Intégration de mémoire implicite et explicite dans un modèle dynamique de prise de décision

par Snigdha Dagar

Projet de thèse en Informatique

Sous la direction de Frédéric Alexandre et de Nicolas Rougier.

Thèses en préparation à Bordeaux , dans le cadre de École doctorale de mathématiques et informatique , en partenariat avec LaBRI - Laboratoire Bordelais de Recherche en Informatique (laboratoire) et de Bench to Knowledge and Beyond (BKB) (equipe de recherche) depuis le 16-07-2020 .


  • Résumé

    La prise de décision est un phénomène complexe, étudié par plusieurs domaines scientifiques, dont l'apprentissage machine, les neurosciences computationnelles et l'économie, pour n'en nommer que quelques-uns. Ces domaines étudient la variété des critères pouvant jouer un rôle dans la prise de décision, les circuits neuronaux qui sous-tendent les principaux mécanismes et les différents types de comportements rationnels ou biaisés qui seront ensuite décrits. Ces dernières années, notre équipe a modélisé un certain nombre de ces phénomènes, en considérant en particulier le rôle des critères motivationnels ou émotionnels mais aussi, par l'apprentissage, le moment où ces décisions explicites se transforment en comportement habituel, correspondant également à la mémoire implicite. En plus des circuits cérébraux impliqués, ce travail nous a également donné une bonne vue d'ensemble des mécanismes classiques d'apprentissage machine avec des caractéristiques similaires. Cette thèse s'inscrit dans le cadre d'un projet collaboratif, mené en étroite collaboration avec d'autres équipes spécialisées en science des données d'une part et en économie d'autre part, autour de l'observation des choix faits par des sujets humains dans des tâches multicritères réalistes liées à les habitudes de transport, recueillies par nos partenaires auprès d'un corpus de sujets humains. Ces données constituent la matière première à utiliser pour vérifier les différentes hypothèses. L'étudiant proposera d'abord un état de l'art des modèles actuels de prise de décision et de leurs liens avec la mémoire explicite et implicite. Concernant le domaine d'application, il sera intéressant d'identifier, avec nos collègues économistes, un certain nombre de biais cognitifs typiques du sujet humain (exemple : aversion au risque, inattention rationnelle, effet de référence ou similitude) et d'examiner comment il serait possible de les prendre en compte avec les formalismes et modèles développés. L'étudiant identifiera et caractérisera l'information disponible (a priori ou a posteriori, critique ou non pertinente, etc.) ainsi que la décision qui en découle (récompense à court terme ou à long terme, récompense personnelle ou collective, etc.) et élaborera un modèle de prise de décision qui tient compte de ces différents critères afin de montrer comment cette décision a une influence sur la décision finale. Le modèle lui-même sera basé sur la neuro-anatomie des ganglions de la base, de l'amygdale, du thalamus et du cortex et utilisera un modèle de neurones à champ moyen. En particulier, le mécanisme de l'inattention rationnelle traite des effets du coût de l'acquisition ou du traitement de l'information sur la prise de décision. Par exemple, lorsqu'ils sont confrontés à un volume élevé d'information, les décideurs peuvent rationnellement ignorer certains éléments d'information et prendre des décisions fondées sur des renseignements incomplets. Le critère pour prendre en compte ou à ignorer tel ou tel élément d'information est largement inconnu et peut dépendre d'un certain nombre de facteurs qui restent encore à identifier. Plus précisément, cette thèse visera à comprendre comment ce choix peut être fait et comment il modifie la décision multicritères qui en résulte. Plus généralement, nous chercherons à passer de mécanismes décisionnels élémentaires à des processus décisionnels plus réalistes où plusieurs critères peuvent être pris en compte pour un même choix afin d'étudier comment ces différents mécanismes peuvent coexister et rivaliser pour une seule décision, en associant des mécanismes de mémoire implicite et explicite dans la prise de décision. En tout état de cause, il ne faudra pas oublier de se demander comment, par la répétition, de telles décisions peuvent redevenir habituelles ou explicites si nécessaire. Ici aussi, les indices neuroscientifiques et les mécanismes de calcul efficaces seront considérés. Enfin, un autre intérêt majeur de ce travail sera son environnement interdisciplinaire, c'est-à-dire au-delà des répercussions sur la compréhension des mécanismes en neurosciences et sur le développement de modèles d'apprentissage machine efficaces, nous chercherons également à nous impliquer dans l'analyse de corpus expérimentaux et la définition de principes de choix économiques, en nous demandant comment nos modèles peuvent aider à faire la lumière sur ces autres travaux.

  • Titre traduit

    Integrating implicit and explicit memory in a dynamical model of decision making


  • Résumé

    Decision-making is a complex phenomenon, studied by several scientific fields, including Machine Learning, computational neuroscience and economics, to name but a few. These domains study the variety of criteria that can play a role in decision-making, the neural circuits that underlie the main mechanisms and the different types of rational or biased behaviours that will then be described. In recent years, our team has modelled a number of these phenomena, considering in particular the role of motivational or emotional criteria but also, through learning, the moment when these explicit decisions are transformed into habitual behaviour, also corresponding to implicit memory. In addition to the brain circuits involved, this work has also given us a good view of classical Machine Learning mechanisms with similar characteristics. This PhD is part of a collaborative project, carried out in close collaboration with other teams specialized in data science on the one hand and in economic choice on the other hand, around the observation of choices made by human subjects in realistic multi-criteria tasks related to transportation habits, collected by our partners from a pool of human subjects. These data will constitute the raw material to be used to test the different hypothesis. The student will initially propose a state ot the art of current models of decision making and of their links to explicit and implicit memory. Concerning the domain of application, it will be interesting to identify, with our fellow economists, a number of cognitive biases typical of the human subject (example: risk aversion, rational inattention, reference effect or similarity) and to consider how it would be possible to account for them with the formalisms and models developed. The student will identify and characterize the available information (e.g. a priori or a posteriori, critical or non-relevant, etc.) as well as the resulting decision (short-term vs long-term reward, personal vs collective reward, etc.) and will build a model of decision making that takes into account these different criteria in order to show how this impacts the final decision. The model itself will be based on the neuro-anatomy of the basal ganglia, the amygdala, the thalamus and the cortex and will use mean-firing model of neurons. Particularly, the mechanism of rational inattention deals with the effects of the cost of information acquisition or processing on decision making. For example, when faced with a high volume of information, the decision makers may rationally ignore some pieces of information and take decisions based on incomplete information. The criterion to take into account or ignore this or that piece of information are largely unknown and may depend on a number of factors that are yet to be identified. Specifically, this PhD will aim at understanding how this choice can be made and how does this modify the resulting multi-criteria decision. More generally, we will seek to move from elementary decision-making mechanisms to more realistic decision-making where several criteria can be taken into consideration for the same choice in order to study how these different mechanisms can coexist and compete for a single decision, associating mechanisms of implicit and explicit memory in decision making. In any case, it should not be forgotten to ask how, through repetition, such decisions can become habitual or explicit again if necessary. Here too, neuroscience indices and effective computational mechanisms will be considered. Finally, another major interest of this work will be its interdisciplinary environment, i.e. beyond the repercussions in the understanding of mechanisms in neuroscience and in the development of effective Machine Learning models, we will also seek to be involved in the analysis of experimental corpuses and the definition of economic choice principles, by asking ourselves how our models can help to shed light on these other works.