L'objectif de cette thèse est de s'inspirer de la neurobiologie pour modéliser les mécanismes émotionnels de bas niveau sur un robot évoluant en environnement réel. Ce travail présente un modèle des émotions cohérent avec les données expérimentales décrivant le fonctionnement des structures cérébrales principales impliquées dans les mécanismes émotionnels. Les émotions jouent un rôle capital aussi bien pour la régulation du comportement des êtres humains que des animaux. En accord avec la vision darwinienne, les émotions sont vues comme des mécanismes adaptatifs favorisant la survie. Cependant, leur organisation autours de signaux essentiellement positifs et négatifs leur donne un caractère dimensionnel. Notre modèle considère les émotions comme le résultat de la dynamique d'interactions entre deux systèmes permettant l'évaluation des interactions avec l'environnement physique d'une part et l'environnement social d'autre part. Cette approche bioinspirée des émotions permet de donner aux robots une mécanique de base pour construire leur autonomie comportementale et leurs capacités de communication. Dans cette thèse, nous montrons qu'elles permettent autant de s'adapter aux caractéristiques de l'environnement que de servir de support à une communication non verbale. L'approche biomimétique de notre travail se traduit en termes méthodologiques par l'utilisation de réseaux de neurones formels pour les architectures de contrôle du robot mais aussi en termes fonctionnels par l'organisation de ces réseaux comme modèles de différentes structures du cerveau et de leurs interactions (amygdale, accumbens, hippocampe et cortex préfrontal). Suivant le courant animat, le robot est vu comme un animal aux besoins vitaux satisfaits par les ressources de son environnement. Les expérimentations seront illustrées sur des comportements de navigation reposant sur les apprentissages de conditionnements visuo-moteurs (stratégie visuelle) et sur l'intégration de chemin (stratégie propioceptive). Les conditionnements associant les signaux nocicepteurs et hédoniques aux autres informations sensorielles ou aux actions du robot sont à la base des régulations émotionnelles. Les prédictions que forme le robot lui permettent d'apprendre des comportements aversifs ou appétitifs en réponse à ses anticipations de "douleur" ou de "plaisir". Il peut aussi monitorer ses prédictions afin d'évaluer l'efficacité de ses comportements. C'est ce qui lui permet de réguler ses motivations et de sélectionner ses stratégies (navigation visuelle ou proprioceptive) et ses buts (ressources de l'environnement) de façon à satisfaire au mieux son équilibre interne en fonction de son environnement. Cette utilisation de signaux bas niveau positifs et négatifs permet de construire un modèle émotionnel minimal assurant au robot une autonomie comportementale. Dans un deuxième temps, nous utilisons l'expressivité émotionnelle comme base à une communication avec le robot. Une tête mécanique permet au robot d'exprimer ses émotions grâce à ses expressions faciales. Cette communication consiste à donner au robot des signaux de récompense et de punition. Nous avons développé un modèle permettant de construire de manière autonome ces signaux d'interaction en leur donnant leur valeur émotionnelle. Cet échange d'informations avec le robot lui permet d'apprendre à valuer son environnement ou son comportement et ainsi d'apprendre interactivement à résoudre ses problèmes de navigation. La modélisation des mécanismes émotionnels présentées dans cette thèse permet d'aborder aussi bien les questions de robotique autonome que d'interactions Homme-Machine. Plus largement, cette approche illustre l'intérêt de placer la robotique au coeur des sciences cognitives grâce à l'éclairage que permet l'analyse des comportements rendus possibles par des architectures neuronales relativement simples.

Ce travail de thèse a pour objectif de préciser le rôle du cortex operculo-insulaire dans la somesthésie et la douleur chez l'Homme à l'aide d'études réalisées par stimulations électriques intracérébrales et en IRM fonctionnelle (IRMf). Deux secteurs fonctionnels distincts ont été mis en évidence; d'une part l'insula dont 60% des stimulations induisent des réponses somato-sensitives dont 10% sont douloureuses, où il existe une localisation préférentiellement postérieure des sites de stimulation donnant lieu à une réponse douloureuse et un décrément antéro-postérieur du seuil de déclenchement d'une réponse douloureuse, dont les champs récepteurs couvrent de larges surfaces cutanées, et où les réponses douloureuses ont une organisation somatotopique grossière ; d'autre part l'aire SII dont la stimulation induit quasi exclusivement des réponses somato-sensitives dont 10% sont douloureuses, sur des surfaces cutanées plus restreintes. SII et l'insula postérieure sont les deux seules régions corticales dont la stimulation est capable d'induire une sensation douloureuse. Une ségrégation fonctionnelle au sein de SII et de l'insula a été montrée en IRMf, par l'existence de patterns spécifiques d'activation pour chaque modalité sensitive, comprenant des sous- régions dont l'activation semble spécifique de la sensation douloureuse. Ceci confère à ces régions une originalité toute particulière au sein de la matrice douleur, puisqu'il semble qu'elles seules puissent activer le réseau fonctionnel des aires impliquées dans la sensation douloureuse et ainsi permettre 'l'expérience' de la douleur.

Depuis les années 50 sont apparues, comme domaine d'étude, ce que l'on appelle les sciences cognitives, qui ont fédéré des disciplines telles que, entre autres, la neurobiologie, la psychologie, la philosophie, la linguistique... et bien entendu l'informatique. Sans revenir sur l'historique de la constitution des sciences cognitives, nous en retiendrons qu'elles sont apparues à partir du moment o'u les sciences sont devenues capables d'aborder la question de la conscience, en décortiquant et objectivant les phénomènes de mémoire, de perception, de langage et d'émotions. Objectiver le sujet, qui est au cœur des sciences cognitives, est l'expression d'un paradoxe dont nous parlerons dans ce chapitre, et la science informatique y a pris toute sa part. L'Intelligence Artificielle (IA) a été le versant en informatique des sciences cognitives. Parler d'intelligence artificielle fait d'ailleurs toujours l'objet de polémiques, la question de savoir jusqu'où l'on peut dire qu'une machine est capable d'intelligence n'étant pas tranchée aujourd'hui. Face à cette indétermination, nous soutiendrons l'hypothèse dite de l'IA forte, qui propose de considérer que l'ensemble de ce que l'on peut observer chez l'homme en termes de langage, pensée, conscience, est strictement le fruit de son métabolisme, neuronal en particulier. Nous ne demanderons pas au lecteur d'adhérer à cette hypothèse, mais soulignons ici qu'elle motive les travaux et les orientations de recherches que nous présentons dans ce mémoire. L'hypothèse d'IA forte trouve un écho particulier en informatique pour les raisons suivantes. L'informatique est une discipline qui dès l'origine [Turing, 1936; Church, 1936] a su abstraire la mécanique du traitement de l'information de son support. En effet, les machines de Turing ont existé bien avant d'être instanciées sur support physique. Selon cette perspective, qu'un traitement soit effectué sur silicium, au sein d'une clepsydre améliorée, ou sur un support neuronal ne change rien à l'affaire. La métaphore de la chambre chinoise de John Searle [Searle, 1980] illustre cette indépendance au support. Elle compare l'ordinateur à une personne enfermée dans une salle qui manipule des symboles chinois auxquels elle ne comprend rien, suivant pour ce faire un système de règles. Si l'on adhère à l'hypothèse d'IA forte, ce que ne fait pas Searle, le système de règles pourrait décrire une intelligence, équivalente à celle de l'Homme, dont l'opérateur est le moteur. Ce qui motive notre recherche informatique est l'hypothèse de l'existence de ces règles, autrement dit, d'un programme qui conduise 'a ce qu'une intelligence de même nature que celle de l'Homme puisse être instanciée par une machine de Turing. Faire cette hypothèse, toutefois, ne permet pas de guider la conception du programme, ou plutôt d'un programme, qui puisse doter une machine d'intelligence. Il est alors nécessaire de trouver ailleurs les arguments permettant de concevoir ces programmes. Là encore, l'hypothèse d'IA forte joue un rôle central. Si on admet que l'intelligence dont l'Homme fait preuve n'est que le résultat de la mécanique de ses neurones, il devient pertinent de s'inspirer des neurones 1Chapitre 1. Préambule pour concevoir un programme intelligent. L'argument ici n'est pas de dire que la voie neuromimétique est la seule qui puisse permettre de concevoir des machines intelligentes, mais plutôt de souligner que, sous l'hypothèse d'IA forte, cette voie permettra d'aboutir. En plus de cette garantie de succès, toute théorique car rien ne dit que la technologie permettra d'instancier ces machines, l'inspiration des neurones a un autre avantage pour l'informatique, qui se défend sans recourir à l'hypothèse d'IA forte. En effet, qu'ils suffisent ou non à rendre compte de l'intelligence, les mécanismes neuronaux qui s'expriment au sein du système nerveux sont un exemple de traitement de l'information de nature foncièrement différente de ceux conçus par les approches classiques de génie logiciel. L'étude de ces systèmes est alors susceptible d'apporter à l'informatique des paradigmes nouveaux, et c'est ce que nous défendons le plus ardemment dans nos travaux de recherche. L'ensemble de ce chapitre consiste 'a préciser ces quelques lignes d'introduction, en abordant le talon d'Achille des sciences cognitives, 'a savoir la question de la définition de l'intelligence. Nous abordons ensuite la question de la pluridisciplinarité, saisie du point de vue de l'informatique, pour défendre l'apport des sciences dites " molles " à notre discipline. Nous nous trouvons en effet dans la situation où un recours aux sciences humaines et sociales peut être défendu comme une aide pour débloquer les difficultés que rencontrent des sciences pourtant " dures " lorsqu'elles abordent la question de l'intelligence.

Concepts are widely agreed to be the basic constituents of thought. Amongst philosophers and psychologists, however, the question of how concepts are structured has been a longstanding problem and a locus of disagreement. I draw on recent work describing how representational content is ascribed to populations of neurons to develop a novel solution to this problem. Because disputes over the structure of concepts often reflect divergent explanatory goals, I begin by arguing for a set of six criteria that a good theory ought to accommodate. These criteria address philosophical concerns related to content, reference, scope, publicity, and compositionality, and psychological concerns related to categorization phenomena and neural plausibility. Next, I evaluate a number of existing theoretical approaches in relation to these six criteria. I consider classical views that identify concepts with definitions, similarity-based views that identify concepts with prototypes or exemplars, theory-based views that identify concepts with explanatory schemas, and atomistic views that identify concepts with unstructured mental symbols that enter into law-like relations with their referents. I conclude that none of these accounts can satisfactorily accommodate all of the criteria. I then describe the theory of representational content that I employ to motivate a novel account of concept structure. I briefly defend this theory against competitors, and I describe how it can be scaled from the level of basic perceptual representations to the level of highly complex conceptual representations. On the basis of this description, I contend that concepts are structured dynamically through sets of transformations of single source representation, and that the content of a given concept specifies the set of potential transformations it can enter into. I conclude by demonstrating that the ability of this account to meet all of the criteria introduced beforehand. I consider objections to my views throughout.

Thesis (M.A.)--University of Akron, Dept. of English, 2007. / "May, 2007." Title from electronic thesis title page (viewed 4/26/2009) Advisor, Sheryl Stevenson; Faculty Reader, Bob Pope; Department Chair, Diana Reep; Dean of the College, Ronald F. Levant; Dean of the Graduate School, George R. Newkome. Includes bibliographical references.

Thesis (Ph. D.)--Carleton University, 2003. / Includes bibliographical references (p. 195-207). Also available in electronic format on the Internet.

Thesis (Ph. D.)--University of Missouri-Columbia, 1994. / Permission to use letters at end of volume 2. Typescript. Vita. Includes bibliographical references (leaves 462-595). Also available on the Internet.

Thesis (Ph. D.)--University of Missouri-Columbia, 1994. / Permission to use letters at end of volume 2. Typescript. Vita. Includes bibliographical references (leaves 462-595). Also available on the Internet.

Thesis (M.S.)--Mississippi State University. Department of Computer Science and Engineering. / Title from title screen. Includes bibliographical references.

Thesis (M.Comm. (Human resources management))-University of Pretoria, 2004. / Summaries in English and Afrikaans. Includes bibliographical references. Available on the Internet via the World Wide Web.