« Neurosciences/Le codage neuronal » : différence entre les versions

Contenu supprimé Contenu ajouté
Ligne 91 :
Nous venons de voir que les unités d'informations sont codées par plusieurs neurones, par un réseau de neurones plus ou moins grand. Notons que rien ne dit que les neurones d'une même information soient proches. Il se peut que les neurones en question soient proches les uns des autres, regroupés dans des réseaux locaux de petite taille. Mais il se peut aussi que les neurones soient dispersés dans tout le cerveau. On doit là encore faire une différence : celle entre codage distribué et local. Avec un '''codage local''' (rien à voir avec les codages locaux précédents), les neurones d'un même concept sont regroupés et sont proches les uns des autres. Avec un '''codage distribué''', les neurones sont répartis dans l'ensemble du cerveau et peuvent être assez éloignés les uns des autres. On peut même les retrouver dans des régions du cerveau totalement distinctes, voire dans des hémisphères différents. De nos jours, on ne sait pas si la localisation d'un concept dans le cerveau est locale ou distribuée dans l'ensemble du cerveau.
 
===Les codages indépendants et synchronesà corrélation===
 
En 1986, Georgopoulos proposa le premier modèle de codage de population, appelée le '''codage de population vectoriel''' (''population vector model'' en anglais). Son article portait sur les neurones du cortex moteur primaire, une région du cerveau qui se charge de la gestion des mouvements. Le but de ce chercheur était de créer un modèle qui rende compte d'observations physiologiques sur ces neurones. Dans son modèle, la direction d'un mouvement était décidée par une assemblée de neurones. Les neurones en question sont supposés utiliser un codage de fréquence pour encoder leur information individuelle. Chaque neurone est censé avoir une sélectivité pour une direction précise : il émettrait un influx nerveux de fréquence maximale pour cette direction, mais la fréquence chute rapidement quand la direction s'en éloigne. Le modèle explique comment les influx nerveux de tous ces neurones sont combinés pour donner la direction finale. Dans on modèle, la direction finale est la moyenne pondérée des directions de tous les neurones, les coefficients de pondérations étant la fréquence de décharge de chaque neurone.