Les cartes cognitives précoces chez le nourrisson humain – Cognitive maps in infants: Initial state and development

Séminaire organisé par Ghislaine Dehaene-Lambertz, CNRS du 8 au 13 mars 2021.

 

Participants

Thomas Andrillon* (Institut du Cerveau, Paris), Demian Battaglia (CNRS/ Université de Strasbourg), Tim Behrens (Oxford University), Lucas Benjamin*(CEA), Olivier Collignon (Université Catholique de Louvain (UCL)/ CPP Lab), Rosa Cossart (DR CNRS, INMED), Floris de Lange (Radboud University/Predictive Brain Lab), Stanislas Dehaene (Collège de France), Ghislaine Dehaene (Neurospin, CEA), Jerome Epsztein (INMED/INSERM, Marseille), Ana Flo*(UNICOG, INSERM U992, CEA/SAC/  DSV/DRM/NeuroSpin), Sonia Garel (Institut de Biologie/ IBENS), Giulia Gennari* (NeuroSpin, CEA Saclay), Biyu He (New York University), Ken Knoblauch (Inserm U1208, Stem Cell and Brain Research Institute), Heather Kosakowki*, Lucia Melloni (Max Planck Institute for empirical aesthetics), Florent Meyniel ( NeuroSpin, CEA Paris-Saclay), Zoltan Molnar (Oxford University), Thomas Mrsic-Flogel (Sainsbury Wellcome Centre), Shruti Naik*(Neurospin, CEA Paris-Saclay), Mathias Sable-Meyer*(PSL/Collège de France), Nick Turk-Browne (Yale University), Philippe Vernier (CNRS & CEA), Liping Wang (Institute of Neuroscience, Chinese Academy of Sciences).

* are junior researchers / jeunes chercheurs 

Résumé

Les nourrissons humains sont les apprenants les plus efficaces. En quelques mois, ils vont au-delà des capacités animales, démontrant les prémisses d’un raisonnement symbolique. L’objectif du séminaire était de réunir des participants issus de différents champs disciplinaires des neurosciences (cognition animale et humaine, physiologie, psychologie, mathématiques) pour réfléchir à l’organisation initiale du cerveau humain permettant de telles capacités. En particulier, quels sont les principes qui permettent aux nourrissons de surmonter rapidement les énormes variations des informations sensorielles pour parvenir à des représentations abstraites solides, notamment celles qui soutiennent le langage et l’apprentissage symbolique ? En combinant la recherche physiologique chez les rongeurs et les primates, la recherche comportementale et d’imagerie chez les adultes, les modèles informatiques et les données les plus récentes obtenues chez les nourrissons, nous avons discuté et proposé des modèles biologiquement plausibles qui pourraient être testés chez les nourrissons pour vérifier leurs remarquables capacités d’apprentissage.

Summary

Human infants are the most efficient learners. In a few months, they are going beyond animal abilities, showing the first evidence of symbolic reasoning. The objective of the seminar was to bring together participants from different disciplinary fields of neuroscience (animal and human cognition, physiology, psychology, mathematics) to brainstorm on the initial organization of the human brain supporting such abilities. In particular what are the principles that allow infants to rapidly overcome the tremendous variations in sensory information to achieve robust abstract representations, notably those that support language and symbolic learning? By combining physiological research in rodents and primates, behavioral and imaging research in adults, computer models and the most recent data obtained in infants, we have discussed and proposed biologically plausible models that might be tested in infants to test their remarkable learning abilities.

Compte rendu

Comment se construit la pensée ? Cette question est l’enjeu majeur de l’étude du développement cognitif, car le nourrisson humain est si immature et le monde si complexe. Pourtant, en quelques mois, les bébés humains développent des capacités complexes dans de nombreux domaines cognitifs à un niveau qu’aucun autre animal n’atteint. En fait, les nourrissons humains sont probablement les apprenants les plus efficaces: en quelques mois, ils apprennent non seulement à reconnaître des objets et à agir dans des groupes sociaux comme beaucoup d’autres animaux, mais aussi, ils maîtrisent rapidement le langage et le raisonnement symbolique bien au-delà des capacités animales. Par exemple, alors que les nourrissons de 5 mois ont un accès facile et rapide à un espace symbolique (Kabdebon & Dehaene-Lambertz, 2019), les quelques capacités symboliques décrites chez les animaux ne sont obtenues qu’après un entraînement intensif (Livingstone, Srihasam, & Morocz, 2010).  Quelles sont les bases cérébrales de ces réussites cognitives ?

Les humains ne sont pas les seuls animaux intelligents et on retrouve chez les primates, les oiseaux (les corvidés), les poissons des récifs coraliens des espèces capables de comportements complexes comme par exemple, utiliser des outils. Pourtant l’organisation cérébrale chez ces animaux est extrêmement différente. Serait-il possible que certains principes d’organisation au niveau des circuits soient partagés entre ces espèces complexes (une densité plus élevée de neurones, conservation des types de neurones et des circuits) malgré un plan d’ensemble différent ?  Dégager les principes d’organisation communs aux espèces complexes, en explorer les bases génétiques, les circuits essentiels et les fonctions conservées pourrait permettre de soulever un coin du voile.

Mais comment ces réseaux complexes s’organisent-ils ? Très tôt pendant la vie foetale, une activité existe dans des réseaux transitoires qui vont permettre la mise en place des réseaux définitifs. L’intégration progressive des entrées externes à l’activité spontanée à travers le thalamus et la sous-plaque agit à différents niveaux, depuis la multiplication neuronale dans la zone germinative, la migration neuronale jusqu’à l’établissement des réseaux thalamo-corticaux (Molnar, Luhmann, & Kanold, 2020). Des orages d’activité synchronisée permettent de stabiliser ces circuits. Dans un second temps, l’activité de ces réseaux est aussi déclenchée en réponse à une activité périphérique autonome (twitches moteurs, activité rétinienne) qui permettent de calibrer le système central. Le thalamus est sans doute une structure cruciale dans la mise en place de cette architecture à courte et longue distance. Avant même l’exploration de l’environnement, cette activité interne s’organise avec la mise en place de circuits inhibiteurs qui constituent une étape importante ouvrant la possibilité d’interagir avec l’environnement (Modol et al., 2020). Les atteintes spécifiques de cette période précoce pourraient être à l’origine de problèmes neurologiques plus tardifs, soit du fait de la persistance de réseaux normalement transitoires, soit du fait de leur désorganisation empêchant l’échafaudage prévu.

L’architecture fonctionnelle apparait donc très contrainte sur le plan du calendrier de développement mais aussi des fonctions assurées, même chez les humains. Ceci se voit à trois niveaux.

1) Des stimuli écologiquement important comme la voix ou le visage, mais aussi le mouvement, les quantités, activent des réseaux similaires à ceux décrits chez l’adulte (Dehaene-Lambertz & Spelke, 2015). Des prématurés répondent dès 6 mois de grossesse à des discriminations de syllabes subtiles avec un réseau péri-sylvien et des asymétries hémisphériques similaires à l’adulte (Mahmoudzadeh et al., 2013). Les régions impliquées concernent aussi des régions de haut niveau (par exemple frontales) et pas seulement les régions directement en contact avec l’environnement.

2)  En cas de déficit sensoriel, la réorganisation cérébrale qui se produit suit des contraintes fortes et les régions colonisées par la modalité sensorielle conservée (exemple des régions visuelles utilisées dans des tâches auditives chez des sujets aveugles et réciproquement chez des sujets sourds) ont des fonctions similaires (exemple orientation dans l’espace, reconnaissance d’un congénère, etc..) (Collignon, Lassonde, Lepore, Bastien, & Veraart, 2007).

3) Des acquisitions culturelles comme la lecture et les mathématiques sont elles aussi soumises à ces contraintes fonctionnelles. L’hypothèse du recyclage neuronal (Dehaene, 2005) postule que l’apprentissage des éléments culturels se fait en réutilisant des fonctions cérébrales proches et minimalement modifiées. Ainsi, lire quel que soit le script, la complexité de la langue et des règles de transcriptions des unités orales vers les unités écrites, utilise des aires communes (Feng et al., 2020). Cet apprentissage est facilité par la plasticité de ces régions pendant l’enfance. De même les mathématiques les plus complexes se développent à partir des circuits impliqués dans la perception des quantités (Amalric & Dehaene, 2016).

Les humains ont donc une architecture cérébrale permettant des calculs plus complexes, en particulier, un système symbolique qui comprime l’information en éléments qui peuvent se combiner dans des structures hiérarchiques. Ceci leur permet de coder des opérations complexes dans un langage interne puissant possédant des opérations comme « repéter », « additionner », « inclure », etc.. leur permettant de dépasser les capacités des autres primates (Amalric et al., 2017). Même si ces derniers sont capables d’apprendre des tâches assez complexes, le nombre d’essais, la vitesse d’acquisition sont très différentes (Jiang et al., 2018).

Ces contraintes liées à l’architecture neurale se reflètent dans l’activité continue qui parcourent ces réseaux. Cette activité stabilise les réseaux initiaux puis s’enchevêtre avec l’activité induite par l’environnement, créant une variabilité importante au niveau du signal. Cette variabilité n’est pas chaotique mais structurée autour d’attracteurs et de biais qui peuvent être transitoires mais de durée variable suivant les domaines ou les niveaux de complexité (Naik, Adibpour, Dubois, Dehaene-Lambertz, & Battaglia, submitted). L’intégration entre activité endogène et en réponse à des stimuli devient un enjeu de la compréhension du fonctionnement cérébral.

L’enfant apprend progressivement les statistiques de son environnement. Si cet environnement n’est pas toujours stable, il est structuré et il est souvent possible de prédire l’évènement suivant. Cet apprentissage statistique est présent dès la naissance (Flo et al., 2019). Le rôle exact de l’hippocampe dans ces apprentissages est discuté, ainsi que l’importance des effets top-down. L’imagerie par résonance magnétique a montré que ces structures, comme aussi le frontal, très immatures sont pourtant actives et participent à la cognition du nourrisson (Ellis, Skalaban, Yates, & Turk-Browne, 2021).  Enfin, si la confiance dans la valeur de nouveauté de l’information reçue permet de modéliser la vitesse d’apprentissage chez l’adulte (Meyniel, 2020), qu’en est-il chez le jeune enfant ? De nombreuses questions restent non résolues mais l’approche trans-disciplinaire de ce séminaire a permis un panorama exhaustif des différentes approches possibles de ce problème complexe.

Références

Amalric, M., & Dehaene, S. (2016). Origins of the brain networks for advanced mathematics in expert mathematicians. Proc Natl Acad Sci U S A, 113(18), 4909-4917.

Amalric, M., Wang, L., Pica, P., Figueira, S., Sigman, M., & Dehaene, S. (2017). The language of geometry: Fast comprehension of geometrical primitives and rules in human adults and preschoolers. PLoS Comput Biol, 13(1), e1005273.

Collignon, O., Lassonde, M., Lepore, F., Bastien, D., & Veraart, C. (2007). Functional cerebral reorganization for auditory spatial processing and auditory substitution of vision in early blind subjects. Cereb Cortex, 17(2), 457-465.

Dehaene-Lambertz, G., & Spelke, E. S. (2015). The Infancy of the Human Brain. Neuron, 88(1), 93-109.

Dehaene, S. (2005). Evolution of human cortical circuits for reading and arithmetic: The “neuronal recycling” hypothesis. In S. Dehaene, J. R. Duhamel, M. Hauser, & G. Rizzolatti (Eds.), From monkey brain to human brain (pp. 133-157). Cambridge, Massachusetts: MIT Press.

Ellis, C. T., Skalaban, L. J., Yates, T. S., & Turk-Browne, N. B. (2021). Attention recruits frontal cortex in human infants. Proc Natl Acad Sci U S A, 118(12).

Feng, X., Altarelli, I., Monzalvo, K., Ding, G., Ramus, F., Shu, H., . . . Dehaene-Lambertz, G. (2020). A universal reading network and its modulation by writing system and reading ability in French and Chinese children. Elife, 9.

Flo, A., Brusini, P., Macagno, F., Nespor, M., Mehler, J., & Ferry, A. L. (2019). Newborns are sensitive to multiple cues for word segmentation in continuous speech. Dev Sci, 22(4), e12802.

Jiang, X., Long, T., Cao, W., Li, J., Dehaene, S., & Wang, L. (2018). Production of Supra-regular Spatial Sequences by Macaque Monkeys. Curr Biol, 28(12), 1851-1859 e1854.

Mahmoudzadeh, M., Dehaene-Lambertz, G., Fournier, M., Kongolo, G., Goudjil, S., Dubois, J., . . . Wallois, F. (2013). Syllabic discrimination in premature human infants prior to complete formation of cortical layers. Proc Natl Acad Sci U S A, 110(12), 4846-4851.

Meyniel, F. (2020). Brain dynamics for confidence-weighted learning. PLoS Comput Biol, 16(6), e1007935.

Modol, L., Bollmann, Y., Tressard, T., Baude, A., Che, A., Duan, Z. R. S., . . . Cossart, R. (2020). Assemblies of Perisomatic GABAergic Neurons in the Developing Barrel Cortex. Neuron, 105(1), 93-105 e104.

Molnar, Z., Luhmann, H. J., & Kanold, P. O. (2020). Transient cortical circuits match spontaneous and sensory-driven activity during development. Science, 370(6514).

Naik, S., Adibpour, P., Dubois, J., Dehaene-Lambertz, G., & Battaglia, D. (submitted). From Event- Related Potentials to Event- Related Variability.

 

---

---