La science cognitive incarnée est un champ de recherche interdisciplinaire visant à expliquer les mécanismes sous-jacents au comportement intelligent. Elle remet en question la théorie computationnelle classique de l'esprit en soutenant que la cognition n'est pas simplement une manipulation abstraite de symboles, mais qu'elle est profondément façonnée par le corps physique et ses interactions avec l'environnement. Le champ comprend trois méthodologies principales : modéliser les systèmes psychologiques et biologiques de manière holistique, en traitant l'esprit et le corps comme une entité unique ; développer un ensemble commun de principes généraux du comportement intelligent ; et utiliser expérimentalement des agents robotiques dans des environnements contrôlés. Cette approche s'appuie sur des perspectives issues des sciences cognitives, de la psychologie, des neurosciences et de l'intelligence artificielle, et a influencé des domaines allant de l'apprentissage automatique à la robotique autonome.
Les racines intellectuelles du champ remontent aux premières propositions en informatique. En 1950, Alan Turing a suggéré qu'une machine pourrait avoir besoin d'un corps semblable à celui d'un humain pour penser et parler, notant qu'elle pourrait être pourvue des meilleurs organes sensoriels et apprendre à comprendre et à parler anglais grâce à un processus similaire au développement de l'enfant. Cette idée a anticipé les approches incarnées ultérieures, qui soutiennent que la perception et l'action sont inséparables de la cognition.
Théorie cognitive traditionnelle
La théorie cognitive traditionnelle, dominante au milieu du XXe siècle, repose principalement sur la manipulation de symboles. Dans ce modèle, les entrées sont acheminées vers une unité de traitement qui produit des sorties selon des règles syntaxiques, à partir desquelles la signification sémantique est dérivée. Par exemple, les organes sensoriels humains servent de dispositifs d'entrée, et les stimuli de l'environnement externe sont acheminés vers le système nerveux, qui agit comme unité de traitement. Le système nerveux lit les informations sensorielles parce qu'il suit une structure syntaxique, produisant des sorties qui créent des mouvements corporels et des comportements. Une caractéristique clé de cette vision est que la cognition est scellée dans le cerveau, coupée du monde extérieur sauf par l'intermédiaire des entrées sensorielles.
Ce cadre computationnel a influencé les premières recherches en intelligence artificielle, y compris les travaux dans des institutions comme le MIT CSAIL et le Xerox PARC. Cependant, il a rencontré des problèmes conceptuels, notamment l'argument de l'homunculus, qui suggérait que dériver une signification sémantique à partir de symboles nécessite un interprète interne, conduisant à une régression infinie. Cette critique a sapé la plausibilité du modèle traditionaliste et a motivé des approches alternatives.
L'approche cognitive incarnée
La science cognitive incarnée rejette le système d'entrée-sortie de la théorie traditionnelle, principalement en raison des problèmes soulevés par l'argument de l'homunculus. Au lieu de s'appuyer sur une manipulation interne de symboles, elle définit la cognition à travers trois aspects interdépendants : les attributs physiques du corps, le rôle du corps dans le processus cognitif et le couplage entre l'organisme et l'environnement.
Attributs physiques du corps
Le premier aspect examine comment les propriétés physiques du corps affectent sa capacité à penser, tentant de surmonter la composante de manipulation de symboles du modèle traditionaliste. La perception de la profondeur, par exemple, est mieux expliquée sous l'approche incarnée en raison de sa complexité. La perception de la profondeur nécessite que le cerveau détecte des images rétiniennes disparates causées par la distance entre les deux yeux, ainsi que des indices corporels et de la tête. Lorsque la tête tourne, les objets au premier plan semblent se déplacer par rapport à l'arrière-plan. Cette observation suggère que le traitement visuel se produit sans manipulation intermédiaire de symboles, car le mouvement apparent est directement perçu.
La perception auditive fournit un autre exemple. Plus la distance entre les oreilles est grande, plus l'acuité auditive possible est grande, et la densité du matériau entre les oreilles affecte la force des ondes de fréquence lorsqu'elles traversent un milieu. Le système auditif du cerveau prend ces facteurs en compte sans avoir besoin de symboles pour les représenter. La distance elle-même crée l'opportunité d'une plus grande acuité, et la densité forme l'opportunité d'une altération de fréquence. Ainsi, en considérant les propriétés physiques, un système symbolique est inutile et constitue une métaphore peu utile.
Le rôle du corps dans le processus cognitif
Le deuxième aspect s'appuie largement sur les travaux de George Lakoff et Mark Johnson sur les concepts. Ils ont soutenu que les humains utilisent des métaphores pour expliquer leur monde extérieur et disposent d'un stock de base de concepts à partir duquel d'autres peuvent être dérivés. Ces concepts de base incluent des orientations spatiales telles que haut, bas, avant et arrière. Les humains comprennent ces concepts parce qu'ils les expérimentent directement à travers leur propre corps. Par exemple, parce que le mouvement humain implique de se tenir debout et de se déplacer dans un mouvement de haut en bas, les humains ont intrinsèquement des concepts de haut et de bas. Lakoff et Johnson soutiennent qu'il en va de même pour d'autres orientations spatiales. Ces concepts spatiaux de base forment la base pour construire d'autres concepts. Heureux et triste, par exemple, sont vus respectivement comme haut ou bas ; lorsque quelqu'un dit qu'il se sent déprimé, il exprime un mapping métaphorique enraciné dans l'expérience corporelle.
Cette perspective a influencé la recherche sur les modèles de réseaux de neurones et l'apprentissage profond, où les représentations sont souvent ancrées dans des données sensorimotrices plutôt que dans des symboles abstraits. Elle se connecte également aux travaux en robotique, où l'incarnation physique est centrale pour l'apprentissage et le comportement.
Couplage de l'organisme et de l'environnement
Le troisième aspect met l'accent sur l'interaction continue entre un organisme et son environnement, rejetant l'idée de la cognition comme traitement interne isolé. Cette vision s'aligne sur l'utilisation expérimentale d'agents robotiques dans des environnements contrôlés, une méthodologie centrale de la science cognitive incarnée. Des robots avec des règles simples peuvent exhiber des comportements complexes sans modèles internes explicites, comme démontré dans les premiers travaux de Rodney Brooks dans des institutions comme le Stanford AI Lab et plus tard au MIT CSAIL. Cette approche contraste avec la dépendance de l'IA traditionnelle à la représentation et au raisonnement explicites des connaissances.
Contributeurs et influences
La science cognitive incarnée emprunte largement à la philosophie incarnée et aux domaines de recherche connexes. Parmi les contributeurs figurent des neuroscientifiques tels que Gerald Edelman de l'Institut des neurosciences à La Jolla, Francisco Varela du CNRS en France, et J. A. Scott Kelso de l'Université Florida Atlantic. Des psychologues comme Lawrence Barsalou, Michael Turvey et Eleanor Rosch ont contribué, ainsi que des linguistes tels que Gilles Fauconnier, George Lakoff et Leonard Talmy. Des anthropologues comme Edwin Hutchins et Merlin Donald ont également façonné le champ.
Dans la conception d'agents autonomes, les premiers travaux sont attribués à Rodney Brooks et Valentino Braitenberg. Parmi les livres influents figurent Understanding Intelligence de Rolf Pfeifer et Christian Scheier, et How the Body Shapes the Way We Think de Pfeifer et Josh C. Bongard. Des philosophes comme Andy Clark, Dan Zahavi et Evan Thompson ont fourni des fondements théoriques. Les idées du champ ont également influencé la recherche moderne en IA, y compris les travaux sur les grands modèles de langage et les architectures transformeurs, bien que ces systèmes fonctionnent souvent sans incarnation physique.
Applications et pertinence moderne
La science cognitive incarnée a des applications pratiques en robotique et en IA. Des entreprises comme Figure AI et Sanctuary AI développent des robots humanoïdes qui reposent sur l'interaction incarnée avec les environnements. La recherche en apprentissage par renforcement et en apprentissage curriculaire intègre souvent des principes incarnés, où les agents apprennent par interaction physique ou simulée. Le champ informe également l'interaction homme-robot et le développement de véhicules autonomes, tels que Waymo et Tesla Autopilot, où la perception et l'action sont étroitement couplées.
L'approche a également influencé les débats en intelligence artificielle sur les limites des modèles désincarnés. Les critiques soutiennent que des systèmes comme les grands modèles de langage, qui traitent du texte sans ancrage sensoriel, peuvent manquer de véritable compréhension. La science cognitive incarnée suggère qu'une intelligence authentique nécessite un corps qui interagit avec le monde, une perspective qui continue de façonner les agendas de recherche dans le milieu académique et industriel.