# Que disait le livre de Donald Hebb, paru en 1949, sur la façon dont le cerveau apprend?

Date: 2019-12-02 · Author: Robert Scales · https://guidetoartificialintelligence.com/fr/apprendre/qu-est-ce-que-la-regle-de-hebb/

**Answer:** Dans The Organization of Behavior (1949), le psychologue canadien Donald Hebb proposait que lorsqu’une cellule du cerveau aide à répétition à en activer une autre, le lien entre elles se renforce, et que des groupes de cellules ainsi renforcés, qu’il appelait des assemblées de cellules, sont les éléments de base de la perception et de la pensée. Cette idée, connue sous le nom de règle de Hebb, est devenue l’une des idées fondatrices de la recherche sur les réseaux de neurones.

Comment un cerveau se souvient-il de quoi que ce soit? En 1949, un psychologue de l’Université McGill, à Montréal, a proposé une réponse assez simple pour tenir en une phrase et assez riche pour occuper les chercheurs pendant soixante-dix ans. Donald Hebb suggérait que lorsqu’une cellule nerveuse aide sans cesse une autre à s’activer, quelque chose change physiquement, de sorte que la première cellule devient plus efficace pour activer la seconde. Dans cette vision, apprendre, c’est renforcer peu à peu les connexions utiles.

Il a exposé cette idée dans un livre intitulé *The Organization of Behavior: A Neuropsychological Theory*, publié en 1949 par John Wiley & Sons, à New York. La préface est signée « Montréal, avril 1949 ». Aujourd’hui, on parle généralement de la règle de Hebb ou de l’apprentissage hebbien, et quiconque étudie les réseaux de neurones la rencontre très tôt.

## Qui était Donald Hebb

Donald Olding Hebb est né en 1904 à Chester, en Nouvelle-Écosse. Il a obtenu une maîtrise en psychologie à McGill en 1932 et un doctorat à Harvard en 1936. De 1937 à 1939, il a travaillé avec le neurochirurgien Wilder Penfield à Montréal, où il a constaté que des patients pouvaient perdre de grandes parties du cerveau sans perdre beaucoup d’intelligence mesurée. Cette énigme ne l’a plus quitté.

Dans les années 1940, beaucoup de psychologues traitaient le comportement comme une affaire de stimulus et de réponse, sans grand intérêt pour ce qui se passait dans la tête. Hebb voulait une théorie qui relie ce que les physiologistes savaient des neurones à ce que les psychologues observaient en laboratoire et en clinique. Sa préface remercie les étudiants de séminaires donnés à Harvard à l’été 1947 et à McGill l’hiver suivant, ainsi que les collègues avec qui il a débattu chaque semaine, pendant cinq ans, aux laboratoires de primatologie Yerkes.

## La règle, dans les mots de Hebb

Le passage clé se trouve au quatrième chapitre, sous le titre « A Neurophysiological Postulate » (un postulat neurophysiologique). Un postulat est une hypothèse qu’on pose pour construire une théorie. Hebb a écrit : « Quand un axone de la cellule A est assez près pour exciter une cellule B et prend part, de façon répétée ou persistante, à son activation », un processus de croissance ou un changement chimique se produit dans l’une des deux cellules ou dans les deux, de sorte que A devient plus efficace pour activer B.

Quelques termes aident ici. Un neurone est une cellule nerveuse. Son axone est la longue fibre qui transmet son signal vers d’autres cellules. Une synapse est la minuscule jonction où l’axone d’une cellule rejoint la cellule suivante. « S’activer » (en anglais, *fire*) veut dire envoyer une impulsion électrique.

Hebb supposait que le changement pourrait être la croissance de petits boutons à la synapse, ce qui agrandirait la surface de contact entre les cellules. Il reconnaissait franchement qu’il n’y avait encore aucune preuve directe de cela. Il le présentait comme le mécanisme le plus plausible, non comme un fait démontré.

## Assemblées de cellules et séquences de phase

La règle seule décrit une paire de cellules. L’affirmation plus large de Hebb portait sur des groupes. Si la même stimulation se répète encore et encore, soutenait-il, un groupe dispersé de cellules du cerveau se relie en ce qu’il appelait une « assemblée de cellules ». Une fois formée, l’assemblée peut rester active brièvement par elle-même, comme un petit circuit qui s’entretient tout seul, et elle peut transmettre son activité à d’autres assemblées.

Une chaîne d’assemblées qui s’activent l’une après l’autre, c’est ce que Hebb appelait une « séquence de phase », et il l’associait au cours de la pensée. Une assemblée peut être déclenchée par une impression des sens, par l’assemblée précédente ou, le plus souvent, par les deux à la fois.

Une analogie de tous les jours aide. Pensez à un sentier à travers un champ d’herbe. La première personne qui le traverse ne laisse presque aucune trace. Si beaucoup de gens prennent le même chemin, l’herbe s’use et le sentier devient le passage le plus facile. Les synapses de Hebb ressemblent à cette herbe : l’usage répété rend un trajet plus facile à parcourir la fois suivante.

| Image de tous les jours | Terme de Hebb | Ce que cela veut dire |
|---|---|---|
| Une empreinte de pas | Une seule activation | La cellule A aide une fois à activer la cellule B |
| Un sentier usé | Une synapse renforcée | A active maintenant B plus facilement |
| Un réseau de sentiers | Une assemblée de cellules | Un groupe de cellules qui agissent ensemble |
| Une promenade sur plusieurs sentiers | Une séquence de phase | Une assemblée qui déclenche la suivante : une pensée |

> **À essayer :** choisissez une habileté que vous avez pratiquée jusqu’à ce qu’elle devienne automatique, comme taper votre mot de passe ou une gamme au piano. Notez ce qui a changé entre le premier essai et le centième. Puis décrivez ce changement avec les mots de Hebb : quels « sentiers » se sont usés, selon vous?

## Pourquoi le livre a compté

L’Encyclopédie canadienne attribue au livre le mérite d’avoir remis l’esprit dans le cerveau, à un moment où une grande partie de la psychologie avait cessé de parler des processus intérieurs. Les idées de Hebb ont aussi donné aux neuroscientifiques quelque chose à vérifier. Les travaux du laboratoire d’Eric Kandel sur la limace de mer *Aplysia*, par exemple, ont fourni des preuves qu’un renforcement semblable à celui de Hebb se produit dans de vraies synapses.

Pour l’intelligence artificielle, le livre est arrivé au bon moment. Warren McCulloch et Walter Pitts avaient montré en 1943 que de simples neurones modèles pouvaient calculer des fonctions logiques, mais leurs réseaux n’apprenaient pas. Hebb a fourni une règle d’apprentissage plausible. En deux ou trois ans, Marvin Minsky et Dean Edmonds ont construit SNARC, une machine qui apprenait, composée d’une quarantaine de synapses artificielles qui se renforçaient avec l’usage.

On résume souvent la règle par « les neurones qui s’activent ensemble se connectent ensemble » (en anglais, *neurons that fire together, wire together*). Le slogan est pratique, mais un peu inexact. Hebb disait que la cellule A doit prendre part à l’activation de la cellule B, ce qui suppose que A s’active juste avant B, et pas seulement au même moment. Dans les vrais cerveaux, le moment précis s’avère important.

## Comment la règle de Hebb est-elle utilisée dans les réseaux de neurones artificiels?

Dans un réseau de neurones artificiel, chaque connexion entre deux unités porte un nombre appelé poids, qui indique avec quelle force une unité influence l’autre. La règle de Hebb devient une recette pour modifier ce nombre : quand deux unités reliées sont actives ensemble, on augmente le poids entre elles. Dans sa forme la plus simple, le changement est simplement le produit des deux activités; il n’augmente donc que lorsque les deux sont « allumées ».

Ce type d’apprentissage n’a besoin ni d’enseignant ni de bonnes réponses. Le réseau renforce simplement les motifs qui se produisent souvent ensemble, et c’est pourquoi on décrit souvent l’apprentissage hebbien comme une base de l’apprentissage non supervisé. Les réseaux construits sur cette idée peuvent mémoriser un motif et, plus tard, le retrouver en entier à partir d’un fragment, un peu comme on reconnaît une chanson à ses premières notes.

La plupart des grands réseaux dont on parle dans l’actualité en 2019, comme les systèmes de reconnaissance d’images et les modèles de langage, sont entraînés autrement : on mesure leurs erreurs et on ajuste chaque poids pour les réduire. La règle de Hebb reste néanmoins le point de départ pour comprendre pourquoi le savoir d’un réseau loge dans la force de ses connexions.

## Sources

- The Organization of Behavior: A Neuropsychological Theory: https://archive.org/details/in.ernet.dli.2015.97836
- Hebbian theory: https://en.wikipedia.org/w/index.php?title=Hebbian_theory&oldid=920489553
- Donald Olding Hebb: https://www.thecanadianencyclopedia.ca/en/article/donald-olding-hebb