Guillaume Rolland
Suivre et contrôler objectivement son propre processus d’apprentissage est essentiel pour améliorer ses capacités d’apprentissage. Cette capacité, souvent appelée « apprendre à apprendre » ou « métacognition », a été étudiée en psychologie de l’éducation. En raison du couplage étroit entre le méta-niveau supérieur et les systèmes cognitifs de niveau objet inférieur, une approche de réduction conventionnelle a du mal à comprendre la base neurale de la métacognition. Pour surmonter cette limitation, les chercheurs ont utilisé une nouvelle approche de recherche où ils ont comparé la métacognition de l’intelligence artificielle (IA) à celle des humains.
Premièrement, ils ont démontré que le système métacognitif de l’IA, qui vise à maximiser les récompenses et à minimiser les punitions, peut réguler efficacement la vitesse d’apprentissage et la rétention de la mémoire en réponse à l’environnement et à la tâche. Deuxièmement, ils ont démontré le comportement métacognitif de l’apprentissage moteur humain, ce qui démontre que fournir une rétroaction monétaire en fonction de la mémoire peut favoriser ou supprimer l’apprentissage moteur et la rétention de la mémoire. Ceci constitue la toute première démonstration empirique de la régulation bidirectionnelle des capacités implicites d’apprentissage moteur par des facteurs économiques. Notamment, alors que l’IA présentait des capacités métacognitives égales pour la récompense et la punition, les humains présentaient une réponse asymétrique au achieve et à la perte monétaires les humains ajustent leur rétention de mémoire en réponse au get et leur vitesse d’apprentissage en réponse à la perte. Cette propriété asymétrique peut fournir des informations précieuses sur les mécanismes neuronaux sous-jacents à la métacognition humaine.
Ce travail a été soutenu par la Japan Society for the Advertising of Science KAKENHI (JP19H04977, JP19H05729 et JP22H00498). TS a été soutenu par une bourse de recherche JSPS pour jeunes scientifiques et KAKENHI (JP19J20366). NS a été pris en demand par NIH R21 NS120274.
