Comment le cerveau reconnait-il les visages ?
Français
Une recherche suggère qu’il faut seulement 200 neurones spécialisés pour reconnaitre n’importe quel visage. Des implications sur la médecine légale et l’IA.
Suivez-nous sur notre page Facebook et notre canal Telegram
Quand vous regardez des photos de visages, alors votre cerveau peut identifier instantanément ceux que vous connaissez qu’ils soient de votre mère ou de votre star préférée par rapport à ceux que vous n’avez jamais vus auparavant. Au cours des dernières années, les neuroscientifiques ont commencé à observer la boîte noire du cerveau pour comprendre comment celui-ci est capable de reconnaître et de percevoir les visages. Désormais dans une étude publiée dans la revue Cell, les chercheurs rapportent qu’ils ont craqué le code de l’identification du visage dans le cerveau des primates.
Nous avons découvert que ce code est extrêmement simple selon Doris Tsao, auteur principal et professeur de biologie à l’Institut de technologie de Californie. Une conséquence pratique de nos résultats est que nous pouvons désormais reconstruire un visage qu’un singe a vu en surveillant l’activité électrique de seulement 205 neurones dans le cerveau du singe. On peut imaginer des applications en médecine légale où on pourrait reconstruire le visage d’un criminel en analysant l’activité du cerveau d’un témoin.
Des neurones spécialisés dans l’identification des visages
Des recherches antérieures de Tsao et de ses collègues ont utilisé l’imagerie par résonance magnétique fonctionnelle (IRMf) chez les humains et d’autres primates pour identifier les zones du cerveau qui sont responsables de l’identification des visages. Ils ont identifié 6 zones qui sont situées dans le cortex temporel inférieur (TI). D’autres recherches ont montré que ces zones possèdent des cellules nerveuses spécifiques qui stimulent plus intensément les potentiels d’action quand vous voyez des visages par rapport à d’autres objets. Les chercheurs les ont surnommés comme des cellules de neurone faciales.
Dans le passé, certains chercheurs croyaient que chaque neurone facial dans le cerveau représente un visage spécifique, mais cela provoquait un paradoxe selon Tsao. En effet, vous pourriez potentiellement reconnaître 6 milliards de personnes, mais vous n’avez pas 6 milliards de neurones faciaux dans le cortex IT.
Dans cette étude, Tsao et ses collègues ont constaté que, plutôt que de représenter une identité spécifique, chaque cellule de neurone faciale représente un axe spécifique dans un espace multidimensionnel, qu’ils appellent l’espace de face. De la même manière que la lumière rouge, bleue et verte se combine de différentes façons pour créer toutes les couleurs possibles sur le spectre, ces axes peuvent se combiner de différentes façons pour créer chaque possibilité de visage.
Les chercheurs ont commencé par créer un espace à 50 dimensions qui pourrait représenter tous les visages. Ils ont attribué 25 dimensions à la forme avec des éléments comme la distance entre les yeux ou la largeur de la ligne des cheveux et 25 dimensions aux caractéristiques d’apparence liées à la non-forme telles que le teint ou la texture de la peau.
Les visages montrés aux singes et la reconstruction de ces visages à partir des signaux provenant des neurones spécialisés dans le cerveau. Le résultat est remarquable – Crédit : Doris Tsao
En utilisant des macaques comme leur modèle, les chercheurs ont inséré des électrodes dans les cerveaux qui pouvaient enregistrer des signaux individuels à partir de cellules de neurones faciales. Ils ont constaté que chaque cellule apparaissait proportionnellement à la projection d’un visage sur un seul axe dans l’espace carré à 50 dimensions. En connaissant ces axes, les chercheurs ont ensuite développé un algorithme qui pouvait décoder des visages supplémentaires à partir de réponses neuronales.
200 neurones pour reconnaitre n’importe quel visage
En d’autres termes, ils pouvaient désormais montrer un nouveau visage arbitraire au singe et recréer le visage que le singe voyait à partir de l’activité électrique des cellules de neurone facial dans le cerveau de l’animal. Et quand on les place côte à côte, les photos que les singes ont observées et les visages qui ont été recréés à l’aide de l’algorithme étaient presque identiques. Les chercheurs ont simplement eu besoin de 106 cellules dans un ensemble et 99 cellules dans un autre ensemble pour reconstruire les visages. On a l’habitude de dire qu’une image vaut mille mots selon Tsao. Mais maintenant, on peut dire qu’une image d’un visage vaut environ 200 neurones.
Cette image représente un cerveau qui regarde des centaines de visages. Les 50 cadrans sur la “machine à décoder les visages” illustre le concept que les “neurones faciaux” distinguent les visages en les projetant sur des axes s’étendant sur un espace à 50 dimensions. Chaque axe est codé par une seule cellule de neurone facial dont la stimulation est affiché sur le moniteur – Crédit : Doris Tsao
La meilleure preuve que ces cellules sont des axes de codage était la découverte que pour chaque cellule, Chang et Tsao pouvaient créer un grand nombre de visages qui semblaient extrêmement différents, mais qui ont provoqué une stimulation similaire. C’était vraiment surprenant, car nous avions toujours pensé que les neurones faciaux étaient plus complexes. Mais il s’avère que chaque neurone facial mesure juste la distance sur un seul axe de l’espace facial et il s’en fout des autres caractéristiques selon Tsao.
La façon dont le cerveau traite ce type d’information ne doit pas nécessairement être une boîte noire selon Chang. Bien qu’il existe de nombreuses étapes de calcul entre l’image que nous voyons et les réponses des cellules de neurone faciales, leur code est assez simple une fois qu’on connait les axes appropriés. Ce travail suggère que d’autres objets pourraient être codés de manière similaire.
En plus de ses implications pour l’étude du code neuronal, cette recherche possède également des applications d’intelligence artificielle. Cela pourrait inspirer de nouveaux algorithmes d’apprentissage pour reconnaître les visages selon Tsao. En outre, notre approche pourrait être utilisée pour déterminer comment les unités dans les réseaux profonds encodent d’autres aspects comme les objets et les phrases.
Source : Cell (http://dx.doi.org/10.1016/j.cell.2017.05.011)
