Le but du projet Bio-Bayes Predictions est de coupler les approches de modélisation computationnelles et neurocognitive de la communication parlée pour élaborer un modèle computationnel hiérarchique du traitement de la parole, compatible d'une part avec les propriétés biologiques du traitement neuronal de l'information, dans un cadre des théories prédictives et oscillatoires, et d'autre part avec les modèles bayésien perceptuo-moteurs de la communication parlée.
La question des relations entre perception et production est centrale dans de nombreux domaines des Sciences Cognitives. Dans le contexte de la communication parlée, nous avons développé COSMO (Communicating about Objects using SensoriMotor Operations), une famille de modèles bayésien algorithmiques d'agents communicants perceptuo-moteurs. Précédemment, nous avons utilisé ces modèles pour étudier l'évolution des systèmes phonologiques, les processus de perception de parole et leur apprentissage, et les processus de production de parole et leur adaptation.
Cependant, ces modèles simplifient largement les dimensions temporelles. Cela contraste avec les recherches récentes en neurophysiologie, qui ont identifié des grands réseaux neuronaux aux propriétés oscillatoires précises pour traiter l'aspect temporel complexe des signaux de parole. En particulier, les corrélats neuroanatomiques de hiérarchies de représentations aux échelles temporelles différentes (phonèmes, syllabes, mots) sont assez bien décrits. Les flux d'informations entre ces représentations sont éclairés par les théories du codage prédictif, dans lesquelles les différents niveaux hiérarchiques échangent des signaux descendants encodant les prédictions des événements futurs, et des signaux remontant encodant les erreurs de prédiction.
Mis à jour le  14 janvier 2021