Apprendre des machines

Aperçu

Explorez l'intersection des neurosciences et de l'apprentissage automatique, en découvrant des connaissances sur la cognition humaine, la perception et la conscience à travers des modèles computationnels et des métaphores visuelles.

Programme

• Introduction à l'apprentissage automatique et aux neurosciences
Aperçu des principes de l'apprentissage automatique
Bases des neurosciences pertinentes à l'IA
• Réseaux neuronaux et cerveau
Comparaison des neurones biologiques et artificiels
Structure et fonction des réseaux neuronaux
Apprentissage hébbien et plasticité synaptique
• Modèles d'apprentissage automatique de la cognition
Modèles computationnels de l'apprentissage humain
Systèmes de mémoire et computation neuronale
Parallèles entre l'apprentissage par renforcement et la prise de décision humaine
• Perception et traitement sensoriel
Traitement visuel dans les cerveaux et les machines
Représentation et interprétation de l'information sensorielle
Réseaux neuronaux convolutifs et perception visuelle
• Conscience et intelligence artificielle
Théories de la conscience
Potentiel de la conscience des machines
Implications éthiques des machines conscientes
• Émulation de la perception humaine
Développement de métaphores visuelles dans l'apprentissage automatique
Relier la perception humaine et les modèles computationnels
Applications en vision par ordinateur et reconnaissance d'images
• Sujets avancés en neuro-AI
Architectures et algorithmes inspirés du cerveau
Informatique neuromorphique
Directions futures dans l'intégration de l'IA et des neurosciences
• Projet et études de cas
Analyse des applications réelles du neuro-AI
Conception et implémentation d'un modèle simple inspiré du neuro
Évaluation des études de cas sur l'apprentissage automatique dans la recherche en neurosciences
• Conclusion et perspectives d'avenir
Résumé des idées clés
Discussion des questions ouvertes et des défis
Exploration des voies de recherche futures dans l'intégration du neuro-AI

Sujets

Conférences