Les mathématiques derrière les mouvements moteurs
Même des mouvements apparemment simples sont très complexes à exécuter, et la façon dont nous apprenons à exécuter de nouveaux mouvements reste floue. Des chercheurs japonais ont récemment proposé un nouveau modèle d’apprentissage moteur qui combine un certain nombre de théories différentes. Une étude publiée ce mois-ci dans Les réseaux de neurones ont révélé que leur modèle peut simuler étonnamment bien l’apprentissage moteur chez l’homme, ouvrant la voie à une meilleure compréhension du fonctionnement de notre cerveau.
Même pour une tâche relativement simple, comme tendre la main et ramasser un objet, il existe un grand nombre de combinaisons potentielles d’angles entre votre corps et les différentes articulations impliquées. Il en va de même pour chacun de vos muscles – il existe une combinaison presque infinie de muscles et de forces qui peuvent être utilisés ensemble pour effectuer une action. Avec toutes ces combinaisons possibles d’articulations et de muscles – sans parler de l’activité neuronale sous-jacente – comment apprenons-nous à faire le moindre mouvement ? Des chercheurs de l’Université de Tsukuba ont cherché à répondre à cette question.
L’équipe de recherche a d’abord créé un modèle mathématique pour imiter le processus d’apprentissage qui se produit pour de nouvelles tâches motrices. Ils ont conçu le modèle pour refléter de nombreux processus censés se produire dans le cerveau lorsqu’une nouvelle compétence est apprise. Les chercheurs ont ensuite testé leur modèle en tentant de simuler les résultats de trois études récentes menées chez l’homme, dans lesquelles des individus ont été invités à effectuer des tâches motrices complètement nouvelles.
« Nous avons été surpris de voir à quel point nos simulations ont réussi à reproduire bon nombre des résultats d’études antérieures chez l’homme », a déclaré le professeur Jun Izawa, auteur principal de l’étude. « Avec notre modèle, nous avons pu combler le fossé entre un certain nombre de mécanismes d’apprentissage moteur proposés, tels que l’exploration motrice, la résolution de redondance et l’apprentissage basé sur les erreurs. »
Dans leur modèle, de plus grandes quantités d’exploration motrice, c’est-à-dire la variabilité des mouvements, se sont avérées utiles à l’apprentissage des dérivés de sensibilité, qui mesurent comment les commandes du cerveau affectent l’erreur motrice. De cette façon, les erreurs ont été transformées en corrections motrices.
« Notre succès à simuler des résultats réels d’études humaines était encourageant », explique le premier auteur Lucas Rebelo Dal’Bello. « Cela suggère que notre mécanisme d’apprentissage proposé pourrait refléter avec précision ce qui se passe dans le cerveau pendant l’apprentissage moteur. »
Les résultats de cette étude, qui indiquent l’importance de l’exploration motrice dans l’apprentissage moteur, donnent un aperçu de la façon dont l’apprentissage moteur pourrait se produire dans le cerveau humain. Ils suggèrent également que l’exploration motrice doit être encouragée lors de l’apprentissage d’une nouvelle tâche motrice ; cela peut être utile pour la rééducation motrice après une blessure ou une maladie.
Référence: Dal’Bello LR, Izawa J. Rôle informatique du bruit d’exploration dans l’apprentissage moteur de novo basé sur l’erreur. Réseau neuronal. 2022. doi : 10.1016/j.neunet.2022.06.011
Cet article a été republié à partir des documents suivants. Remarque : le matériel peut avoir été modifié pour la longueur et le contenu. Pour plus d’informations, veuillez contacter la source citée.