) between items influences the related motor decisions. Furthermore, we observe an ongoing learning process characterized by a rotation of this mental line, which aligns to the linear manifold where motor plan unfolds. This elucidates a cortical optimization strategy based on the statistical structure of the task.
Auteurs: Maurizio Mattia, S. Raglio, G. Di Antonio, E. Brunamonti, S. Ferraina
Dernière mise à jour: 2024-10-29 00:00:00
Langue: English
Source URL: https://www.biorxiv.org/content/10.1101/2024.10.29.620924
Source PDF: https://www.biorxiv.org/content/10.1101/2024.10.29.620924.full.pdf
Licence: https://creativecommons.org/licenses/by-nc/4.0/
Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.
Merci à biorxiv pour l'utilisation de son interopérabilité en libre accès.