Cognition
Inférence : vue d'ensemble

Définition et principes généraux de l'inférence

L'inférence est un processus cognitif par lequel un organisme élabore une conclusion, une hypothèse ou une estimation à partir des informations dont il dispose.

Par exemple, lorsqu'un chien entend des aboiements derrière une porte fermée, il peut en déduire la présence d'un autre chien sans le voir.

Il utilise ainsi une information sensorielle pour inférer une situation qu'il ne peut pas observer directement.

1. L'inférence permet de dépasser les informations immédiatement accessibles en établissant des relations entre des observations, des connaissances antérieures et des hypothèses.

L'inférence intervient dans de nombreuses fonctions cognitives, dont :

• la perception,
• l'apprentissage,
• le raisonnement,
• la prédiction,
• la prise de décision.

2. Les conclusions d'une inférence peuvent être logiquement nécessaires lorsque les prémisses sont vraies et que le raisonnement déductif est valide, ou demeurer incertaines lorsqu'elles reposent sur des informations incomplètes.

Dans ce dernier cas, l'inférence bayésienne permet d'évaluer et d'actualiser la probabilité d'une hypothèse en fonction des informations disponibles ( théorie bayésienne).

Concept	Nature	Principe
Inférence générale	Processus cognitif transversal	Élaboration d'une conclusion, d'une hypothèse ou d'une estimation à partir d'informations disponibles
Inférence déductive	Forme de raisonnement	Déduction d'une conclusion nécessaire à partir de prémisses, lorsque le raisonnement est valide
Inférence inductive	Forme de raisonnement	Généralisation à partir d'observations particulières, sans garantie de certitude
Inférence abductive	Forme de raisonnement	Formulation d'une hypothèse explicative à partir d'observations
Inférence bayésienne	Cadre probabiliste	Actualisation de la probabilité d'une hypothèse en fonction de nouvelles informations
Inférence perceptuelle	Processus perceptif	Estimation des causes ou des propriétés du monde à partir des informations sensorielles
Inférence prédictive	Processus de prédiction	Estimation d'états ou d'événements à partir d'informations disponibles et de modèles internes
Inférence active	Cadre théorique perception-action	Articulation des inférences perceptuelles et de la sélection des actions dans le cadre du principe de l'énergie libre

Les différentes formes d'inférence

Principales formes de raisonnement inférentiel

Les inférences déductive, inductive et abductive se distinguent par la manière dont elles permettent de tirer une conclusion à partir des informations disponibles.

1. L'inférence déductive consiste à tirer une conclusion qui découle nécessairement des prémisses, à condition que le raisonnement soit valide.

Les prémisses sont des propositions ou informations admises comme point de départ d'un raisonnement et à partir desquelles une conclusion peut être déduite ou inférée.

a. Par exemple, tous les mammifères possèdent des vertèbres.

• Le chien est un mammifère.
• On peut donc en déduire que le chien possède des vertèbres.

b. Lorsque les prémisses sont vraies et que le raisonnement est valide, la conclusion est nécessairement vraie.

• Une déduction logiquement valide fondée sur une prémisse fausse.
  • Par exemple, tous les chiens sont immortels. Linotte est un chien. On en déduit que Linotte est immortel.
  • Le raisonnement est valide, mais sa conclusion est fausse parce que la première prémisse est fausse.
• Un raisonnement logiquement invalide, même lorsque les prémisses sont vraies.
  • Par exemple, tous les chiens sont mortels. Socrate est mortel, donc Socrate est un chien.
  • Cette conclusion ne découle pas nécessairement des prémisses, même si celles-ci sont vraies.

c. Mais si une ou plusieurs prémisses sont fausses, une déduction logiquement valide peut conduire à une conclusion fausse.

Inférence probabiliste et bayésienne

L'inférence bayésienne permet d'évaluer et d'actualiser la probabilité d'une hypothèse en fonction des informations disponibles.

Elle repose sur la théorie des probabilités et sur le théorème de Bayes, formulé à partir des travaux de Thomas Bayes (1701-1761), pasteur de l’Église presbytérienne et mathématicien britannique ( Le cerveau statisticien : la révolution Bayésienne en sciences cognitives 2012).

Théorème de Bayes et probabilités

1. L'inférence bayésienne repose sur trois éléments permettant d'actualiser la probabilité d'une hypothèse à partir de nouvelles observations.

• La probabilité a priori correspond à la probabilité attribuée à une hypothèse avant la prise en compte d'une nouvelle observation.
• Les données observées apportent des informations qui peuvent renforcer ou affaiblir cette hypothèse.
• La probabilité a posteriori correspond à la probabilité réévaluée de l'hypothèse après la prise en compte de ces données.

Si le placard est ouvert plusieurs fois sans distribution de nourriture, cette nouvelle expérience peut modifier son attente.

2. Le théorème de Bayes exprime mathématiquement la manière dont une probabilité a priori peut être actualisée à partir de nouvelles informations (Probabilistic brains: knowns and unknowns 2015).

$P(A|B)=\dfrac{P(B|A)P(A)}{P(B)}$

a. $A$ et $B$ sont deux événements, i.e. .deux sous-ensemble de l'ensemble des résultats possibles d'une expérience, avec $P(B)\neq0$.

Dans notre exemple, l'événement $A$ correspond à la distribution de nourriture au chien et l'événement $B$ à l'ouverture du placard.

b. $P(A)$ et $P(B)$ sont les probabilités d'observer respectivement $A$ et $B$.

Ce sont des probabilités marginales, i.e. probabilités d'événements considérés sans conditionner leur réalisation à celle d'un autre événement.

• $P(A)$ représente la probabilité que le chien reçoive de la nourriture, que le placard soit ouvert ou non.
• $P(B)$ représente la probabilité que le placard soit ouvert, que le chien reçoive de la nourriture ou non.

Remarque : dans cet exemple, $P(B)$ représente la probabilité que le placard soit ouvert, telle qu'elle est estimée par le modèle génératif du chien.

• Cette probabilité est appelée preuve bayésienne du modèle (Bayesian model evidence), car elle permet d'évaluer dans quelle mesure l'observation est compatible avec ce modèle.
• Le terme " preuve " ne signifie pas que le modèle est nécessairement correct. Il indique dans quelle mesure les observations sont compatibles avec ce modèle.
• Dans notre exemple, si le modèle génératif du chien attribue une probabilité élevée à l'ouverture du placard, cette observation est compatible avec ses prédictions. Toutefois, cette compatibilité ne suffit pas à établir que son modèle est correct, car d'autres modèles pourraient également attribuer une probabilité élevée à la même observation.

c. $P(A|B)$ est une probabilité conditionnelle : la probabilité que l'événement $A$ se produit sachant que l'événement $B$ s'est produit.

Il s'agit de la probabilité que le chien reçoive de la nourriture sachant que le placard a été ouvert.

d. $P(B|A)$ est une probabilité conditionnelle : la probabilité que l'événement $B$ se produit, sachant que l'événement $A$ s'est produit.

Il s'agit de la probabilité que le placard ait été ouvert sachant que le chien a reçu de la nourriture.

Hypothèse du cerveau bayésien

L'hypothèse du cerveau bayésien (Bayesian brain hypothesis) propose que le système nerveux utilise les principes de l'inférence bayésienne pour interpréter les informations sensorielles et actualiser ses estimations à partir de l'expérience.

Dès la naissance, le bébé humain est capable d'extraire des régularités statistiques de son environnement et des capacités de raisonnement probabiliste ont également été mises en évidence dès l'âge de six mois (Visual statistical learning in the newborn infant 2011 et The emergence of probabilistic reasoning in very young infants 2013).

1. L'approche bayésienne permet d'expliquer certains processus de perception.

Lorsque les informations sensorielles sont ambiguës, le système nerveux combine ces informations avec ses connaissances antérieures pour en élaborer l'interprétation la plus probable.

3. La perspective bayésienne offre une nouvelle vision de l'apprentissage qui contribue à dépasser l'opposition classique entre deux conceptions.

a. Les deux approches sont les suivantes :

• les théories empiristes, à l'origine de la tradition associationniste en psychologie, expliquent l'acquisition des connaissances à partir de l'expérience et de l'association d'informations élémentaires,
• les théories nativistes, i.e. théories innéistes et, plus généralement, rationalistes selon lesquelles nous disposerions de connaissances, d'idées ou de principes avant toute expérience.

b. Elle permet ainsi d'articuler ces deux conceptions de l'apprentissage, en associant le rôle des connaissances préalables à celui de l'expérience dans leur modification.

Remarque : les modèles génératifs probabilistes utilisés dans les approches bayésiennes de la cognition s'inscrivent dans une approche computationnelle de la cognition, qui ne doit pas être confondue avec le computationnaliste classique, car celui-ci ne représente qu'une conception particulière du fonctionnement de l'esprit.

• Le computationnalisme est une théorie fonctionnaliste de la philosophie de l'esprit qui, pour des raisons méthodologiques, conçoit l'esprit comme un système de traitement de l'information et compare la pensée à un calcul, i.e. computation en anglais, et, plus précisément, à l'application d'un système de règles.
• Par computationnalisme, on entend la théorie développée en particulier par Hilary Putnam (1926-2016) et Jerry Fodor (1935-2017).

Inférence, fonctionnement cognitif et modèles génératifs

Un modèle génératif est une représentation interne qui permet au système nerveux de formuler des hypothèses sur les causes des informations sensorielles et de prédire les informations susceptibles d'en résulter.

Le système nerveux ne dispose pas d'un accès direct aux causes des informations sensorielles qu'il reçoit ( transduction sensorielle).

La sensation lui fournit des informations sur les stimulations, tandis que la perception permet de les organiser et de les interpréter pour déterminer ce qui se passe dans l'environnement( sensation versus perception).

Inférence perceptuelle

1. Le cerveau crée un modèle génératif interne du monde (carte du monde) qui permet de prédire les informations sensorielles attendues.

Déjà en 1867, Hermann von Helmholtz considérait la perception comme la génération d'une meilleure estimation, i.e. une inférence sur l'état du monde, au vu des données.

Les erreurs de prédiction (PE) signalent les écarts entre les informations sensorielles attendues à partir du modèle génératif et les informations effectivement reçues

• Le système nerveux peut alors réviser progressivement ses hypothèses en fonction des erreurs de prédiction.
• Ce processus itératif, qui se répète à différents niveaux de la hiérarchie corticale, permet d'affiner l'estimation des causes des informations sensorielles et de réduire les erreurs de prédiction

2. L'inférence perceptuelle est le processus par lequel le système nerveux interprète les informations sensorielles reçues en s'appuyant sur ses connaissances et ses attentes pour estimer les causes probables de ces informations.

b. Le modèle génératif correspond donc aux relations apprises entre les événements, tandis que la prédiction correspond à l'attente particulière produite à partir de ce modèle dans la situation présente.

2. Dans le cadre du codage prédictif, les prédictions descendantes et les erreurs de prédiction ascendantes circulent entre les différents niveaux de la hiérarchie corticale (organisation hiérarchique du codage prédictif).

3. Les attentes antérieures peuvent contribuer à résoudre les ambiguïtés perceptuelles (Believing is seeing: expectations alter visual awareness 2008 et Recognition Alters the Spatial Pattern of fMRI Activation in Early Retinotopic Cortex 2010).

• Lorsque plusieurs interprétations sont possibles, les connaissances et les attentes préexistantes peuvent favoriser la reconnaissance d'un stimulus.
• Par exemple, lorsqu'un chien entend un bruit indistinct derrière une porte, il peut l'interpréter comme des pas s'il s'attend à l'arrivée de son propriétaire.

4. L'activité corticale spontanée dans le cortex visuel précoce des furets a été comparée à l'activité visuelle évoquée par les scènes naturelles (Spontaneous Cortical Activity Reveals Hallmarks of an Optimal Internal Model of the Environment 2011).

a. Les chercheurs ont comparé deux situations.

• Dans la première, ils ont enregistré l'activité spontanée du cortex visuel, en l'absence de stimulation visuelle.
• Dans la seconde, ils ont enregistré l'activité provoquée par la présentation d'images naturelles.

b. La similitude entre ces figurations d'activité augmentait avec l'âge et était spécifique aux réponses évoquées par les scènes naturelles.

Autrement dit, au cours du développement, le cortex visuel produit spontanément des configurations d'activité qui ressemblent de plus en plus à celles provoquées par les images naturelles.

c. Ces résultats suggèrent que l'activité spontanée du cortex visuel reflète progressivement les régularités statistiques de l'environnement, conformément à l'hypothèse de l'existence de modèles internes.

Inférence prédictive

3. Les modèles génératifs peuvent intégrer des connaissances acquises au cours de l'expérience ainsi que des dispositions préexistantes.

1. L'inférence prédictive est le processus par lequel le système nerveux utilise un modèle génératif pour anticiper les informations sensorielles ou les conséquences d'une action. Les prédictions ainsi produites peuvent ensuite être confrontées aux informations sensorielles effectivement reçues.

• Par exemple, lorsque le chien entend les clés dans la serrure, il prédit que son propriétaire va entrer.
• Si une autre personne ouvre la porte, les informations sensorielles reçues ne correspondent pas à sa prédiction.

2. Lorsqu'un tel écart apparaît, le chien peut réviser son hypothèse sur l'identité de la personne qui entre, sans nécessairement modifier son modèle génératif.

3. En revanche, par l'apprentissage, le système nerveux peut également modifier les relations représentées dans le modèle génératif, afin de mieux rendre compte des expériences successives.

Il faut donc distinguer la révision d'une hypothèse dans une situation donnée de la modification du modèle génératif lui-même au cours de l'apprentissage.

Inférence et action

Les inférences ne servent pas uniquement à interpréter les informations sensorielles.

1. Elles interviennent également dans le choix des actions en permettant à l'organisme d'anticiper leurs conséquences possibles.

2. L'inférence active prolonge cette conception en expliquant comment l'organisme sélectionne ses actions en fonction des conséquences sensorielles attendues.

Retour vers la cognition