Aller au contenu
ATLAS Humain × IA

Référentiel A — capacité humaine

Alison Gopnik

PsychologiquedeveloppementdocumentéVérifié le

Thèse centrale

Gopnik soutient que les jeunes enfants construisent des représentations abstraites des relations causales — des « cartes causales » — et les révisent comme des théories : ils infèrent une structure à partir de patrons de corrélation et d'interventions, ce qui leur permet de prédire et de planifier des actions nouvelles indépendamment de leur expérience immédiate. Ces représentations peuvent être décrites formellement par des réseaux bayésiens causaux, et les mécanismes d'apprentissage de l'enfant paraissent effectuer des calculs comparables à ceux de l'inférence dans ces réseaux.

Apport

La « théorie-théorie », exposée avec Andrew Meltzoff puis grand public dans The Scientist in the Crib (avec Meltzoff et Patricia Kuhl, William Morrow, 1999), donne un cadre à l'idée que l'enfant procède comme un chercheur. L'article « A theory of causal learning in children: causal maps and Bayes nets » (Gopnik, Glymour, Sobel, Schulz, Kushnir & Danks, Psychological Review, 111(1), 2004, 3-32) lui donne sa forme mathématique, en posant un « problème causal inverse » analogue au problème inverse de la vision.

Limites et critiques

Les auteurs énoncent eux-mêmes les limites du cadre : les méthodes de recherche bayésienne ont des exigences de mémoire et de traitement psychologiquement irréalistes, et les enfants n'emploieraient que des versions heuristiques et restreintes des algorithmes adultes ; le formalisme repose sur les hypothèses de Markov et de fidélité, qui « peuvent se révéler fausses dans des cas particuliers » et produire alors des illusions causales ; enfin le compte rendu vaut pour la connaissance causale et non pour les représentations spatiales, phonologiques ou musicales.

Résonance avec l'IA

Le vocabulaire formel employé par Gopnik — réseaux bayésiens, interventions, structure causale inférée de données d'observation — est celui de l'inférence causale en apprentissage automatique. La communauté de formalisme est réelle et documentée ; elle ne prouve pas que les mécanismes sous-jacents soient les mêmes, et les auteurs marquent eux-mêmes l'écart entre l'algorithme et sa réalisation cognitive.

Débats documentés

Appuis explicites (2)

Une fiche nomme l'autre dans sa thèse centrale ou son apport : elle s'y adosse.

  • Patricia Kuhlappui explicite

    La « théorie-théorie », exposée avec Andrew Meltzoff puis grand public dans The Scientist in the Crib (avec Meltzoff et Patricia Kuhl, William Morrow, 1999), donne un cadre à l'idée que l'enfant procède comme un chercheur.

  • Naive Bayesappui explicite

    L'article « A theory of causal learning in children: causal maps and Bayes nets » (Gopnik, Glymour, Sobel, Schulz, Kushnir & Danks, Psychological Review, 111(1), 2004, 3-32) lui donne sa forme mathématique, en posant un « problème causal inverse » analogue au problème inverse de la vision.

Sources

  1. 1.Gopnik, A., Glymour, C., Sobel, D. M., Schulz, L. E., Kushnir, T. & Danks, D. — « A theory of causal learning in children: causal maps and Bayes nets », Psychological Review, 111(1), 2004, 3-32primaire
  2. 2.Gopnik, A., Meltzoff, A. N. & Kuhl, P. K. — The Scientist in the Crib, William Morrow, 1999primaire
  3. 3.Alison Gopnik — Wikipedia (EN)secondaire

Analyses de gap citant cette fiche

Aucune paire humain × IA documentée pour cette capacité à ce jour. Le comparateur permet de tester la combinaison et affiche son statut réel.

Fiches connexes — developpement

Données brutes de cette fiche : /api/fiches/alison-gopnik — voir la méthodologie.