Une nouvelle recherche révèle que les modèles d'intelligence artificielle imitent non seulement la perception et le langage humains, mais partagent également un mécanisme fondamental semblable à celui du cerveau pour l'évaluation des récompenses. Des scientifiques de l'EPFL et du MIT ont découvert que les modèles Vision-Langage possèdent des unités spécialisées qui anticipent les récompenses, analogues au noyau accumbens (NAc) humain – une région cérébrale clé impliquée dans la motivation. Lorsque ces unités ont été artificiellement perturbées, les modèles ont montré un changement frappant vers des choix à faible effort et faible récompense, reflétant les symptômes d'anhédonie dans la dépression.
La recherche
Dirigée par Melika Honarmand, Samin Mahdipour Aghabagher et Martin Schrimpf, l'équipe a testé un modèle Vision-Langage de pointe sur des tâches de décision basées sur l'effort adaptées de la psychologie clinique. Ils ont d'abord identifié des "unités d'anticipation de récompense" en analysant les schémas d'activité neuronale corrélés à l'ampleur de la récompense à venir. Ces unités étaient fonctionnellement analogues au NAc – elles s'activaient fortement lorsque le modèle s'attendait à une récompense élevée. Les chercheurs ont ensuite perturbé sélectivement ces unités et observé un changement dramatique : le modèle devenait plus enclin à choisir des options à faible effort et faible récompense, même lorsque des opportunités de haute récompense étaient disponibles. Crucialement, lorsque le choix basé sur la récompense était supprimé, le modèle revenait à un comportement de base, confirmant que le déficit était spécifique à l'évaluation de la récompense, et non à une capacité générale. Le comportement induit correspondait à deux échelles cliniques : l'Échelle dimensionnelle d'évaluation de l'anhédonie (DARS) et l'Échelle de motivation et de plaisir – auto-rapport (MAP-SR).
Pourquoi c'est important
Ces résultats offrent un modèle computationnel concret de l'anhédonie – un symptôme central de la dépression impliquant une réduction de la motivation et du plaisir. En reproduisant les déficits de récompense humains dans l'IA, les chercheurs peuvent maintenant tester des mécanismes causals difficiles à isoler dans le cerveau. Pour les individus, cette recherche souligne que la motivation n'est pas simplement une question de "volonté" ; elle est enracinée dans des circuits neuronaux (ou computationnels) spécifiques qui peuvent être compris et potentiellement entraînés. Comprendre ces circuits peut conduire à de meilleurs exercices d'entraînement cognitif ciblant l'anticipation de la récompense, aidant les gens à maintenir leurs efforts vers des objectifs à long terme.
Ce que vous pouvez faire
Vous pouvez renforcer l'anticipation de récompense de votre cerveau en fixant des jalons clairs et atteignables et en célébrant les petites victoires. Entraînez-vous à visualiser les résultats positifs de vos efforts avant de commencer une tâche. Les jeux qui nécessitent un effort à court terme pour des récompenses différées – comme les puzzles ou les jeux de stratégie – peuvent également entraîner votre système de récompense. La plateforme iqgenio propose des niveaux d'entraînement cérébral qui intègrent l'apprentissage basé sur la récompense pour booster la motivation.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Faites notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.
