Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
A mouse is rewarded for responding to timed patterns of smells. At University of Utah Health, researchers gave a neural network a computational version of that challenge and found that the order of training changed both its accuracy and its activity patterns, just as it did in living brains.
Une souris reçoit une récompense lorsqu’elle répond à des séquences d’odeurs synchronisées. Au sein du service de santé de l’Université de l’Utah, des chercheurs ont soumis un réseau neuronal à une version informatique de ce défi et ont constaté que l’ordre de l’entraînement modifiait à la fois sa précision et ses schémas d’activité, comme dans les cerveaux vivants.
The difficult task required a specific response after two stimuli of different durations, a “go” trial, and no response when the two stimuli were the same length, a “no-go” trial. The researchers first trained some networks only on go trials, then introduced the complete task. Those networks learned the complex version more accurately than networks trained on the full challenge from the start.
La tâche difficile exigeait une réponse spécifique après deux stimuli de durées différentes, dans un essai « go », et l’absence de réponse lorsque les deux stimuli duraient aussi longtemps l’un que l’autre, dans un essai « no-go ». Les chercheurs ont d’abord entraîné certains réseaux uniquement sur des essais « go », avant de leur présenter la tâche complète. Ces réseaux ont appris la version complexe avec plus de précision que ceux entraînés dès le départ sur l’ensemble du défi.
The difference showed up in the errors. Networks that skipped the simpler stage often responded too early, jumping after the first long stimulus. Living animals make the same predictable mistake when training is poorly structured, giving the computational model a way to suggest how real brains may learn—and fail.
La différence se manifestait dans les erreurs. Les réseaux qui sautaient l’étape la plus simple répondaient souvent trop tôt, après le premier stimulus long. Les animaux vivants commettent la même erreur prévisible lorsque l’entraînement est mal structuré, ce qui donne au modèle informatique un moyen de suggérer comment les cerveaux réels peuvent apprendre — et échouer.
The researchers then measured neuron-level activity in mice in the medial entorhinal cortex, a brain region involved in task learning. The patterns broadly matched those adopted by the neural networks: both moved through a cycle during a trial, ending in roughly the state where they began, and both veered from that path when a response was required. “We can use these complex models to make specific predictions,” said Jack Bowler, the study’s first author.
Les chercheurs ont ensuite mesuré l’activité neuronale chez des souris dans le cortex entorhinal médian, une région du cerveau impliquée dans l’apprentissage d’une tâche. Les schémas correspondaient globalement à ceux adoptés par les réseaux neuronaux : les uns comme les autres suivaient un cycle pendant un essai, pour finir dans un état à peu près identique à celui du début, et tous déviaient de cette trajectoire lorsqu’une réponse était requise. « Nous pouvons utiliser ces modèles complexes pour formuler des prédictions précises », a déclaré Jack Bowler, premier auteur de l’étude.
Concretely, the immediate benefit is for research: Bowler says modeling helped the team reach useful hypotheses faster and reduce the number of animals needed for testing. The longer-term possibility is better-structured training programs, along with new clues about diseases that disrupt complex thinking. But the work remains a study of neural networks and mice; no human learning program or treatment has been tested.
Concrètement, le bénéfice immédiat concerne la recherche : Jack Bowler explique que la modélisation a aidé l’équipe à parvenir plus rapidement à des hypothèses utiles et à réduire le nombre d’animaux nécessaires aux tests. À plus long terme, elle pourrait permettre de mieux structurer les programmes d’entraînement et d’apporter de nouvelles pistes sur les maladies qui perturbent la pensée complexe. Mais ces travaux restent une étude sur des réseaux neuronaux et des souris ; aucun programme d’apprentissage ni traitement destiné à l’humain n’a été testé.