Une simulation de réseau neuronal capable d

Une simulation de réseau neuronal capable d’apprendre et de
reproduire certains éléments psychopathologiques
Par Hamid Naveripoor
18 octobre 2005
1. Introduction
Depuis la description du neurone formel par Mc Culloch et Pitts (Mc Culloch et
al, 1943) il y eut d’énormes progrès dans la conception et utilisation des réseaux
neuronaux artificiels. La question principale des spécialistes de l’intelligence
artificielle reste pourtant ouverte : de quelle façon concevoir une structure artificielle
capable d’apprendre et d’être spontanée. Le modèle le plus parfait pourrait être le
cerveau humain.
Le défi des psychiatres est de découvrir la perturbation du fonctionnement du
cerveau à l’origine de la schizophrénie. Cette maladie est caractérisée
principalement par des hallucinations, des délires et des troubles du cours de la
pensée.
A notre avis une hypothèse peut répondre à ces questions : chaque unité
conceptuelle dans la sphère cognitive, correspond à une unité neuronale dans le
cerveau.
Afin d’illustrer la puissance explicative de cette hypothèse nous avons créé un
réseau neuronal artificiel avec les caractères suivants :
- capacité d’apprentissage
- spontanéité
- possibilité qu’une perturbation unique entraîne certains signes de
la schizophrénie (hallucinations, délires et écholalies.)
Pour utiliser cette hypothèse afin de concevoir un réseau neuronal artificiel nous
avons fait le processus inverse, à savoir créer des neurones correspondant à toutes
les unités conceptuelles, théoriquement maniables par le réseau.
Dans ce réseau il y a des neurones correspondant aux lettres d’alphabet, aux
mots reconnaissables par le réseau et aux combinaisons de mots. Ces dernières sont
dans la limites de celles correspondant aux concepts théoriquement maniables par le
réseau.
2. Hypothèses sous-jacentes à la conception du réseau
Notre hypothèse de travail est que chaque unité conceptuelle dans la sphère
cognitive correspond à une unité neuronale dans le cerveau.

2
Ici le concept est pris dans son sens le plus large et par unité conceptuelle nous
entendons les schémas perceptifs, les bribes d’information (sèmes), les signifiés et
les concepts correspondant aux phrases (les faits)…. Ou plutôt exprimé par… les
catégories, les couleurs …
Pour décrire cette hypothèse nous nous contentons de donner les exemples
suivants :
Prenons des données perceptives brutes que sont des points alignés dans une
ligne droite. Cela active le concept « ligne » dans l’esprit. Il y a sûrement un neurone
qui est activé , cela est le neurone correspondant au concept « ligne ».
Pour concevoir un réseau neuronal selon cette hypothèse il faut définir autant de
neurones que les concepts, théoriquement maniables par le réseau.
Un exemple peut illustrer le processus proposé. Pour faire un réseau capable
d’apprendre la classification de 5 items (chaise, table, chat, chien, cheval) en 2
catégories (chose, animal) il est possible de définir 10 neurones correspondant à 10
possibilités d’ « item-catégorie ».
Dans un réseau fait de 10 neurones correspondant à ces 10 possibilités, le défi est
de faire en sorte que l’entrée d’un item-catégorie rende possible l’activité de son
neurone correspondant et que chaque neurone actif puisse afficher à la sortie
l’association de son item et de sa catégorie.
Il existera par exemple, des neurones correspondant aux concepts « chaise-
chose » (la chaise est une chose) et « chaise-animal » (la chaise est un animal).
Aucun de ces neurones n’est activable au départ, donc aucun de ces concepts n’est
appris. Après l’entrée des deux mots chaise et chose, le neurone correspondant au
concept « chaise-chose » sera activable et le réseau pourra désormais afficher à la
sortie « chaise-chose » chaque fois que le mot chaise est entré. Nous pouvons dire
que le réseau a appris que la chaise est une chose.
3. Possibilités d’apprentissage du réseau
L’entrée et la sortie de ce réseau sont en forme de conversation par phrases
simplifiées. Les phrases peuvent être affirmatives ou interrogatives (suivies par
point ou point d’interrogation.) Dans le premier cas le réseau apprend la phrase et
dans le deuxième cas il répond à la question.
Ce réseau peut avoir une spontanéité : poser des questions sur les choses qu’il
n’a pas encore apprises ou répéter des phrases qu’il a apprises. La spontanéité sera
en fonction des paramètre d’activation et d’inactivation d’un groupe de neurones au
sein du réseau.

3
Des perturbations dans les paramètres d’activation et d’inactivation des neurones
du réseau peuvent entraîner des réponses assimilables aux symptômes
psychiatriques.
En fonction de la perturbation et de l’endroit affecté nous pouvons avoir : des
délires, des hallucinations, des écholalies, des obsessions, des réponses
logorrhéiques ou une insuffisance/absence de communication.
4. Un exemple de conversation avec le réseau
C’est un exemple de conversation avec ce réseau neuronal. Le réseau ne sait rien
au départ mais il apprend les concepts au fur et à mesure de la conversation. Les
phrases dites au réseau sont écrites ici en italique et les réponses du réseau en gras.
Toutes les phrases ne sont pas suivies de réponse.
Moi homme.
Toi ordinateur.
Homme sur terre.
Ordinateur sur terre.
Moi qui ?
Toi homme.
Toi quoi ?
Moi ordinateur.
Moi où ?
Toi sur terre.
Soleil étoile.
Etoile lumineux.
Etoile dans ciel.
Dieu bon.
Dieu gentil.
Dieu dans ciel.
Etoile comment ?
Etoile lumineux.
Dieu comment ?
Dieu bon. Dieu gentil.

4
5. Description du réseau
5.1. Les couches de neurones
Ce réseau est composé de sept couches de neurones. Pour faciliter la description
et démontrer l’hypothèse principale de cet article nous donnons à chaque neurone un
nom : une lettre, un mot ou un combinaison de mots.
NOTE. – Les noms qu’on donne ici aux neurones ne sont pas inscrits dans le
programme. Le programme n’est qu’une simulation des unités neuronales- des
entités qui reçoivent de la stimulation et si activés stimulent les autres entités.
La couche 1 a autant de neurones que les caractères que l’on veut utiliser. Nous
pouvons les appeler n(a), n(b), n(c)… n(z) et n(é), n(è), n(ù),… et n(.) et n(?).
Dans la couche 2 il y a autant de neurones que les mots par lesquels nous
voulons communiquer avec le réseau. A chaque neurone dans cette couche nous
donnons un nom, ce nom sera un des mots que nous voulons utiliser. Par exemple
nous avons les neurones n(moi), n(toi), n(soleil), n(chaise), n(chose)…
Chacune des couches 3, 4 et 5 a autant de neurones que toutes les combinaisons
faites selon une règle simple (voir en bas) avec les mots de la couche 2. Nous
pouvons nommer ces neurones n(a,b,c,d,e). a est un nom ; b est soit « pas » soit
absence de mot ; c est une proposition ou absence de mot ; d est un nom, un adjectif
ou un verbe ; et e est le numéro de la couche.
Par exemple nous avons dans la couche 3 les neurone n(moi, 0, 0, homme,3),
n(moi, pas, 0, homme,3), n(moi, 0, sur, terre,3) et n(moi, pas, sur, terre,3)
correspondant aux concepts « je suis un homme », « je ne suis pas un homme », « je
suis sur la terre » et « je ne suis pas sur la terre » respectivement.
Les couches 6 et 7 ressemblent respectivement aux couches 2 et 1.
5.2. Les relations synaptiques
Les neurones de la couche 1 envoient des axones vers les neurones de la couche
2 dans le nom desquels ils figurent.
Par exemple le neurone n(m) envoie des axones aux neurones n(moi), n(ami),
n(méchant) etc. Le neurone n(moi) reçoit des axones des neurones n(m), n(o) et n(i).
Les neurones de la couche 2 envoient des axones aux neurones des couches 3, 4
et 5 dans la combinaison desquels ils figurent. Par exemple le neurone n(moi) envoie
des axones aux neurones n(moi, 0, 0, homme, 3), n(moi, 0, 0, homme, 4) et n(moi, 0,

5
0, homme, 5) aussi aux neurones n(moi, 0, 0, animal, 3), n(moi, 0, 0, animal, 4) et
n(moi, 0, 0, animal, 5) etc.
Le neurone n(moi, 0, 0, animal, 3) reçoit des axones venant des neurones n(moi)
et n(animal).
Le neurone n(moi, pas, 0, animal, 3) reçoit des axones venant des neurones
n(moi), n(pas) et n(animal).
Les neurones de la couche 3 envoient des axones à leurs semblables dans la
couche 4 et 5.
Le neurone n(moi, 0, 0, animal, 3) par exemple envoie des axones aux neurones
n(moi, 0, 0, animal, 4) et n(moi, 0, 0, animal, 5).
Les neurones de la couche 4 envoient des axones à leurs semblables dans la
couche 5.
Les neurones de la couche 5 envoient des axones aux neurones de la couche 6
qui ont un nom faisant partie de leurs noms. Le neurone n(moi, 0, 0, animal, 3) par
exemple envoie des axones aux neurones n(moi) et n(animal).
Les neurones de la couche 6 envoient des axones aux neurones de la couche 7
qui ont un nom faisant partie de leurs noms. Avec deux exceptions : le neurone
n(moi) envoient des synapses non pas aux neurones n(m), n(o) et n(i) ; mais aux
neurones n(t), n(o) et n(i). Le neurone n(toi) par contre envoie des synapses aux
neurones n(m), n(o) et n(i).
5.3. Les poids synaptiques
Les poids synaptiques sont constants sauf dans les cas suivants :
Quand l’ordre de la lettre à l’entrée est égal à celui de la lettre dans le mot. Dans
ce cas le poids synaptique entre le neurone correspondant à la lettre dans la couche 1
et le neurone correspondant au mot dans la couche 2 se multiplie par deux (par
exemple si la lettre o est la deuxième lettre à l’entrée le poids synaptique entre n(o)
et n(moi) se multiplie par deux) .
L’autre cas est quand l’ordre du mot à l’entrée est égal à celui du mot dans le
concept (la combinaison des mots). Dans ce cas les poids synaptiques entre le
neurone correspondant au mot dans la couche 2 et le neurone correspondant à la
phrase dans les couches 3 et 4 se multiplie par deux (par exemple si le mot moi est le
premier mot entré, le poids synaptique entre n(moi) et n(moi,0,0,homme,3) se
multiplie par deux).
Le dernier cas est la phrase interrogative. Le caractère « ? » à la fin de la phrase
multiplie par deux les poids des synapses qui se terminent par des neurones de la
couche 5.