Comment le cerveau apprend à anticiper sans indices ✎ express

Original: "Prospective Coding and Path Integration Emerge as Equilibrium Solutions of Self-Organizing Neural Networks with Firing-Rate Adaptation"
· Facundo Emina, Emilio Kropff
arXiv:2606.14649 · 2026-06-12 · arXiv non-exclusive · analyse indépendante · 1 min
Un réseau de neurones transforme seul l'expérience en carte et en boussole, sans plans extérieurs.

📄 Version "Simple" affichee, "Populaire" n est pas encore prete. Ajoutez-le aux favoris pour aider a la prioriser.

Un réseau de neurones, telle une feuille de papier quadrillé, reçoit des signaux homogènes en entrée – et trace lui-même sa grille de coordonnées. D'abord, les connexions entre les entrées et les cellules du réseau deviennent semblables à une colline douce : la réponse est plus forte au centre et s'atténue vers les bords. Ainsi naît une tache d'activité stable – un motif collectif qui se maintient de lui-même.

La tache d'activité n'est pas un point statique, mais une onde d'excitation qui peut glisser sur le réseau.

Ensuite, l'inattendu se produit : sans aucune connexion de retour, cette tache commence à se déplacer vers l'avant. Le réseau, sans le « planifier », prédit où le signal se trouvera au moment suivant. Dans les structures en couches, semblables au cortex cérébral, ce décalage s'accumule – comme dans le cortex entorhinal, où les neurones s'activent un peu avant que le stimulus réel n'arrive.

Ici, la prédiction n'est pas un truc, mais un effet secondaire de la compétition entre neurones pour le droit de réagir.

Si l'on permet au réseau de boucler ses connexions sur lui-même, il apprend à entretenir une onde progressive sans indice externe. Et si l'on ajoute un courant qui varie dans le temps et code la vitesse, le réseau se transforme en intégrateur de chemin : sa vitesse interne s'ajuste, et la tache se déplace strictement dans une direction, comptant la distance parcourue. Ainsi, à partir de simples règles d'apprentissage et d'inhibition, se construit spontanément un système qui à la fois construit la carte et s'y repère.

La tache d'activité dans ces réseaux ressemble à une « bulle » d'excitation : sa position code la coordonnée, et sa forme reste presque inchangée pendant le mouvement – comme une vague scélérate, mais stable.

Notions
réseaux neuronaux d'apprentissage prédictif modèle prédictif réseaux de neurones en cartographie spatiale autoencodeur prédiction du repliement des protéines réseau aléatoire reconnaissance de formes transformeurs apprentissage auto-supervisé modèle de langage protéique algorithme génétique stockage d'information paramètre connectivité cérébrale réseau prédiction des propriétés moléculaires interface cerveau-ordinateur principe de Baldwin traitement automatique du langage naturel intégrale de chemin