Comment exactement une araignée nouvellement éclose tisse-t-elle une toile parfaite et caractéristique de son espèce – sans même avoir jamais vu une telle toile, et encore moins avoir été entraînée à en tisser une ? Comment les papillons savent-ils ce qu’ils doivent faire ? Pourquoi les chiens et les chats se comportent-ils comme des chiens et des chats ? Pourquoi les lapins se comportent-ils comme ils le font ? L’instinct est une réponse possible. Les gens, en particulier les psychologues, ont longtemps considéré l’instinct comme un déterminant important du comportement. Mais comment fonctionne l’instinct ? Quels sont les mécanismes pertinents qui permettent à l’instinct de fonctionner comme il le fait ?
Nous avons actuellement une bonne compréhension de la façon dont les humains apprennent via la formation de la mémoire. Cette information peut être utilisée pour comprendre le fonctionnement de l’instinct, car un comportement instinctif rigide est l’opposé polaire d’un comportement humain appris flexible. Il pourrait même y avoir un continuum apprentissage-mémoire de flexibilité synaptique, avec les humains à une extrémité et des créatures comme les araignées à l’autre extrémité.
Les deux extrémités d’un continuum apprentissage-mémoire sont adaptatives. La flexibilité dépendant de l’expérience sur une période de développement prolongée permet aux humains d’acquérir des compétences complexes et des comportements intelligents. La rigidité préétablie évite les risques et les périls du développement et de la parentalité en permettant un comportement « adulte » dès le départ – ce qui nous amène au sujet de l’évolution.
Évolution
Les instincts ont évidemment évolué avec le reste du corps de l’organisme via les mêmes principes de variation et de sélection naturelle qui conduisent et expliquent l’évolution phylogénétique. Nous parlons ici de l’évolution comportementale comme d’un parallèle à l’évolution phylogénétique. Nous savons que l’ADN est le mécanisme génétique qui régit l’évolution phylogénétique, mais peut-il également être responsable de l’évolution comportementale et de l’instinct ? Dans l’affirmative, comment cela peut-il se produire ? Quels mécanismes pourraient permettre au comportement d’être hérité ?
Information sur les mécanismes
Les modèles informatiques de l’apprentissage et de la mémoire nous permettent de mieux comprendre le fonctionnement des mécanismes biologiques pertinents centraux car les simulations animent les relations causales. La façon dont les réseaux neuronaux artificiels (ANN), connus sous le nom de modèles de réseaux neuronaux connexionnistes à traitement distribué parallèle, sont formés présente un intérêt particulier. Je discute de ces méthodes dans mon livre (Tryon, 2014) Neurosciences cognitives et psychothérapie : Network Principles for a Unified Theory mais je les résume ci-dessous. Cette technologie est connue sous le nom d’apprentissage automatique car les ordinateurs peuvent simuler l’apprentissage et la mémoire humaine et animale. Cette technologie est également appelée apprentissage profond en reconnaissance de sa remarquable capacité à simuler la cognition humaine à l’aide de modèles de réseaux neuronaux connexionnistes.
Les réalisations notables à cet égard comprennent lorsque l’ordinateur Deep Blue d’IBM a remporté le championnat d’échecs face aux humains en 1997. Lorsque Watson d’IBM a remporté le championnat Jeopardy face à des humains en 2011. Watson d’IBM a remporté le Heads-up no-limit Texas hold’em face à des humains en 2015. Lorsque Deep Mind de Google a remporté le championnat AlphaGo face à des humains en 2016. Dans certains de ces cas, les machines ont dû apprendre à « comprendre » le langage naturel aussi bien que les humains. Dans tous ces cas, les machines ont dû discerner des relations subtiles, formuler des stratégies, et le faire plus efficacement que les meilleurs experts humains. Bengio (2016) a résumé les principales avancées en matière d’intelligence artificielle dans le magazine populaire Scientific American. Engelking (2017) a examiné les progrès réalisés par l’Allen Institute for Artificial Intelligence ; le plus grand institut d’intelligence artificielle à but non lucratif du pays fondé en 2014, dans le magazine Discover.
Regardons de plus près les mécanismes pertinents qui permettent l’apprentissage via la formation de la mémoire. Je limite ma discussion aux principes de base afin d’éviter d’entrer dans trop de détails techniques. Ces principes s’appliquent aux simulations de réseaux neuronaux et aux systèmes biologiques. Je pense que ces principes sont suffisants pour que vous compreniez généralement comment les instincts pourraient fonctionner.
Le premier principe est que les systèmes nerveux sont des réseaux de réseaux neuronaux composés de nombreux neurones. On estime que l’être humain possède 100 milliards de neurones. On estime que même le système nerveux des araignées compte environ 100 000 neurones. Chaque neurone humain se connecte à de nombreux autres neurones. Dans certains cas, un neurone humain peut se connecter à jusqu’à 10 000 autres neurones. On estime que le cerveau humain contient 100 trillions de synapses. Nous savons que la génétique, l’ADN, est responsable de la construction des réseaux neuronaux au cours du développement embryologique. Nous savons aussi que les différentes créatures ont un ADN différent qui est responsable de leurs différents systèmes nerveux.
Le deuxième principe est que les neurones de toutes les espèces sont connectés à d’autres neurones par des synapses, de minuscules espaces dans lesquels sont sécrétés des neurotransmetteurs. Certains de ces neurotransmetteurs facilitent la conduction électrique d’un neurone à l’autre. D’autres neurotransmetteurs inhibent la conduction électrique d’un neurone à l’autre. On sait que la génétique, l’ADN, est responsable de la construction de ces synapses. Il semble donc tout à fait possible que les propriétés excitatrices/inhibitrices des synapses soient fixées lors de leur construction plutôt que modifiées par l’expérience. Cette possibilité est au cœur de l’explication du fonctionnement des instincts présentée ci-dessous. Elle pourrait être mise en œuvre en réduisant au silence ou en supprimant les gènes qui permettent la flexibilité synaptique dépendante de l’expérience.
De nombreuses connaissances scientifiques soutiennent l’idée que les synapses sont centrales pour l’apprentissage et la mémoire (Hell & Ehlers, 2008). L’apprentissage humain flexible exige que les propriétés excitatrices/inhibitrices des synapses puissent être fixées par des mécanismes de plasticité synaptique dépendant de l’expérience. Les réseaux neuronaux artificiels, tels que ceux impliqués dans les championnats informatiques mentionnés ci-dessus, simulent des systèmes nerveux primitifs à l’aide d’ordinateurs ou de puces neuromorphiques. Les neurones simulés sont interconnectés par des synapses simulées appelées poids de connexion car elles relient mathématiquement les neurones simulés entre eux. Les entrées de ces ANN ne donnent pas initialement lieu à des sorties significatives souhaitées, car les synapses simulées ne sont pas encore réglées à leur niveau optimal. Les équations sont utilisées pour simuler les mécanismes de plasticité biologique dépendant de l’expérience. Elles sont utilisées pour modifier et optimiser progressivement les poids des connexions au cours d’essais d’apprentissage simulés, afin que le réseau ANN fonctionne finalement efficacement, comme l’illustrent les championnats informatiques mentionnés ci-dessus. Le point central d’intérêt ici est que la capacité d’un ANN « adulte » entièrement formé à exécuter correctement toutes les merveilleuses fonctions qu’il peut faire dépend directement des niveaux finaux d’excitation/inhibition qui caractérisent les synapses simulées. Le problème du réglage de tous les poids de connexion à des niveaux optimaux est beaucoup trop compliqué à programmer directement. Il faut un processus de rétroaction basé sur l’expérience pour que ces niveaux synaptiques simulés atteignent des états optimaux. Un entraînement intensif est généralement nécessaire avant qu’un ANN puisse atteindre un niveau de performance élevé. Un processus similaire de modification synaptique induite par l’expérience permet chaque compétence cognitive et motrice que les gens acquièrent par l’apprentissage.
L’instinct semble prérégler les connexions synaptiques à des valeurs « adultes » pendant l’embryologie. C’est-à-dire que les gènes responsables de la construction des synapses dans le cadre des réseaux neuronaux qui médient l’instinct semblent également régler leurs propriétés fonctionnelles sur des niveaux excitateurs ou inhibiteurs optimaux qui reproduisent ce qui aurait été obtenu si le réseau était passé par une phase d’apprentissage développemental rigoureuse et complète. L’ADN semble coder les valeurs synaptiques finales « adultes » dans le cas des araignées où l’instinct semble dominer leur comportement. La génétique semble exercer un effet moindre mais néanmoins notable dans ce que l’on appelle les comportements biologiquement préparés, comme nos peurs des hauteurs et du noir.
La capacité de l’ADN à présenter les propriétés des synapses individuelles à travers des réseaux neuronaux complexes explique comment les comportements peuvent être hérités. Cela explique comment les araignées peuvent tisser des toiles complexes peu après leur éclosion. Cela explique également pourquoi les chiens et les chats se comportent différemment. La variation génétique explique les différences comportementales individuelles – ou, en d’autres termes, pourquoi des araignées de la même espèce peuvent se comporter quelque peu différemment, ou pourquoi des chiens et des chats individuels ont un tempérament différent.