Conférence GNS - Dr Ian Charest

Le Dr Ian Charest est un chercheur en neuroscience cognitive et computationnelle qui s'intéresse généralement à la vision et à l'audition de haut niveau. Il dirige le Charest lab de l'Université de Birmingham et du Centre for Human Brain Health, où lui et son équipe étudient la reconnaissance d'objets dans le cerveau à l'aide de techniques de neuroimagerie telles que la magnéto-électroencéphalographie (M-EEG) et l'imagerie par résonance magnétique fonctionnelle (IRMf). Ses travaux utilisent des techniques avancées de modélisation et d'analyse computationnelles, notamment l'apprentissage machine, l'analyse de similarité représentationnelle (RSA) et les réseaux de neurones artificiels (ANN), pour mieux comprendre le fonctionnement du cerveau humain. Les sujets de recherche actuels du laboratoire incluent le traitement de l'information dans le cerveau pendant la perception, la mémoire et la conscience visuelle lors de la reconnaissance et de l'interprétation de scènes naturelles et d'objets visuels. Le laboratoire est actuellement financé par un Starting Grant du Conseil Européen de la Recherche.

Résumé: déduire le contenu sémantique des entrées sensorielles est un défi computationnel fondamental du cerveau humain. Les progrès récents ont généralement été entravés par des données expérimentales limitées et le manque de théorie computationnelle. Dans cette conférence, je décrirai les avancées récentes, où nous combinons des méthodes modernes d'apprentissage automatique avec des ensembles de données de neuroimagerie massive pour mieux comprendre la sémantique visuelle, la conscience et les différences individuelles dans les fonctions cérébrales. Dans une série d'expériences, nous avons observé des représentations sémantiques réparties sur un vaste réseau de régions cérébrales, impliquées dans la reconnaissance visuelle et la conscience visuelle. Nos résultats fournissent une vue d'ensemble sur la manière dont le système visuel transforme les entrées sensorielles en représentations de haut niveau pertinentes pour la cognition et le comportement. De plus, nos résultats suggèrent que le système visuel ne cherche pas simplement à calculer des labels de catégorie d'objets, mais pourrait être amené à apprendre des représentations spécifiques sous traitant le traitement sémantique de l’information.