Search

James DiCarlo

La nomination

  • Boursier
  • Apprentissage automatique, apprentissage biologique

Institution

  • Massachusetts Institute of Technology
Département de sciences cérébrales et cognitives

Pays

  • États Unis

Éducation

Ph.D. (génie biomédical), Université Johns Hopkins
B.S.E. (génie biomédical), Université Northwestern

À propos

Les recherches de l’équipe de James DiCarlo ont pour objectif d’améliorer notre compréhension, au plan computationnel, des mécanismes cérébraux qui sous-tendent la reconnaissance d’objets.

Actuellement, son groupe tente de mieux comprendre des transformations réalisées par une série de stades de traitement néocortical – au sein de la voie visuelle ventrale du primate – qui peuvent sans effort démêler l’identité d’objets d’autres variables d’images latentes comme la position, l’échelle et la pose d’un objet. De concert avec son équipe, DiCarlo a démontré que des populations de neurones au stade de traitement visuel cortical le plus élevé (IT) transmettent rapidement (<200 ms) des représentations explicites de l’identité de l’objet, même en présence de la variabilité naturelle de l’image. Son groupe a découvert que la capacité de la voie ventrale d’accomplir cet exploit est rapidement façonnée par l’expérience visuelle naturelle et ils peuvent maintenant surveiller en ligne les substrats neuronaux de cet apprentissage. Cela pourrait nous aider à mieux comprendre comment le système visuel utilise les statistiques du monde visuel pour « apprendre » des représentations neuronales qui désintriquent automatiquement l’identité des objets.

De concert avec ses collaborateurs, DiCarlo a aussi démontré qu’il était possible d’utiliser des épreuves de reconnaissance visuelle soigneusement conçues pour découvrir de nouveaux algorithmes bioinspirés haute performance, et explorer de façon efficace la possibilité d’algorithmes corticaux. Son groupe utilise actuellement une combinaison de méthodes de neurophysiologie à grande échelle, d’imagerie cérébrale, de méthodes optogénétiques et de simulations informatiques à haut débit pour comprendre les mécanismes neuronaux et calculs corticaux fondamentaux qui sous-tendent la construction de ces puissantes représentations d’images. Ils veulent exploiter ces connaissances pour la mise au point de nouveaux systèmes de vision artificielle qui serviront de base à de nouvelles prothèses neuronales (interfaces cerveau-machine) destinées à rétablir ou à stimuler des fonctions sensorielles perdues. Ces résultats pourraient aider la communauté à comprendre comment la représentation visuelle de haut niveau est modifiée par divers états chez l’humain, comme l’agnosie, l’autisme et la dyslexie.

 

Prix

Bourse de chercheur McKnight en neuroscience, Fondation McKnight, 2006-2009

Prix de la Fondation de recherche Surdna, MIT, 2005

Prix d’excellence en enseignement au premier cycle de la MIT School of Science, 2005

Chercheur Pew en sciences biomédicales, 2002-2006

Bourse de recherche Alfred P. Sloan, 2002

Publications Pertinentes

Li, N. et coll. « What response properties do individual neurons need to underlie position and clutter ‘invariant’ object recognition? » J. Neurophysiol. 102, no 1 (juillet 2009): 360–76.

DiCarlo, J.J. et N. Li. « Unsupervised natural experience rapidly alters invariant object representation in visual cortex. » Science 321, no 5895 (septembre 2008): 1502–1507.