Informations

Comment les mammifères estiment-ils la vitesse des objets en mouvement ?

Comment les mammifères estiment-ils la vitesse des objets en mouvement ?

Y a-t-il eu des recherches sur la façon dont les mammifères prédisent la vitesse des objets en mouvement ? En particulier, comment intègrent-ils les informations descendantes ? Par exemple, ont-ils plus de difficulté à estimer la vitesse d'un paresseux rapide qu'une souris en mouvement ?


Deux zones du cortex visuel sont associées à la perception de la vitesse, à savoir :

  1. Le cortex visuel primaire (V1) et
  2. La zone temporale moyenne (MT ou V5).

V1 et MT contiennent tous deux des neurones qui répondent fortement au mouvement dans une direction particulière et ont également des réponses sélectives à une vitesse particulière. Direction et vitesse définissent ensemble le vecteur vitesse, c'est à dire., ces neurones V1 et MT sont réglés en vitesse. Les neurones à l'écoute de la vitesse dans V1 projettent généralement sur les cellules à l'écoute de la vitesse dans la MT. Alors que V1 contient environ 25 % de neurones réglés en vitesse, ceux des neurones MT sont presque tous réglés en vitesse (Bradley & Goyal, 2008).

Il s'agit maintenant d'un traitement ascendant. En gros, vous demandez également si les problèmes descendants jouent un rôle. Je ne pense pas. Le système visuel est essentiellement divisé en un flux dorsal « quoi » et un flux ventral « où » (Fig. 1). Le système « quoi » identifie une cible et le système « où » (contenant la MT) détermine l'emplacement et la vitesse. Pour autant que je sache, il n'y a pas de rétroaction du flux dorsal sur le flux ventral pour affecter le traitement de la vitesse.


Fig. 1. Ruisseaux dorsaux (pariétal) et ventraux (temporaux). source : Lehky & Sereno (2007)

Les références
- Bradley & Goyal, &Nature Rev Neurosci (2008); 9: 686-95
- Lehky & Sereno, *J Neurophysiol (2007); 97(1): 307-19


@AliceD a donné une excellente réponse sur la voie ascendante. Permettez-moi d'ajouter quelques bits de traitement descendants dans l'image, puisque c'est ce que vous demandez.

Tout d'abord, au niveau de la perception, la perception du mouvement est biaisée par les attentes préalables et la force du signal de mouvement. Par exemple, voir :

  • Stocker, A.A. et Simoncelli, E.P. (2006). Caractéristiques du bruit et attentes antérieures dans la perception de la vitesse visuelle humaine. Nature Neuroscience, 9(4):578-585. http://dx.doi.org/10.1038/nn1669

L'activité neuronale de la MT (et du comportement) est connue pour être modulée par l'attention. Par exemple, voir :

  • Les latences de Monkey Area MT pour accélérer les changements dépendent de l'attention et sont en corrélation avec les temps de réaction comportementaux. Neurone. 78(4):740-750. http://doi.org/10.1016/j.neuron.2013.03.014

Syntaxe

La description

opticFlow = OpticalFlowLK renvoie un objet de flux optique que vous pouvez utiliser pour estimer la direction et la vitesse des objets en mouvement dans une vidéo. Le flux optique est estimé par la méthode de Lucas-Kanade.

opticFlow = OpticalFlowLK( 'NoiseThreshold' , seuil ) renvoie un objet de flux optique avec la propriété 'NoiseThreshold' spécifiée comme une paire Nom, Valeur. Mettez le nom de la propriété entre guillemets.

Par exemple, OpticalFlowLK('NoiseThreshold',0.05)


Le «cerveau» artificiel révèle pourquoi nous ne pouvons pas toujours en croire nos yeux

Un réseau informatique étroitement modelé sur une partie du cerveau humain permet de nouvelles connaissances sur la façon dont notre cerveau traite les images en mouvement - et explique certaines illusions d'optique déroutantes.

Il est très difficile de mesurer directement ce qui se passe à l'intérieur du cerveau humain lorsque nous percevons un mouvement - même notre meilleure technologie médicale ne peut pas nous montrer l'ensemble du système à l'œuvre. Avec MotionNet, nous avons un accès complet.

Ruben Rideaux

En utilisant des décennies de données provenant d'études sur la perception du mouvement humain, les chercheurs ont formé un réseau de neurones artificiels pour estimer la vitesse et la direction des séquences d'images.

Le nouveau système, appelé MotionNet, est conçu pour correspondre étroitement aux structures de traitement du mouvement à l'intérieur d'un cerveau humain. Cela a permis aux chercheurs d'explorer des caractéristiques du traitement visuel humain qui ne peuvent pas être directement mesurées dans le cerveau.

Leur étude, publiée aujourd'hui dans le Journal de la vision, utilise le système artificiel pour décrire comment les informations spatiales et temporelles sont combinées dans notre cerveau pour produire nos perceptions, ou perceptions erronées, des images en mouvement.

Le cerveau peut être facilement dupé. Par exemple, s'il y a un point noir sur la gauche d'un écran, qui s'estompe alors qu'un point noir apparaît à droite, nous allons « voir » le point se déplacer de gauche à droite – c'est ce qu'on appelle le mouvement « phi ». Mais si la tache qui apparaît à droite est blanche sur un fond sombre, nous « voyons » la tache se déplacer de droite à gauche, dans ce que l’on appelle le mouvement « phi inversé ».

Les chercheurs ont reproduit le mouvement phi inversé dans le système MotionNet et ont découvert qu'il commettait les mêmes erreurs de perception qu'un cerveau humain - mais contrairement au cerveau humain, ils pouvaient regarder de près le système artificiel pour voir pourquoi cela se produisait. Ils ont découvert que les neurones sont « accordés » à la direction du mouvement, et dans MotionNet, « reverse-phi » déclenchait des neurones accordés à la direction opposée au mouvement réel.

Le système artificiel a également révélé de nouvelles informations sur cette illusion commune : la vitesse du mouvement inverse-phi est affectée par la distance entre les points, à l'inverse de ce à quoi on pourrait s'attendre. Les points « se déplaçant » à une vitesse constante semblent se déplacer plus rapidement s'ils sont espacés d'une courte distance, et plus lentement s'ils sont espacés d'une distance plus longue.

"Nous connaissons le mouvement phi inversé depuis longtemps, mais le nouveau modèle a généré une toute nouvelle prédiction sur la façon dont nous le vivons, que personne n'a jamais regardé ou testé auparavant", a déclaré le Dr Reuben Rideaux, chercheur au Département de psychologie de l'Université de Cambridge et premier auteur de l'étude.

Les humains sont raisonnablement bons pour déterminer la vitesse et la direction d'un objet en mouvement simplement en le regardant. C'est ainsi que nous pouvons attraper une balle, estimer la profondeur ou décider s'il est sécuritaire de traverser la route. Pour ce faire, nous transformons les modèles changeants de la lumière en une perception du mouvement - mais de nombreux aspects de la façon dont cela se produit ne sont toujours pas compris.

« Il est très difficile de mesurer directement ce qui se passe à l'intérieur du cerveau humain lorsque nous percevons un mouvement - même notre meilleure technologie médicale ne peut pas nous montrer l'ensemble du système à l'œuvre. Avec MotionNet, nous avons un accès complet », a déclaré Rideaux.

Penser que les choses évoluent à une vitesse différente de ce qu'elles sont réellement peut parfois avoir des conséquences catastrophiques. Par exemple, les gens ont tendance à sous-estimer la vitesse à laquelle ils conduisent dans des conditions de brouillard, car les paysages plus sombres semblent se déplacer plus lentement qu'ils ne le sont réellement. Les chercheurs ont montré dans une étude précédente que les neurones de notre cerveau sont biaisés vers des vitesses lentes, donc lorsque la visibilité est faible, ils ont tendance à deviner que les objets se déplacent plus lentement qu'ils ne le sont réellement.

En révéler davantage sur l'illusion du phi inversé n'est qu'un exemple de la façon dont MotionNet fournit de nouvelles informations sur la façon dont nous percevons le mouvement. Avec la certitude que le système artificiel résout les problèmes visuels d'une manière très similaire au cerveau humain, les chercheurs espèrent combler de nombreuses lacunes dans la compréhension actuelle du fonctionnement de cette partie de notre cerveau.

Les prédictions de MotionNet devront être validées dans des expériences biologiques, mais les chercheurs disent que savoir sur quelle partie du cerveau se concentrer fera gagner beaucoup de temps.

Rideaux et son co-auteur de l'étude, le Dr Andrew Welchman, font partie de l'Adaptive Brain Lab de Cambridge, où une équipe de chercheurs examine les mécanismes cérébraux qui sous-tendent notre capacité à percevoir la structure du monde qui nous entoure.

Cette recherche a été soutenue par le Leverhulme Trust et le Isaac Newton Trust.

/>
Le texte de cet ouvrage est sous licence Creative Commons Attribution 4.0 International License. Les images, y compris nos vidéos, sont protégées par copyright ©Université de Cambridge et les concédants de licence/contributeurs identifiés. Tous les droits sont réservés. Nous rendons notre contenu image et vidéo disponible de plusieurs manières - comme ici, sur notre site Web principal conformément à ses conditions générales, et sur une gamme de canaux, y compris les médias sociaux, qui vous permettent d'utiliser et de partager notre contenu conformément à leurs conditions respectives.


Comment calculer la quantité de mouvement

Nous définirons le concept de quantité de mouvement dans le contexte de la physique et utiliserons les mathématiques des vecteurs et des différences (telles que la différence de temps, Δt) pour dériver la loi de conservation de la quantité de mouvement linéaire et l'appliquer à divers problèmes.

o Loi de conservation de la quantité de mouvement linéaire

o Comprendre la définition physique de la quantité de mouvement

o Déduire la loi de conservation de la quantité de mouvement linéaire

o Appliquer cette loi de conservation à la résolution de problèmes impliquant un mouvement linéaire

Nous avons utilisé les concepts de masse et de vitesse pour décrire le mouvement des objets. Imaginez deux objets, l'un avec une petite masse et l'autre avec une grande masse, considérons, par exemple, une balle de tennis (moins massive) et un ballon médicinal (plus massif). Maintenant, imaginez les deux objets qui vous sont lancés à une certaine vitesse v évidemment, être touché par une balle de tennis se déplaçant à grande vitesse v semble beaucoup moins douloureux que d'être touché par un médecine-ball se déplaçant à grande vitesse v. Considérez également le médecine-ball se déplaçant à deux vitesses différentes : une vitesse plus lente, s, et une vitesse plus rapide, F. Essayer d'attraper un ballon médicinal se déplaçant à grande vitesse s (la vitesse la plus lente) semble certainement plus facile que d'essayer d'en attraper un voyageant à une vitesse plus rapide F! Nous avons tendance à penser à un objet plus gros se déplaçant à une vitesse particulière comme ayant plus de élan qu'un objet plus petit voyageant à cette vitesse. De même, nous pensons qu'un objet se déplaçant à une vitesse rapide a plus d'élan que cet objet se déplaçant à une vitesse inférieure. La quantité de mouvement augmente donc avec l'augmentation de la vitesse ainsi que l'augmentation de la masse. Cette situation correspond donc logiquement à la définition de la quantité de mouvement en physique. L'élan p d'un objet de masse m et la vitesse v est défini selon la relation suivante :

p = mv

Notez que la quantité de mouvement, comme la vitesse, est un vecteur avec à la fois une amplitude et une direction. Au fur et à mesure que la masse ou la vitesse d'un objet augmente, la quantité de mouvement augmente également.

La relation entre l'élan et la force

Rappelez-vous que l'accélération est simplement le taux de changement de vitesse dans le temps. Ainsi (en moyenne), on peut écrire :

Remplaçons ceci dans notre expression de force de la deuxième loi du mouvement de Newton :

Assumer la masse m reste constant, on peut faire le changement suivant :

Notez que parce que mv apparaît dans l'expression de la force nette, nous pouvons l'écrire en termes de quantité de mouvement p. La force nette sur un objet est donc le taux de variation dans le temps de sa quantité de mouvement.

Problème de pratique: Un objet de 50 kilogrammes se déplace à une vitesse de 10 mètres par seconde. Quelle est sa dynamique ?

Solution: L'élan, p, de l'objet est simplement le produit de sa masse et de sa vitesse : p = mv. Comme aucune direction n'est spécifiée, nous nous intéressons uniquement à déterminer l'ampleur de p, ou p. Ainsi,

Notez les unités dans le résultat - nous pouvons également exprimer les unités en termes de newton secondes.

Considérons maintenant un nombre arbitraire d'objets la quantité de mouvement totale P du système d'objets est simplement la somme de toutes les impulsions individuelles : . De la même manière, suivant la deuxième loi de Newton, nous appellerons Ftot la somme de toutes les forces agissant sur les objets. Mais cette somme, Ftot, est simplement la somme de tous externe forces agissant sur le système d'objets. Puis,

Et si aucune force extérieure n'agit sur le système d'objets,

En d'autres termes, le taux de variation dans le temps de la quantité de mouvement totale du système d'objets est nul dans ce cas, il s'agit simplement d'une déclaration de la loi de conservation de la quantité de mouvement linéaire pour un système fermé et isolé. C'est-à-dire que la quantité de mouvement totale est constante pour un système d'objets donné sur lequel aucune force extérieure n'agit. Cette conclusion est extrêmement utile pour les problèmes impliquant, par exemple, des collisions d'objets. Les problèmes pratiques suivants vous permettent d'explorer les implications de ce résultat.

Problème de pratique: Un projectile de masse 1 kilogramme se déplaçant à 80 mètres par seconde entre en collision frontale avec un autre projectile de masse 2 kilogrammes se déplaçant à 60 mètres par seconde dans la direction opposée. Si les projectiles « collent » ensemble après leur collision, quelle est leur vitesse après la collision ?

Solution: Faisons un schéma de la situation avant et après la collision. On définit aussi la direction X pour référence.

De la leçon, nous avons appris que la quantité de mouvement linéaire totale d'un système d'objets doit être conservée (c'est-à-dire inchangée) si aucune force externe n'agit sur ce système. Dans ce cas, on suppose qu'aucune force extérieure au système n'agit sur les deux objets. La quantité de mouvement totale avant la collision doit donc être la même que la quantité de mouvement totale après la collision. Calculons d'abord la quantité de mouvement totale avant la collision (Pje):

Après la collision, parce que les deux objets "collent" ensemble, ils deviennent effectivement un seul objet avec une masse de 3 kg et une certaine vitesse v. L'élan de cet objet, PF, est

On veut calculer v, qui est la vitesse des objets après collision. Parce que la quantité de mouvement avant la collision est la même qu'après,

Ainsi, la vitesse des objets après collision est de 13,3 mètres par seconde dans la même direction que celle de l'objet plus gros avant la collision (que nous avons défini ici comme X direction).

Problème de pratique: Un astronaute avec tout son équipement et ses outils a une masse de 125 kilogrammes. Un accident se produit dans l'espace, le faisant se détacher d'une station spatiale et dériver dans l'espace à une vitesse d'un mètre par seconde. Un de ses outils pèse cinq kilogrammes, et décide de s'en servir pour regagner la gare. S'il lance l'outil directement loin de la station, quelle est la vitesse minimale à laquelle il doit le lancer pour se remettre en marche vers la station ?

Solution: Comme d'habitude, nous pouvons grandement aider le processus de résolution de problèmes en dessinant un diagramme de la situation. Le diagramme n'a pas besoin d'être artistique - de simples figures sont souvent suffisantes pour représenter différents objets.

Une partie du poids de l'astronaute est un outil de cinq kilogrammes s'il le jette loin de lui-même (et aussi directement loin de la station) avec une vitesse suffisante, il peut (par conservation de l'élan) se faire revenir vers la station. Cette situation est illustrée ci-dessous. Notez que la masse de l'astronaute diminue de cinq kilogrammes lorsqu'il jette l'outil.

On peut utiliser la loi de conservation de la quantité de mouvement pour calculer la vitesse à laquelle l'astronaute doit lancer l'outil pour inverser sa trajectoire alarmante et le renvoyer vers la station. La quantité de mouvement totale initiale de l'astronaute, Pje, est le suivant. Nous définirons comme X la direction éloignée de la gare.

Cela doit également être l'élan total de l'astronaute et de l'outil après qu'il l'ait jeté - nous appellerons cet élan final PF. Calculons la vitesse de l'outil nécessaire pour arrêter l'astronaute. Toute vitesse supérieure à ce nombre entraînera le déplacement de l'astronaute vers la station.


Perception inconsciente

Nous rencontrons plus de stimuli que nous ne pouvons en percevoir. La perception inconsciente aide le cerveau à traiter tous les stimuli, pas seulement ceux que nous absorbons consciemment.

Objectifs d'apprentissage

Décrire la relation entre l'amorçage et la stimulation subliminale

Points clés à retenir

Points clés

  • La perception inconsciente implique le traitement d'entrées sensorielles qui n'ont pas été sélectionnées pour la perception consciente.
  • Inconsciemment, le cerveau traite tous les stimuli que nous rencontrons, pas seulement ceux auxquels nous sommes consciemment attentifs. Le cerveau capte ces signaux et les interprète de manière à influencer la façon dont nous réagissons à notre environnement.
  • L'amorçage est un processus inconscient par lequel les réseaux neuronaux sont activés et renforcés, ce qui influence la perception des futurs stimuli.
  • L'amorçage permet au cerveau de traiter rapidement et efficacement les stimuli de l'environnement.

Mots clés

  • stimulus: En psychologie, tout modèle d'énergie (par exemple, la lumière ou le son) qui est enregistré par les sens.
  • amorçage: L'effet de mémoire implicite dans lequel l'exposition à un stimulus influence la réponse à un stimulus ultérieur.
  • la perception: L'organisation, l'identification et l'interprétation des informations sensorielles.

Les individus absorbent plus de stimuli de leur environnement qu'ils ne peuvent en faire consciemment à un moment donné. Le cerveau traite constamment tous les stimuli auxquels il est exposé, pas seulement ceux auxquels il s'occupe consciemment. La perception inconsciente implique le traitement d'entrées sensorielles qui ne sont pas sélectionnées pour la perception consciente. Le cerveau capte ces signaux inaperçus et les interprète de manière à influencer la façon dont les individus réagissent à leur environnement.

Amorçage

L'apprentissage perceptif du traitement inconscient se produit par l'amorçage. L'amorçage se produit lorsqu'une réponse inconsciente à un stimulus initial affecte les réponses aux stimuli futurs. L'un des exemples classiques est la reconnaissance de mots, grâce à certaines des premières expériences sur l'amorçage au début des années 1970 : les travaux de David Meyer et Roger Schvaneveldt ont montré que les gens décidaient qu'une chaîne de lettres était un mot lorsque les lettres suivaient un ordre associatif ou mot lié sémantiquement. Par exemple, NURSE était reconnu plus rapidement lorsqu'il suivait DOCTOR que lorsqu'il suivait PAIN. C'est l'un des exemples les plus simples d'amorçage. Lorsque les informations d'un stimulus initial pénètrent dans le cerveau, les voies neuronales associées à ce stimulus sont activées et un second stimulus est interprété à travers ce contexte spécifique.

L'expérience affecte l'activation des réseaux de neurones: Lorsque les informations d'un stimulus initial pénètrent dans le cerveau, les voies neuronales associées à ce stimulus sont activées et le stimulus est interprété d'une manière spécifique.

Un exemple d'amorçage est dans le jeu d'enfance Simon Says. Simon est capable de tromper les joueurs à cause de l'amorçage. En disant “Simon dit touchez votre nez, ” “Simon dit touchez votre oreille,” et ainsi de suite, les participants sont prêts à suivre la direction “Simon dit” et sont susceptibles de glisser lorsque cette phrase est omis parce qu'ils s'attendent à ce qu'il soit là.

Dans un autre exemple, les personnes participant à une étude ont été amorcées par des mots neutres, polis ou grossiers avant un entretien avec un enquêteur. Amorcer les participants avec des mots avant l'entretien a activé les circuits neuronaux associés aux réactions à ces mots. Les participants qui avaient été amorcés par des mots grossiers interrompaient le plus souvent l'enquêteur, et ceux qui avaient été amorcés par des mots polis l'ont fait le moins souvent.

Stimulation subliminale

La présentation d'un stimulus sans surveillance peut préparer notre cerveau à une réponse future à ce stimulus. Ce processus est connu sous le nom de stimulation subliminale. Un certain nombre d'études ont examiné comment les stimuli inconscients influencent la perception humaine. Des chercheurs, par exemple, ont démontré comment le type de musique joué dans les supermarchés peut influencer les habitudes d'achat des consommateurs. Dans une autre étude, les chercheurs ont découvert que la tenue d'une boisson froide ou chaude avant un entretien peut influencer la façon dont l'individu perçoit l'intervieweur. Alors que la stimulation subliminale semble avoir un effet temporaire, il n'y a pas encore de preuve qu'elle produise un effet durable sur le comportement.


Le «cerveau» artificiel révèle pourquoi nous ne pouvons pas toujours en croire nos yeux

Un réseau informatique étroitement modelé sur une partie du cerveau humain permet de nouvelles connaissances sur la façon dont notre cerveau traite les images en mouvement - et explique certaines illusions d'optique déroutantes.

Il est très difficile de mesurer directement ce qui se passe à l'intérieur du cerveau humain lorsque nous percevons un mouvement - même notre meilleure technologie médicale ne peut pas nous montrer l'ensemble du système à l'œuvre. Avec MotionNet, nous avons un accès complet.

Ruben Rideaux

En utilisant des décennies de données provenant d'études sur la perception du mouvement humain, les chercheurs ont formé un réseau de neurones artificiels pour estimer la vitesse et la direction des séquences d'images.

Le nouveau système, appelé MotionNet, est conçu pour correspondre étroitement aux structures de traitement du mouvement à l'intérieur d'un cerveau humain. Cela a permis aux chercheurs d'explorer des caractéristiques du traitement visuel humain qui ne peuvent pas être directement mesurées dans le cerveau.

Leur étude, publiée aujourd'hui dans le Journal de la vision, utilise le système artificiel pour décrire comment les informations spatiales et temporelles sont combinées dans notre cerveau pour produire nos perceptions, ou perceptions erronées, des images en mouvement.

Le cerveau peut être facilement dupé. Par exemple, s'il y a un point noir sur la gauche d'un écran, qui s'estompe alors qu'un point noir apparaît à droite, nous allons « voir » le point se déplacer de gauche à droite – c'est ce qu'on appelle le mouvement « phi ». Mais si la tache qui apparaît à droite est blanche sur un fond sombre, nous « voyons » la tache se déplacer de droite à gauche, dans ce qu’on appelle un mouvement « phi inversé ».

Les chercheurs ont reproduit le mouvement phi inversé dans le système MotionNet et ont découvert qu'il commettait les mêmes erreurs de perception qu'un cerveau humain - mais contrairement au cerveau humain, ils pouvaient regarder de près le système artificiel pour voir pourquoi cela se produisait. Ils ont découvert que les neurones sont « accordés » à la direction du mouvement, et dans MotionNet, « reverse-phi » déclenchait des neurones accordés à la direction opposée au mouvement réel.

Le système artificiel a également révélé de nouvelles informations sur cette illusion commune : la vitesse du mouvement inverse-phi est affectée par la distance entre les points, à l'inverse de ce à quoi on pourrait s'attendre. Les points « se déplaçant » à une vitesse constante semblent se déplacer plus rapidement s'ils sont espacés d'une courte distance, et plus lentement s'ils sont espacés d'une distance plus longue.

"Nous connaissons le mouvement phi inversé depuis longtemps, mais le nouveau modèle a généré une toute nouvelle prédiction sur la façon dont nous le vivons, que personne n'a jamais regardé ou testé auparavant", a déclaré le Dr Reuben Rideaux, chercheur au Département de psychologie de l'Université de Cambridge et premier auteur de l'étude.

Les humains sont raisonnablement bons pour déterminer la vitesse et la direction d'un objet en mouvement simplement en le regardant. C'est ainsi que nous pouvons attraper une balle, estimer la profondeur ou décider s'il est sécuritaire de traverser la route. Pour ce faire, nous transformons les modèles changeants de la lumière en une perception du mouvement - mais de nombreux aspects de la façon dont cela se produit ne sont toujours pas compris.

« Il est très difficile de mesurer directement ce qui se passe à l'intérieur du cerveau humain lorsque nous percevons un mouvement - même notre meilleure technologie médicale ne peut pas nous montrer l'ensemble du système à l'œuvre. Avec MotionNet, nous avons un accès complet », a déclaré Rideaux.

Penser que les choses évoluent à une vitesse différente de ce qu'elles sont réellement peut parfois avoir des conséquences catastrophiques. Par exemple, les gens ont tendance à sous-estimer la vitesse à laquelle ils conduisent dans des conditions de brouillard, parce que les paysages plus sombres semblent se déplacer plus lentement qu'ils ne le sont réellement. Les chercheurs ont montré dans une étude précédente que les neurones de notre cerveau sont biaisés vers des vitesses lentes, donc lorsque la visibilité est faible, ils ont tendance à deviner que les objets se déplacent plus lentement qu'ils ne le sont réellement.

En révéler davantage sur l'illusion du phi inversé n'est qu'un exemple de la façon dont MotionNet fournit de nouvelles informations sur la façon dont nous percevons le mouvement. Avec la certitude que le système artificiel résout les problèmes visuels d'une manière très similaire au cerveau humain, les chercheurs espèrent combler de nombreuses lacunes dans la compréhension actuelle du fonctionnement de cette partie de notre cerveau.

Les prédictions de MotionNet devront être validées dans des expériences biologiques, mais les chercheurs disent que savoir sur quelle partie du cerveau se concentrer fera gagner beaucoup de temps.

Rideaux et son co-auteur de l'étude, le Dr Andrew Welchman, font partie de l'Adaptive Brain Lab de Cambridge, où une équipe de chercheurs examine les mécanismes cérébraux qui sous-tendent notre capacité à percevoir la structure du monde qui nous entoure.

Cette recherche a été soutenue par le Leverhulme Trust et le Isaac Newton Trust.

/>
Le texte de cet ouvrage est sous licence Creative Commons Attribution 4.0 International License. Les images, y compris nos vidéos, sont protégées par copyright ©Université de Cambridge et les concédants de licence/contributeurs identifiés. Tous les droits sont réservés. Nous rendons notre contenu image et vidéo disponible de plusieurs manières - comme ici, sur notre site Web principal conformément à ses conditions générales, et sur une gamme de canaux, y compris les médias sociaux, qui vous permettent d'utiliser et de partager notre contenu conformément à leurs conditions respectives.


Syntaxe

La description

opticFlow = OpticalFlowLK renvoie un objet de flux optique que vous pouvez utiliser pour estimer la direction et la vitesse des objets en mouvement dans une vidéo. Le flux optique est estimé par la méthode de Lucas-Kanade.

opticFlow = OpticalFlowLK( 'NoiseThreshold' , seuil ) renvoie un objet de flux optique avec la propriété 'NoiseThreshold' spécifiée comme une paire Nom, Valeur. Mettez le nom de la propriété entre guillemets.

Par exemple, OpticalFlowLK('NoiseThreshold',0.05)


56 réflexions sur & ldquo Non, ce n'est pas seulement vous : pourquoi le temps s'accélère à mesure que nous vieillissons & rdquo

J'ai 64 ans et j'ai remarqué à quel point le temps semble filer. En conséquence, j'ai passé beaucoup de temps à réfléchir à cela. Je crois qu'une bonne partie de cela a à voir avec la perception. Si ma durée de vie était de 250 ans, je ne pense pas que le temps semble filer.

C'est l'une des raisons pour lesquelles je n'accepte jamais la théorie selon laquelle nous sommes le total de notre expérience, le Docteur est convaincu que les humains sont des ordinateurs biologiques et qu'être humain est bien plus que cela ! Par exemple, toute vie jusqu'au plus petit virus contient des informations stockées dans l'ADN, docteur !

C'est une chose relative. Théorie d'Einstein. À mesure que nous vieillissons, chaque année représente une petite partie de notre vie. Quand j'avais 10 ans, chaque année, c'était 1 dixième de ma vie. J'ai maintenant 67 ans chaque année 1 67e de ma vie

C'est aussi mon avis. C'est le plus logique et je sens l'âge par rapport à la proportion de ma vie.

C'est parce que le temps presse, contrairement à quand nous avions tous 14 ans et que nous disposions d'un temps illimité.
Maintenant, nos minutes sont presque épuisées, et comme l'a dit Warren Zevon,
“ma merde est foutue.”

Tout ce que je veux dire, c'est que mon école primaire a duré une éternité, ainsi que des jours au lycée. Les temps ont commencé à voler quand dans un collège.

Pourquoi le temps passe-t-il plus vite en vieillissant ? C'est une idée folle.

Les gars, soyons réalistes. En fin de compte, il n'y a pas de machine à remonter le temps. En d'autres termes, c'est ce qu'il est. Le temps passe vite parce que nous perdons du temps à réfléchir à pourquoi le temps passe vite. Vivez l'instant, c'est le vôtre. En attendant, ramène-moi à Love Machine.


Quelle est la taille de l'univers ?

Si vous avez déjà rêvé de voyager dans le temps, regardez simplement le ciel nocturne, les lueurs que vous voyez sont vraiment des instantanés du passé lointain. C'est parce que ces étoiles, planètes et galaxies sont si éloignées que la lumière des plus proches peut mettre des dizaines de milliers d'années pour atteindre la Terre.

L'univers est sans aucun doute un grand endroit. Mais quelle est sa taille ?

"C'est peut-être quelque chose que nous ne savons jamais", a déclaré à Live Science Sarah Gallagher, astrophysicienne à l'Université Western en Ontario, au Canada. La taille de l'univers est l'une des questions fondamentales de l'astrophysique. Il peut également être impossible de répondre. Mais cela n'empêche pas les scientifiques d'essayer.

Plus un objet est proche de l'univers, plus sa distance est facile à mesurer, a déclaré Gallagher. Le soleil? Part de gâteau. La lune? Encore plus facile. Tout ce que les scientifiques ont à faire est de projeter un faisceau de lumière vers le haut et de mesurer le temps qu'il faut à ce faisceau pour rebondir sur la surface de la lune et redescendre sur Terre.

Mais les objets les plus éloignés de notre galaxie sont plus délicats, a déclaré Gallagher. Après tout, pour les atteindre, il faudrait un faisceau de lumière très puissant. Et même si nous avions les capacités technologiques pour éclairer aussi loin, qui a des milliers d'années à attendre que le faisceau rebondisse sur l'univers exoplanètes lointaines et nous revenir?

Les scientifiques ont quelques astuces dans leurs manches pour faire face aux objets les plus éloignés de l'univers. Les étoiles changent de couleur à mesure qu'elles vieillissent, et sur la base de cette couleur, les scientifiques peuvent estimer la quantité d'énergie et de lumière émise par ces étoiles. Deux étoiles qui ont la même énergie et la même luminosité n'apparaîtront pas de la même manière depuis la Terre si l'une de ces étoiles est beaucoup plus éloignée. Le plus éloigné apparaîtra naturellement plus faible. Les scientifiques peuvent comparer la luminosité réelle d'une étoile avec ce que nous voyons de la Terre et utiliser cette différence pour calculer à quelle distance se trouve l'étoile, a déclaré Gallagher.

Mais qu'en est-il de l'absolu bord de l'univers? Comment les scientifiques calculent-ils les distances à des objets aussi éloignés ? C'est là que les choses se compliquent vraiment.

Souvenez-vous : plus un objet est éloigné de la Terre, plus la lumière de cet objet met de temps à nous atteindre. Imaginez que certains de ces objets soient si éloignés que leur lumière a mis des millions voire des milliards d'années pour nous atteindre. Maintenant, imaginez que la lumière de certains objets met tellement de temps à faire ce voyage que dans tous les milliards d'années de l'univers, elle n'a toujours pas atteint la Terre. C'est exactement le problème auquel les astronomes sont confrontés, a déclaré à Live Science Will Kinney, physicien à l'Université d'État de New York à Buffalo.

« Nous ne pouvons voir qu'un minuscule, petite bulle de l'univers]. Et qu'est-ce qu'il y a en dehors de ça ? Nous ne savons pas vraiment", a déclaré Kinney.

Mais en calculant la taille de cette petite bulle, les scientifiques peuvent estimer ce qu'il y a à l'extérieur.

Les scientifiques savent que l'univers a 13,8 milliards d'années, plus ou moins quelques centaines de millions d'années. Cela signifie qu'un objet dont la lumière a mis 13,8 milliards d'années pour nous atteindre devrait être l'objet le plus éloigné que nous puissions voir. Vous pourriez être tenté de penser que cela nous donne une réponse simple pour la taille de l'univers : 13,8 milliards d'années-lumière. Mais gardez à l'esprit que l'univers est également en expansion continue à un rythme croissant. Pendant le temps que la lumière a mis pour nous atteindre, le bord de la bulle s'est déplacé. Heureusement, les scientifiques savent jusqu'où il s'est déplacé : 46,5 milliards d'années-lumière, d'après les calculs de l'expansion de l'univers depuis le big bang.

Certains scientifiques ont utilisé ce nombre pour essayer de calculer ce qui se trouve au-delà de la limite de ce que nous pouvons voir. En partant de l'hypothèse que l'univers a une forme incurvée, les astronomes peuvent examiner les modèles que nous voyons dans l'univers observable et utiliser des modèles pour estimer à quelle distance le reste de l'univers s'étend. Une étude a révélé que l'univers réel pourrait être au moins 250 fois la taille des 46,5 milliards d'années-lumière que nous pouvons réellement voir.

Mais Kinney a d'autres idées : "Il n'y a aucune preuve que l'univers soit fini", a-t-il dit, "Il pourrait très bien durer éternellement."

On ne sait pas avec certitude si l'univers est fini ou infini, mais les scientifiques conviennent qu'il est "vraiment énorme", a déclaré Gallagher. Malheureusement, la petite partie que nous pouvons voir maintenant est la plus grande que nous pourrons jamais observer. Parce que l'univers s'étend à un rythme croissant, les bords extérieurs de notre univers observable se déplacent en fait vers l'extérieur plus rapidement que la vitesse de la lumière. Cela signifie que les bords de notre univers s'éloignent de nous plus rapidement que leurs la lumière peut nous atteindre. Progressivement, ces bords (et tous les restaurants là-bas, comme l'a écrit un jour l'auteur britannique Douglas Adams) disparaissent de la vue.

La taille de l'univers et la quantité énorme que nous ne pouvons pas voir et c'est humiliant, a déclaré Gallagher. Mais cela ne l'empêche pas, elle et d'autres scientifiques, de continuer à chercher des réponses.

"Peut-être que nous ne pourrons pas le comprendre. Cela pourrait être considéré comme frustrant", a déclaré Gallagher. "Mais cela le rend aussi vraiment excitant."


Le problème du voltigeur : la psychologie derrière la capture de balles volantes [Cognitive Daily]

It's football season in America: The NFL playoffs are about to start, and tonight, the elected / computer-ranked top college team will be determined. What better time than now to think about . baseball! Baseball players, unlike most football players, must solve one of the most complicated perceptual puzzles in sports: how to predict the path of a moving target obeying the laws of physics, and move to intercept it.

The question of how a baseball player knows where to run in order to catch a fly ball has baffled psychologists for decades. (You might argue that a football receiver faces a similar task, but generally in football, the distances involved are much shorter, and most football players aren't expected to catch passes at all.)

There are three primary possible explanations for how a baseball fielder catches a fly ball:

  • Trajectory Projection (TP): The fielder calculates the trajectory of a ball the moment it is hit and simply runs to the spot where it will fall (of course, taking into account wind speed and barometric pressure).
  • Optical acceleration cancellation (OAC): The fielder watches the flight of the ball constantly adjusting her position in response to what she sees. If it appears to be accelerating upward, she moves back. If it seems to be accelerating downward, she moves forward.
  • Linear optical trajectory (LOT): The fielder pays attention to the apparent angle formed by the ball, the point on the ground beneath the ball, and home plate, moving to keep this angle constant until she reaches the ball. In other words, she tries to move so that the ball appears to be moving in a straight line rather than a parabola.

In principle, all three of these systems should work. However, TP is probably impossible our visual system isn't accurate at determining distances beyond about 30 meters, and outfielders stand up to 100 meters away from home plate. The second system, OAC, might not work because the visual system isn't actually very sensitive to acceleration. And the third system, LOT, is problematic because it doesn't predict a unique path for the fielder to take to the ball. Further, the most likely paths a fielder would take to catch a ball wouldn't be much different under OAC and LOT.

But Philip Fink, Patrick Foo, and William Warren figured out a way to experimentally distinguish between all three models. They had 8 skilled male baseball players and 4 skilled female softball players don VR headsets and attempt to catch virtual balls in a large room. The room was big enough that they could freely move 6 meters in each direction. VR was necessary because the researchers made their virtual balls take paths that aren't possible in real life:

The players stood about 35 meters from "home plate" and the balls were hit either 4 meters in front or behind them. They were also offset to either side, but this turned out not to matter for the results. Here's a movie (QuickTime required) showing what a typical player saw in her VR display. And here's a movie showing what the players actually did.

As the image above shows, half the time the balls took their normal trajectory, but half the time they proceeded in a physically-impossible straight line for the second half of their flight. For the TP model, this shouldn't matter -- players should go straight to the landing point in either case. But with a straight-line motion, OAC and LOT predict very different paths. This graph compares one player's actual movements with the OAC model's projections:

The thick lines show the predicted movement if the player was following the OAC model, and the thin lines show the actual movement (tan[alpha] is the acceleration in the change of the angle of the ball relative to the player). As you can see, these patterns match up pretty well. But take a look at this graph:

Here, the thick lines show the predicted movement if the player was following LOT, and the thin lines show the actual movement (again, tan[alpha] is the acceleration in the change of the angle of the ball relative to the player, and tan[beta] is the acceleration in the angle between the ball's position above the ground and home plate). This time, the model does significantly worse after the ball shifts to a straight trajectory.

The researchers say this is compelling evidence that ball players do rely on the apparent acceleration of the ball's movement (OAC) in order to track it down and catch it. You'll notice from the second movie that the player clearly isn't moving in a straight line to catch the ball, so the TP model is also ruled out. Even though people aren't very good at detecting acceleration, apparently we're good enough to catch a fly ball hit 30 to 40 meters (and baseball players routinely shag fly balls hit over 100 meters!).


First-order motion perception refers to the perception of the motion of an object that differs in luminance from its background, such as a black bug crawling across a white page. This sort of motion can be detected by a relatively simple motion sensor designed to detect a change in luminance at one point on the retina and correlate it with a change in luminance at a neighbouring point on the retina after a delay. Sensors that work this way have been referred to as Reichardt detectors (after the scientist W. Reichardt, who first modelled them), Α] motion-energy sensors, Β] or Elaborated Reichardt Detectors. Γ] These sensors detect motion by spatio-temporal correlation and are plausible models for how the visual system may detect motion. Debate still rages about the exact nature of this process. First-order motion sensors suffer from the aperture problem, which means that they can detect motion only perpendicular to the orientation of the contour that is moving. Further processing is required to disambiguate true global motion direction.

Second-order motion is motion in which the moving contour is defined by contrast, texture, flicker or some other quality that does not result in an increase in luminance or motion energy in the Fourier spectrum of the stimulus. Δ] Ε] There is much evidence to suggest that early processing of first- and second-order motion is carried out by separate pathways. Ζ] Second-order mechanisms have poorer temporal resolution and are low-pass in terms of the range of spatial frequencies that they respond to. Second-order motion produces a weaker motion aftereffect unless tested with dynamically flickering stimuli. Η] First and second-order signals appear to be fully combined at the level of Area V5/MT of the visual system.


Who’s (sort of) counting?

Symbolic numbers work well for people. For millions of years, however, other animals without full powers to count have managed life-and-death decisions about magnitude (which fruit pile to grab, which fish school to join, whether there are so many wolves that it’s time to run).

ORIENTAL FIRE-BELLIED TOAD Bombina orientalis is one of the few amphibians that has been tested for number sense. Test animals showed more interest in eight yummy mealworms than four. That was true when treats were the same size. A visual shortcut like surface area may make more of a difference than numerosity.
Source: G. Stancher et al/Anim. Cogn. 2015 Vassil/Wikimedia Commons ORANGUTAN Much of the research on nonhuman number sense involves primates. A zoo orangutan that was trained to use a touch screen was able to pick which of two arrays had the same number of dots, shapes or animals shown in a previous sample.
Source: J. Vonk/Anim. Cogn. 2014 m_ewell_young/iNaturalist.org (CC BY-NC 4.0) CUTTLEFISH The first test of number sense in Sépia pharaonis, published in 2016, reports that cuttlefish typically move to eat a quartet of shrimp rather than a threesome, even when the three shrimp are crowded around so the density is the same as in the quartet.
Source: T.-I. Yang and C.-C. Chiao/Proc. R. Soc. B 2016 Stickpen/Wikimedia Commons HONEYBEE Honeybees that had learned to tell two dots from three did pretty well when tested with dots of different colors, oddly positioned among distracting shapes or even when replaced with yellow stars.
Source: Gross et al/PLOS ONE 2009 Keith McDuffee/Flickr (CC BY 2.0) HORSE Horses have a special sad place in the history of number studies. That’s because a famous horse named “Clever Hans” turned out to be solving arithmetic problems with cues from the body language of nearby people. A different study finds that horses can tell two dots from three but might be using area as a clue.
Source: C. Uller and J. Lewis/Anim. Cogn. 2009 James Woolley/Flickr (CC BY-SA 2.0)

Dogs treat tricks

For a sense of the issues, consider the old and the new in dog science. Familiar as dogs are, they’re still mostly wet-nosed puzzles when it comes to their number sense.

When food is at stake, dogs can tell more from less. That is known from a string of lab studies published throughout more than a decade. And dogs may be able to spot cheating when people count out treats. Dog owners may not be amazed at such food smarts. The interesting question, though, is whether dogs solve the problem by paying attention to the actual number of goodies they see. Perhaps they instead note some other qualities.

An experiment in England in 2002, for instance, tested 11 pet dogs. These dogs first settled down in front of a barrier. The researchers moved the barrier so the animals could get a peek at a row of bowls. One bowl held a brown strip of Pedigree Chum Trek treat. The barrier went up again. The scientists lowered a second treat into a bowl behind the screen — or sometimes just pretended to. The barrier dropped again. The dogs overall stared a bit longer if only one treat was visible than if there were the expected 1 + 1 = 2. Five of the dogs got an extra test. And they also stared longer on average after a researcher sneaked an extra treat into a bowl and then lowered the barrier. It now displayed an unexpected 1 + 1 = 3.

Dogs could in theory recognize funny business by paying attention to the number of treats. That would be the treats’ numerosity. Researchers use this term that to describe some sense of quantity that can be recognized nonverbally (without words). But the design of a test also matters. Dogs might get the right answers by judging the total surface area of treats, not their number. Many other factors might also serve as clues. These include the density of a cluster of crowded objects. Or it might be a cluster’s total perimeter or darkness.

Researchers lump those hints under the term “continuous” qualities. That’s because they can change in any amount, big or small, not merely in separate units (such as one treat, two treats or three).

Continuous qualities present a real challenge for anyone coming up with a numerosity test. By definition, nonverbal tests don’t use symbols such as numbers. That means a researcher has to show something. And those somethings inevitably have qualities that grow or shrink as numerosity does.

Sedona’s sense of math

Krista Macpherson studies dog cognition at Canada’s University of Western Ontario in London. To see whether dogs use a continuous quality — total area — to choose more food, she tested her rough collie Sedona.

This dog already had taken part in an earlier experiment. In it, Macpherson tested whether dogs would try to get help if their owners were in danger. That’s what the collie did on the old TV show Lassie. But Sedona didn’t. For example, neither she nor any dog in the test ran for help when their owners were trapped under a heavy bookcase.

Sedona did, however, prove good at lab work — especially when rewarded with bits of cheese.

A low-tech setup tests this dog, Sedona, to see if she can pick the cardboard box showing a greater number of geometric cutouts on its face without being distracted by size or shape. K. MACPHERSON

To test number sense, Macpherson set up two magnetic boards. Each had different numbers of black triangles, squares and rectangles stuck to them. Sedona had to select the one that had the greater number. Macpherson varied the dimensions of the shapes. This meant total surface area wasn’t a good clue to the right answer.

The idea came from an experiment with monkeys. They had taken the test on a computer. But “I’m all cardboard and tape,” Macpherson explains. Sedona was perfectly happy to look at two magnet boards fastened to cardboard boxes on the ground. She then chose her answer by knocking over that box.

Sedona in the end triumphed at picking the box with more shapes. She could do this regardless of all the trickery about surface area. The project, though, took considerable effort from both woman and beast. Before it was over, both had worked through more than 700 trials.

For Sedona to succeed, she had to pick the larger number of shapes more than half of the time. The reason: Just picking randomly, the dog would probably choose correctly half of the time.

The tests started as simply as 0 shapes versus 1 shape. Eventually Sedona scored better than chance when dealing with bigger magnitudes, such as 6 versus 9. Eight versus 9 finally stumped the collie.

Macpherson and William A. Roberts reported their findings three years ago in Apprentissage et motivation.

Earlier this year, another lab highlighted the Sedona research in Behavioral Processes. Its researchers called the Sedona data the “only evidence of dogs’ ability to use numerical information.”

Dogs might have number sense. Outside of a lab, however, they may not use it, says Clive Wynne. He works at Arizona State University in Tempe. There he studies animal behavior. He’s also a co­author of that Behavioral Processes paper earlier this year. To see what dogs do in more natural situations, he designed a test along with Maria Elena Miletto Petrazzini of the University of Padua.

The pair offered pets at a doggie daycare a choice of two plates of cut-up treat strips. One plate might hold a few big pieces. The other had more pieces, all of them small. And the total of those smaller pieces added up to less of the yummy treat.

These dogs didn’t have Sedona’s training. Still, they went for the greater total amount of food. The number of pieces didn’t matter. Bien sûr que non. It’s food —and more is better.

This study shows that experiments need to check if animals use something like total amount instead of number. If not, the tests may not measure number sense at all.

Beyond dogs

Animals may choose differently in a number-related test depending on their pasts. At the University of Padua, Rosa Rugani studies how animals process information. She pioneered the study of number sense in newly hatched chicks. If Rugani motivates them, they will learn test methods quickly. Indeed, she notes, “One of the more fascinating challenges of my job is to come up with ‘games’ the chicks like to play.”

Young chicks can develop a strong social attachment to objects. Little plastic balls or lopsided crosses of colored bars become like pals in a flock. (This process is called imprinting. It normally helps a chick quickly learn to stay near its mom or siblings.)

Rugani let day-old chicks imprint on either two or three objects. She offered them either a few identical objects or a cluster of mismatched ones. The set of different pals were, for example, a small black plastic zigzag of rods dangling near a big red double-crossed t-shape. Chicks then had to choose to which flock of new and strange plastic objects they would toddle over.

The original imprinting objects — identical or mismatched — made a difference in that choice. Chicks used to identical pals typically moved near the larger cluster or toward the largest buddy. Something like total area might have been their clue. But chicks used to buddies with individual quirks paid attention to numerosity in the test.

Chicks that had imprinted on three plastic pals were more likely to hang out with three new ones instead of a pair. Those imprinted on a quirky plastic pair made the opposite choice. They chose the pair, not the threesome.

Some animals can deal with what people would call numerical order. Rats, for instance, have learned to choose a particular tunnel entrance, such as the fourth or tenth from the end. They could choose correctly even when researchers fiddled with distances between entrances. Chicks have passed similar tests.

Rhesus macaques react if researchers violate rules of addition and subtraction. This is similar to the dogs in the Chums experiment. Chicks can track additions and subtractions too. They can do this well enough to pick the card hiding the bigger result. They also can go one better. Rugani and colleagues have shown that chicks have some sense of ratios.

To train chicks, she let them discover treats behind cards showing a 2-to-1 mix of colored dots, such as 18 greens and 9 reds. There were no treats behind 1-to-1 or 1-to-4 mixes. Chicks then scored better than chance on picking unfamiliar 2-to-1 dot jumbles, such as 20 greens and 10 reds.

A sense of numerosity itself may not be limited to fancy vertebrate brains like ours. One recent test took advantage of overkill among golden orb-web spiders. When they have a crazy run of luck catching insects faster than they can eat them, the spiders wrap each catch in silk. They then fasten the kill with a single strand to dangle from the center of the web.

Rafael Rodríguez turned this hoarding tendency into a test. He studies the evolution of behavior at the University of Wisconsin–Milwaukee. In one test, Rodríguez tossed different sized bits of mealworms into the web. The spiders created a dangling trove of treasures. He then shooed the spiders off of their webs. That gave him the opportunity to snip the strands without the spiders watching. When they returned, Rodríguez timed how long they searched for the stolen meals.

Losing a greater volume of food inspired more strumming of the web and searching about. Rodríguez and his colleagues reported this last year in Animal Cognition.

At a glance

Nonhuman animals have what researchers refer to as an “approximate” number system. It allows for good-enough estimates of quantities with no true counting. One feature of this still-mysterious system is its declining accuracy in comparing bigger amounts that are very close in number. That’s the trend that made Sedona the collie’s struggles as important as her successes.

When Sedona had to pick the board with more shapes on it, she had more trouble as the ratio of choices moved toward nearly equal amounts. Her scores, for instance, were pretty good when comparing 1 to 9. They fell somewhat when comparing 1 to 5. And she never got good at comparing 8 to 9.

What’s interesting is that the same trend shows up in humans’ nonverbal approximate number system. This trend is called Weber’s law. And it also shows up in other animals.

Story continues below image.

Weber’s Law:

Quick, which of the two circles in each pair has more dots in it? Weber’s law predicts that the answer will come easier when object numbers in a pair are very different (8 versus 2) and/or involve a small number than when two large ones (8 versus 9) are compared. J. HIRSHFELD

When Agrillo tested guppies against people, their accuracy dropped during such difficult comparisons as 6 versus 8. But fish and people performed well for small quantities, such as 2 versus 3. People and fish could tell 3 dots from 4 about as reliably as 1 dot from 4. Agrillo and his colleagues reported their findings in 2012

Take a quick glance at the clusters here before reading more. You probably saw that the box on the left had three dots. But you’d have to count the mosquitoes on the right. That immediate grasp of small quantities is called subitizing, an ability that people and other animals may share. M. TELFER

Researchers have long recognized this instant human ease of dealing with very small quantities. They call it subitizing. That’s when you suddenly just voir that there are three dots or ducks or daffodils without having to count them. Agrillo suspects the underlying mechanism will prove different from the approximate number systems. He admits, though, that his is a minority view.

The similarity between guppies and people in subitizing doesn’t prove anything about how that skill might have evolved, Argillo says. It could be a shared inheritance from some ancient common ancestor that lived several hundred million years ago. Or maybe it’s convergent evolution.

Into their heads

Studying behavior alone is not enough to trace the evolution of number savvy, says Andreas Nieder. He studies the evolution of animal brains at the University of Tübingen in Germany. Behavior in two animals may look alike. Yet the two brains may create that behavior in very different ways.

Nieder and his colleagues have started the huge task of looking at how brains develop a number sense. So far they have studied how monkey and bird brains handle quantity. The researchers compared nerve cells, or neurons, in macaques with those in the brains of carrion crows.

Research in monkeys over the last 15 years has identified what Nieder calls “number neurons.” They may not be just for numbers, but they do respond to numbers.

He proposes that one group of these brain cells gets especially excited when it recognizes one of something. It could be a crow or crowbar, but these brain cells will react strongly. Another group of neurons gets especially excited by two of something. Among these cells, neither one nor three of the somethings kicks off such a strong response.

Some of these brain cells respond to the sight of certain quantities. Others respond to certain numbers of tones. Some, he reports, respond to both.

These brain cells lie in important places. Monkeys have them in the multilayered neocortex. This is the “newest” part of an animal’s brain — the one that developed most recently in evolutionary history. It includes part of your brain in the very front (behind the eyes) and on the sides (above the ears). These areas allow animals to make complex decisions, to consider consequences and to process numbers.

Birds don’t have a multilayered neocortex. Yet Nieder and colleagues have, for the first time, detected individual neurons in a bird brain that respond much as a monkey’s number neurons do.

The bird versions lie in a relatively newfangled area of the avian brain (the nidopallium caudolaterale). It didn’t exist in the last common ancestor shared by birds and mammals. Those reptile-like beasts had lived some 300 million years ago and they didn’t have a primate’s precious neocortex either.

Story continues below image.

Bird brains lack a fancy six-layered outer cortex. But carrion crows (right) have a brain area called the nidopallium caudolaterale that is rich in nerve cells that respond to quantity. In the macaque (left), number neurons are in a different area, mainly a region known as the prefrontal cortex. A. NIEDER/NAT. TOUR. NEUROSCI. 2016

So birds and primates probably did not inherit their considerable skill with quantities, Nieder says. Their number neurons could have become specialized independently of each other. As such, this is probably convergent evolution, he argued in the June 2016 Nature Avis Neurosciences.

Finding some brain structures to compare across deep time is a promising step in figuring out the evolution of number sense in animals. But it’s just a beginning. There are many questions about how the neurons work. There also are questions about what’s going on in all of those other brains that evaluate quantity. For now, looking across the tree of life at the crazy abundance of number smarts, the clearest thing to say may just be Wow!

Mots de pouvoir

déployer A broad and organized group of objects. Sometimes they are instruments placed in a systematic fashion to collect information in a coordinated way. Other times, an array can refer to things that are laid out or displayed in a way that can make a broad range of related things, such as colors, visible at once.

average (in science) A term for the arithmetic mean, which is the sum of a group of numbers that is then divided by the size of the group.

avian Of or relating to birds.

bat A type of winged mammal comprising more than 1,100 separate species &mdash or one in every four known species of mammal.

comportement La façon dont une personne ou un autre organisme agit envers les autres, ou se conduit.

des oiseaux Warm-blooded animals with wings that first showed up during the time of the dinosaurs. Birds are jacketed in feathers and produce young from the eggs they deposit in some sort of nest. Most birds fly, but throughout history there have been the occasional species that don&rsquot.

breed (noun) Animals within the same species that are so genetically similar that they produce reliable and characteristic traits. German shepherds and dachshunds, for instance, are examples of dog breeds. (verb) To produce offspring through reproduction.

carrion The dead and rotting remains of an animal.

cellule La plus petite unité structurelle et fonctionnelle d'un organisme. Généralement trop petit pour être vu à l'œil nu, il se compose d'un liquide aqueux entouré d'une membrane ou d'une paroi. Les animaux sont constitués de milliers à des milliards de cellules, selon leur taille. Some organisms, such as yeasts, molds, bacteria and some algae, are composed of only one cell.

cognition The mental processes of thought, remembering, learning information and interpreting those data that the senses send to the brain.

colleague Someone who works with another a co-worker or team member.

contrôler Une partie d'une expérience où il n'y a aucun changement par rapport aux conditions normales. Le contrôle est essentiel aux expériences scientifiques. Il montre que tout nouvel effet n'est probablement dû qu'à la partie du test qu'un chercheur a modifiée. Par exemple, si les scientifiques testaient différents types d'engrais dans un jardin, ils voudraient qu'une partie de celui-ci reste non fertilisée, comme témoin. Sa superficie montrerait comment les plantes de ce jardin poussent dans des conditions normales. And that give scientists something against which they can compare their experimental data.

convergent evolution The process by which animals from totally unrelated lineages evolve similar features as a result of having to adapt to similar environments or ecological niches. One example is how some species of ancient marine reptiles called ichthyosaurs and modern-day dolphins evolved to have remarkably similar shapes.

cortex The outermost layer of neural tissue of the brain.

corbeau The characteristic loud cry of a rooster. (in biology) A type of large black bird with a complex social structure that perches in trees and is known for its boisterous call.

densité The measure how condensed an object is, found by dividing the mass by the volume.

la diversité (in biology) A range of different life forms.

évolution (v. to evolve) A process by which species undergo changes over time, usually through genetic variation and natural selection. Ces changements aboutissent généralement à un nouveau type d'organisme mieux adapté à son environnement que le type précédent. The newer type is not necessarily more &ldquoadvanced,&rdquo just better adapted to the conditions in which it developed.

évolutionniste An adjective that refers to changes that occur within a species over time as it adapts to its environment. Such evolutionary changes usually reflect genetic variation and natural selection, which leave a new type of organism better suited for its environment than its ancestors. The newer type is not necessarily more &ldquoadvanced,&rdquo just better adapted to the conditions in which it developed.

hypothèse A proposed explanation for a phenomenon. In science, a hypothesis is an idea that must be rigorously tested before it is accepted or rejected.

insecte Un type d'arthropode qui, à l'âge adulte, aura six pattes segmentées et trois parties du corps : une tête, un thorax et un abdomen. Il existe des centaines de milliers d'insectes, dont les abeilles, les coléoptères, les mouches et les mites.

macaque A monkey with cheek pouches and a short tail that lives mainly in the forest.

aimant A material that usually contains iron and whose atoms are arranged so they attract certain metals.

mammal A warm-blooded animal distinguished by the possession of hair or fur, the secretion of milk by females for feeding the young, and (typically) the bearing of live young.

mealworm A wormlike larval form of darkling beetles. These insects are found throughout the world. The ever-hungry wormlike stage of this insect helps break down &mdash decompose, or recycle &mdash nutrients back into an ecosystem. These larvae also are commonly used as a food for pets and some lab animals, including chickens and fish.

mechanism The steps or process by which something happens or &ldquoworks.&rdquo It may be the spring that pops something from one hole into another. It could be the squeezing of the heart muscle that pumps blood throughout the body. It could be the friction (with the road and air) that slows down the speed of a coasting car. Researchers often look for the mechanism behind actions and reactions to understand how something functions.

nerf A long, delicate fiber that communicates signals across the body of an animal. An animal&rsquos backbone contains many nerves, some of which control the movement of its legs or fins, and some of which convey sensations such as hot, cold, pain.

neurone The impulse-conducting cells that make up the brain, spinal column and nervous system.

neuroscience The field of science that deals with the structure or function of the brain and other parts of the nervous system. Researchers in this field are known as neuroscientists.

nonverbal Without words.

numerical Having to do with numbers.

numerosity The term scientists give to a quantity recognized nonverbally.

perimeter The outer border or edge of some defined area. For instance, the perimeter of some people&rsquos property is set off by a fence.

cortex préfrontal A region containing some of the brain&rsquos gray matter. Located behind the forehead, it plays a role in making decisions and other complex mental activities, in emotions and in behaviors.

primate The order of mammals that includes humans, apes, monkeys and related animals (such as tarsiers, the Daubentonia and other lemurs).

psychologist A scientist or mental-health professional who studies the human mind, especially in relation to actions and behavior.

ratio The relationship between two numbers or amounts. When written out, the numbers usually are separated by a colon, such as a 50:50. That would mean that for every 50 units of one thing (on the left) there would also be 50 units of another thing (represented by the number on the right).

reptile Cold-blooded vertebrate animals, whose skin is covered with scales or horny plates. Snakes, turtles, lizards and alligators are all reptiles.

récompense (In animal behavior) A stimulus, such as a tasty food pellet, that is offered to an animal or person to get them to change their behavior or learn a task.

rhesus monkey (also called rhesus macaque) A small brown macaque with red skin on the its face and rump, native to southern Asia. It is often kept in captivity and is widely used in medical research.

savvy The quality of possessing useful and clever knowledge.

silk A fine, strong, soft fiber spun by a range of animals, such as silkworms and many other caterpillars, weaver ants, caddis flies and &mdash the real artists &mdash spiders.

social (adj.) Relatif aux rassemblements de personnes, terme désignant des animaux (ou des personnes) qui préfèrent exister en groupe. (nom) Un rassemblement de personnes, par exemple celles qui appartiennent à un club ou à une autre organisation, dans le but de profiter de la compagnie des autres.

species Groupe d'organismes similaires capables de produire une progéniture capable de survivre et de se reproduire.

araignée A type of arthropod with four pairs of legs that usually spin threads of silk that they can use to create webs or other structures.

subitizing An instant ease in recognizing quantities without having to count them, such as when someone sees a trio of ducks and knows that there are three of them without having to count them.

surface area The area of some material&rsquos surface. In general, smaller materials and ones with rougher or more convoluted surfaces have a greater exterior surface area &mdash per unit mass &mdash than larger items or ones with smoother exteriors. That becomes important when chemical, biological or physical processes occur on a surface.

théorie (in science) A description of some aspect of the natural world based on extensive observations, tests and reason. A theory can also be a way of organizing a broad body of knowledge that applies in a broad range of circumstances to explain what will happen. Unlike the common definition of theory, a theory in science is not just a hunch. Ideas or conclusions that are based on a theory &mdash and not yet on firm data or observations &mdash are referred to as theoretical . Scientists who use mathematics and/or existing data to project what might happen in new situations are known as theorists.

tissue Any of the distinct types of material, comprised of cells, which make up animals, plants or fungi. Cells within a tissue work as a unit to perform a particular function in living organisms. Different organs of the human body, for instance, often are made from many different types of tissues. And brain tissue will be very different from bone or heart tissue.

arbre de la vie A diagram that uses a branched, treelike structure to show how organisms relate to one another. Outer, twiglike, branches represent species alive today. Ancestors of today&rsquos species will lie on thicker limbs, ones closer to the trunk.

undergraduate A term for a college student &mdash one who has not yet graduated.

vertebrate The group of animals with a brain, two eyes, and a stiff nerve cord or backbone running down the back. This group includes amphibians, reptiles, birds, mammals and most fish.

Citations

Journal: R. Rugani et al. Ratio abstraction over discrete magnitudes by newly hatched domestic chicks (Gallus gallus). Rapports scientifiques. Vol.6, published online July 28, 2016, p. 30114. doi: 10.1038/srep30114.

Journal: A. Nieder. The neuronal code for number. Nature Avis Neurosciences. Vol. 17, June 2016, p. 366. doi: 10.1038/nrn.2016.40.

Journal: M.E. Miletto Petrazzini et al. Do humans (Homo sapiens) et du poisson (Pterophyllum scalare) make similar numerosity judgments? Journal of Comparative Psychology. Vol.130, November 2015, p. 380. doi: 10.1037/com0000045.

Journal: H. Ditz and A. Nieder. Neurons selective to the number of visual items in the corvid songbird endbrain. Actes de l'Académie nationale des sciences. Vol. 112, June 23, 2015, p. 7827. doi: 10.1073/pnas.1504245112.

Journal: K. Macpherson and W.A. Roberts. Can dogs count? Apprentissage et motivation. Vol. 44, November 2013, p. 241. doi: 10.1016/j.lmot.2013.04.002.

Journal: L. Cantrell and L.B. Smith. Open questions and a proposal: A critical review of the evidence on infant numerical abilities. Cognition. Vol. 128, September 2013, p. 331. doi: 10.1016/j.cognition.2013.04.008.

Journal: C. Agrillo et al. Evidence for two numerical systems that are similar in humans and guppies. PLOS UN. Vol. 7, February 2012, p. e31923. doi: 10,1371/journal.pone.0031923.

Journal: K. Macpherson and W.A. Roberts. Do dogs (Canis familiaris) seek help in an emergency? Journal of Comparative Psychology. Vol. 120, May 2006, p. 113. doi: 10.1037/0735-7036.120.2.113.

Journal: R. Rugani et al. Arithmetic in newborn chicks. Actes de la Royal Society B. Vol. 276, July 7, 2009, p. 2451. doi: 10.1098/rspb.2009.0044.

Journal: R. West and R.J. Young. Do domestic dogs show any evidence of being able to count? Cognition animale. Vol.5, September 2002, p. 183. doi: 10.1007/s10071-002-0140-0.

About Susan Milius

Susan Milius is the life sciences writer, covering organismal biology and evolution, and has a special passion for plants, fungi and invertebrates. She studied biology and English literature.

Ressources pédagogiques pour cet article En savoir plus

Des ressources pédagogiques gratuites sont disponibles pour cet article. Inscrivez-vous pour accéder :


Voir la vidéo: Vitesse dun objet - 6ème 2 - Lycée Français de Valence (Novembre 2021).