Memoire semantique et episodique PDF

Preview

Summary

Cours complet...

Description

I. Table des matières Introduction ....................................................................................................... 1 1)

Définition de sémantique vs épisodique ................................................ 1

2)

Organisation et structuration des connaissances ................................... 3

II. Deux approches : classique/Aristotélicienne) et probabiliste ....................... 4 1)

Taxonomie, exemplaire et catégorie : définitions .................................. 4

2)

Approche classique : exemple de la formation de concepts................... 6

3)

L’approche probabiliste ......................................................................... 8

III. Les modèles de réseaux (Collins et Quillian, 1969) ..................................... 11 1)

Les modèles de réseaux : (network models) ........................................ 11

2)

Structure du modèle ............................................................................ 12

3)

Fonctionnement du modèle................................................................. 13

IV. modèles componentiels ............................................................................. 16 1)

notion de propriétés ............................................................................ 16

2)

La notion d’air de famille ..................................................................... 18

3)

Le paradigme de Wickens .................................................................... 20

a) Expérience : ......................................................................................... 20 b) Formalisation générale de l’approche probabiliste : ............................ 22 4)

Description plus détaillée du modèle componentiel ............................ 23

a) Aspects méthodologiques et résultats expérimentaux ........................ 23 b) Structure du modèle ............................................................................ 23 c) Fonctionnement du modèle ................................................................. 24 d) Le modèle de Smith, Shoben et Rips .................................................... 26

5)

La synthèse de Collins et Loftus ........................................................... 28

a) modèle de réseau + componentiel : le mélange................................... 28 b) Procédure d’amorçage : ....................................................................... 28

Introduction 1)Dé Définit finit finition ion de sém séman an antiq tiq tique ue vvss ép épiso iso isodiq diq dique ue • La mémoire sémantique est celle des concepts liés à la signification de chacun des mots utilisés dans le langage (objet) donc commun à une civilisation. Pour qu’il puisse y avoir communication, il est nécessaire que l’on soit bien d’accord sur les termes qu’on emploi. Ceci s’oppose à la mémoire épisodique qui correspond à l’ensemble des souvenirs qui nous sont personnels.

• Ces deux formes de mémoire sont imbriquées, notamment parce que la mémoire sémantique se construit autour de l’expérience personnelle, donc autour de la mémoire épisodique (par exemple, un enfant qui croise un oiseau (aspect épisodique) apprendra ce qu’est un oiseau (en terme sémantique).

• A priori on conserve dans notre mémoire, l’ensemble des connaissances auxquelles on a été confronté. On stocke donc l’ensemble des connaissances sémantiques dans notre mémoire. Nous d’ailleurs considérons qu’il n’y a pas d’oubli dans un fonctionnement « normal » et sain. Ce serait plutôt l’accès ponctuel à l’information qui serait difficile ou empêché, sans pour autant que l’information disparaisse. Elle serait encore en mémoire, mais l’individu aurait des difficultés à la récupérer.

1

• un exemple pour illustrer le but de la mémoire sémantique : Pour suivre un cours, il faut que l’on accède à la signification de chacun des mots prononcés de façon directe et sans efforts, ce qui implique plusieurs étapes : il faut pour cela, identifier le mot en question , accéder à sa signification dans les mots du stock lexical, combiner les significations entre les mots de la phrase et construire une signification de la phrase selon les règles de syntaxes (elles-mêmes stockées en mémoire sémantique) puis construire cette signification selon le contexte dans lequel on se trouve (ce qu’on fait, où on est..etc)

• On a des procédures d’accès aux connaissances extrêmement rapides et efficaces, pourtant la mémoire sémantique n’est pas totalement comprise, puisque son imitation demeure incomplète (aucune intelligence artificielle ne parvient à l’imiter parfaitement).

Quels sont donc les principes d’organisation de ces connaissances qui permettent cette rapidité et cette efficacité ?

Comment sont donc organisées les connaissances en mémoire épisodique ?

2)Or Organ gan ganisat isat isation ion et stru structu ctu cturat rat ration ion des con conna na naissa issa issance nce ncess • Nous allons donc voir quels sont les principes d’organisation des connaissances permettant un accès efficace et correct aux informations pertinentes. La mémoire sémantique implique des processus cognitifs sous-jacents comme : percevoir, discriminer, assembler des informations par similitudes ou encore les catégoriser.

• Le nourrisson est, à la naissance, bombardé de nouvelles informations et de nouvelles sensations. Il doit donc pertinent de mettre de l’ordre de dans toute ces informations à traiter. Dans un premier temps au niveau cognitif, il va commencer à les discriminer (une discrimination d’abord de nature sensorielle au début de sa vie : froid-chaud ; agréable ou non, qui deviendra ensuite contextuelle et qui se complexifiera au fur et à mesure que les informations seront de plus en plus nombreuses et complexes). C’est en tout cas ce que l’on peut supposer. L’organisation reposerait donc sur une tentative de formation de catégories.

II. Deux approches : classique/Aristotélicienne) et probabiliste 1) Ta Taxon xon xonom om omie, ie, exe exemp mp mplaire laire et ca catég tég tégorie orie : dé définit finit finition ion ionss • Quelques soit l’approche, certaines fonctions des concepts sont considérées comme générales : ils permettent une taxonomie des objets dans le monde, d’exprimer des relations entre classes de cette taxonomie. Cette fonction taxonomiste présente deux facettes :

- La catégorisation qui permet de déterminer qu’un exemplaire est membre d’un concept

- Et la combinaison conceptuelle qui permet d’élargir la taxonomie en combinant les concepts existants en concepts nouveaux.

Donc quel que soit l’approche que l’on adoptera, ce système de taxonomie (organisé en catégories imbriquées les unes dans les autres et en liens les unes avec les autres). Tout exemplaire nouveau, donc on connait l’appartenance à une catégorie pourra donc être identifié.

• Un objet ou évènement est donc un exemplaire d’une classe au sujet duquel nous connaissons

déjà quelque chose (puisque cette

classe/catégorie implique des caractéristiques communes entre les objets/évènements qui s’y trouve). L’organisation est ainsi le meilleur moyen d’éviter un surmenage lié à une quantité importante d’informations à traiter.

• On peut considérer l’existence d’une catégorie à partir du moment où 2 objets ou évènement distinguables sont traités de manière équivalente (mouton et chameau sont des animaux, on traite donc ces 2 mots à partir de leur catégorie d’appartenance basée sur leur caractéristiques communes), ainsi chaque information n’est pas considérée unique et indépendante des autres, mais comme un tout cohérent.

• Cette catégorisation a, par conséquent, 2 avantages majeurs :

- Permettre une vision stable du monde

- Et aller plus loin que l’information effectivement perçue (puisque les propriétés des catégories peuvent être inférées et héritées des niveaux hiérarchiques supérieurs).

2)Ap Appro pro proche che cla classiq ssiq ssique ue : ex exem em emple ple de la for forma ma mation tion de con concep cep cepts ts • L’approche classique a dominé dans les conceptions des catégories depuis plus de 1000 ans (elle fut notamment mise en évidence par Aristote). Si un objet présente les caractéristiques suffisantes pour entrer dans une catégorie alors il en fera partie. Pour se construire une catégorie, il faut découvrir la règle qui y conduit. Plusieurs règles sont possibles : nature Unidimensionnelle, conjonctive ou disjonctive. Exemple : Comment l’enfant peut identifier et construire des concepts

?

- L’enfant doit découvrir la règle qui permet de faire des « tas ». On peut lui présenter des formes de couleurs et lui dire qu’un carré bleu ne fait pas parti de la catégorie à deviner, qu’un triangle rouge non plus, qu’un rond bleu oui et qu’un triangle vert non plus. La règle à découvrir est ici unidimensionnelle : La figure doit être ronde.

- Une règle conjonctive serait : La figure doit être ronde ET bleue

• L’objectif est donc de découvrir une règle de partition qui suppose : de découvrir des propriétés pertinentes (ici les formes de la figure) et de découvrir les règles sous jaccentes.

• Ici, on considère donc qu’une propriété s’avère nécessaire et suffisante pour définir une catégorie : il faudra donc découvrir celle qui sera la plus pertinente pour la définir.

• L’approche classique fonctionne donc sur la base d’un matériel géométrique, mais s’avère trop simpliste pour décrire la complexité du monde ( qui ne se limite pas à la géométrie). En effet l’approche classique est considérée logique dans des exemples purement géométriques (N’importe quel carré s’avère autant représentatif de la catégorie « carré » car aucun carré n’est plus carré qu’un autre). Mais, nous ne pouvons pas appliquer ce raisonnement aux oiseaux par exemple, du moins, cela sera beaucoup plus complexe.

• Sans être ornithologue un moineau, un pigeon et un corbeau représentent plus la catégorie des oiseaux qu’une autruche ou un pingouin. La notion de propriétés nécessaires et suffisantes sera donc abandonnée, pour basculer vers un modèle probabiliste qui impliquera, quant à lui, des propriétés probabilistes (c’est-à-dire des propriétés qui, en elles même, ne garantissent pas l’appartenance à une catégorie).

3)L’appr approch och oche ep prob rob robabil abil abilist ist iste e • L’approche classique impliquera une certitude sur la fiabilité de la catégorisation (puisque les propriétés pertinentes d’un concept offrent des conditions nécessaires et suffisantes pour définir l’appartenance à la classe) , mais cela ne sera pas le cas de l’approche probabiliste.

• Cette dernière implique la notion de gradient d’appartenance avec le phénomène de typicalité.

• Typicalité : Les exemplaires typiques d’une catégorie sont ceux que l’on rencontre le plus souvent chez les exemplaires d’une catégorie.

• Gradient de représentativité : un exemplaire sera plus représentatif de sa catégorie s’il possède le plus de propriétés critiques d’appartenance à une classe que d’autres. Pourtant tous les exemplaires en feront partie, mais certains auront plus de probabilité et des caractéristiques plus saillantes qui les rendront plus représentatifs d’une classe/catégorie donnée.

• Prenons l’exemple d’une tasse que l’on définit par 5 propriétés : - objet concret - objet concave - objet pouvant contenir un liquide - objet ayant une anse - objet utile pour boire un liquide chaud

• Les caractéristiques 1,2 et 3 offrent une description unitaire des tasses, mais pas la 4 et la 5 qui peuvent impliquer des exceptions (une tasse peut ne pas avoir une anse ou peut contenir un liquide froid par exemple). Donc la plupart des propriétés seront vraies pour la plupart des exemplaires, mais pas pour tous, on se fiera donc aux plus probables : certains exemplaires auront plus de propriétés critiques de d’autres et seront donc plus ou moins représentatifs de leur catégorie d’appartenance : on parle de gradient de repérésentativité.

• Comment cette distinction (approche classique vs probabiliste) se traduit-elle en termes de modèles ? Historique : • approche classique : années 60

• approche probabiliste : 1973, avec la notion de gradient de représentativité de Rosch en 1976.

• Les modèles de réseaux 1967, 68 et 69 : Collins et Quillian (respectivement psychologue et informaticien) ils font une 1ère proposition à la suite de l’approche classique. Dans les années 60, il y a apparition de la psychologie cognitive précédée dans les années 50 du développement de l’informatique. Ils se demandent comment stocker un maximum d’informations dans un ordinateur. Ils ont donc cherché comment s’organisait la mémoire humaine pour essayer de la transposer à l’informatique. C’était avant la mise en évidence du phénomène de typicalité de l’approche probabiliste. Ils ont donc combiné le développement informatique à la conception de la mémoire en élaborant des systèmes artificiels de traduction automatique afin de modéliser la mémoire humaine.

• Emergence de l’approche probabiliste en 1973, 1974 avec le modèle de smith, shoben et rips :

avec la notion de propriété et de

componentialité qui fait reposer le principe de catégorisation sur la notion de propriété, tout en ayant une incertitude sur l’appartenance à une catégorie. Des Propositions d’Eleanor Rosch sont survenues par la suite (gradient de représentativité en 1976).

Un peu avant, en 1975 Collins et Loftus ont essayé de faire une synthèse de tous les modèles proposés à cette époque. Nous détaillerons tous ces modèles par la suite.

III. Les modèles de réseaux (Collins et Quillian, 1969) 1)Le Less m modè odè odèles les de rrése ése éseaux aux : (n (netw etw etwork ork m mod od odels) els) • Le point de départ de l’ensemble des recherches dans ce domaine est le modèle de réseaux hiérarchiques de Collins et Quillian (1969). Il s’agit des premiers travaux qui utilisent des phrases impliquant un sujet et un prédicat. Exemple : Tâche de jugement d’appartenance catégorielle - Un moineau est un oiseau - Un moineau est un animal.

• Ils mesurent le temps de réponse/réaction pour comparer la rapidité de décision du fait qu’un moineau soit un oiseau avec celle de la décision qu’un moineau soit un oiseau. Le temps de réaction est un indicateur pertinent puisque plus il y a de processus cognitifs à effectuer, plus le traitement est complexe et donc long. On déduit que le temps de réaction (TR) pour la première décision (moineau = oiseau) est inférieur à celui de la deuxième (moineau= animal).

• C’est sur la base de ce type de résultats que les modèles de réseaux ont été élaborés.

2) SStruc truc tructure ture du m modè odè odèle le • On émet l’hypothèse que, dans la mémoire sémantique, les concepts sont représentés par des “nœuds” et le postulat que la mémoire sémantique est constituée d’un ensemble de “nœuds” reliés entre eux par des liens étiquetés.

• Les concepts sont des unités de sens. Chaque nœud/concept est associé à certaines propriétés ou attributs, et tout concept est défini par ses relations avec les autres concepts : Les relations entre les nœuds sont donc conceptuelles et de type “emboîtement” (“inclusion”).

• Ces concepts sont organisés en taxonomie (hiérarchie de concepts et de propriétés) : il y a donc des sortes d’étages dans lesquels une propriété existant à un niveau donné est implicite aux niveaux inférieurs (« moineau » et « pigeon » auront des propriétés similaires propres à la catégorie « oiseau »). Dans ce type de modèle, les connaissances sont localisées, stockées à des adresses précises.

3)Fo Foncti ncti nctionn onn onnem em emen en entt d du um mo odèl dèle e • La récupération de liaisons entraine une propagation l’activation (dire « vacance » active la récupération de concepts liés et cette activation va se propager dans tout le réseau sémantique pour activer des concepts sémantiquement proches.

• Cette notion d’activation est fondamentale, c’est l’idée que le concept correspondant

à

ce

à

quoi

nous

sommes

confrontés

est

automatiquement activé, une activation se propage et active des concepts voisins (qui diffèrent selon les individus) c’est sur cette base que l’on retrouve l’information en mémoire.

- L’idée de base, sous-jacente à cette représentation des connaissances, est que la lecture d’une phrase (comme “un canari est un oiseau”) active en mémoire les concepts correspondant aux mots clés (“canari” et “oiseau”) et que, pour comprendre et déterminer si la phrase est vraie, il faudra rechercher une relation entre les deux concepts activés dans la mémoire sémantique. Cette recherche consiste à suivre les liens qui partent des nœuds concernés. A chaque nouveau nœud rencontré, le “système” laisse un indice qui attribue le nœud à un nœud source. Une relation entre les 2 concepts sera trouvée quand, sur un même nœud, apparaitront des indices correspondant aux deux nœuds sources initiaux. - Canari → peut chanter, est jaune - Autruche → est grande, ne vole pas

La distance entre canari et animal est plus grande qu’entre oiseau et animal donc la propagation met plus de temps et la récupération de canari est un animal > oiseau est un animal. • Mais attention, c’est une métaphore, ce n’est pas une distance spatiale, mais sémantique, ce n’est pas localisé dans le cerveau. Il y a deux types de liens : « est à » et « est un ». C’est donc un système de récupération d’information en mémoire sémantique. MAIS d’autres processus plus complexes entrent en jeu.

• Le modèle de Collins et Quillian a rencontré 3 problèmes :

- Economie cognitive : La motivation de Collins et Quillian était de construire une intelligence artificielle (IA), ils ont donc inclus le système de hiérarchie en ne stockant une connaissance qu’une seule fois pour ne pas perdre de place. Ils proposent que dans cette hiérarchie il y a une héritabilité des propriétés : c’est à dire que les propriétés des concepts subordonnés sont héritées des catégories du dessus. Par exemple, catégorie « animal » (impliquant des caractéristiques comme « peut se mouvoir », « mange », « respire ») transmettra ses caractéristiques au niveau d’en dessous pour « oiseau » (ayant lui-même des propriétés comme « a des ailes », « peut voler », « a des plumes ») qui vont se transmettre au concept d’en dessous comme canari, pigeon..etc. Or cette héritabilité n’est propre qu’au modèle informatique mais pas à l’homme. ce qui va leur porter préjudice car c’est faux.

• Ce dernier ne fonctionne pas de cette manière, il n’a pas besoin de ce principe d’économie cognitive et fonctionne comme s’il avait toute la place que souhaitée pour stocker les informations sous différents formats (visuel,auditif..etc).

- La liaison « n’est pas » : Il n’y a rien dans le réseau lorsqu’il s’agit d’un non lien. « Est-ce qu’un sandwich est un oiseau ? » → Evidement que non, le délai de réponse est trop court pour qu’on ait eu le temps d’analyser l’incompatibilité entre les caractéristiques du sandwich et des oiseaux. La décision négative rapide n’est pas prise en compte dans ce modèle.

- La typicalité : Elle apparait plus tard, après les modèles de réseaux (comme indiqué ci-dessus) mais s’avère problématique dans ce modèle.

IV. modèles componentiels 1) no notio tio tion n de pr proprié oprié opriété té téss • C’est sur la notion de propriété que reposent les modèles componentiels. Le terme vient de component, c’est ...