Représentations Naïves

Le Conte d'une Machine à Prédictions Apeurée

10 minute read 22 April 2020 education

Dans les articles précédents, nous avons commencé à discuter de ce qu'est l'apprentissage et des techniques pour apprendre plus efficacement. Mais apprendre est-il toujours une bonne chose ? Et en particulier, peut-on mal apprendre ? Ces questions comportent tellement d'aspects que j'ai décidé de me concentrer sur un seul dans cet article : les représentations naïves. J'étais très impatiente d'écrire cet article, car c'est un sujet qui a fortement influencé ma perspective sur mon propre apprentissage, alors j'espère que vous l'aimerez !

En premier lieu, vous ne voyez peut-être pas en quoi ces questions sont intéressantes. Quand j'ai lancé le sujet sur Instagram, un ami est venu me voir : « Hmm, n'est-ce pas une question bizarre ? Apprendre n'est-il pas toujours une bonne chose ? ». Je me suis dit que oui. Mais n'avez-vous jamais entendu quelqu'un (généralement un maître d'art martial chauve à longue barbe) dire « si tu veux apprendre ceci, tu dois désapprendre tout ce que tu as appris auparavant » ? Ou, vous-même, n'avez-vous jamais voulu désapprendre quelque chose qui vous a été enseigné, par le biais de mauvaises pratiques parentales ou de leçons de vie blessantes ?

Yoda: You have to unlearn what you have learnt

Yoda sait de quoi il parle

Pour comprendre comment cela fonctionne, suivons l’histoire de Josette. Comme n’importe quelle personne dans un monde non confiné, Josette se déplace dans le monde, vit différentes expériences, et apprend de ces expériences.

Josette playing badminton

Josette joue au badminton

Aujourd’hui, Josette joue au badminton pour la première fois. Elle essaye de lancer le volant. Elle essaye différentes manières de le taper avec sa raquette, et observe le résultat sur la trajectoire effectuée. Par exemple, « Si je tape doucement comme ça, le volant atterri ici, mais si je tape fort comme ça, il atterri là-bas ». Pour visualiser ça, j’utiliserai la métaphore suivante : les actions de Josette seront appelées input, et les effets de ses actions seront appelés output. De cette façon, nous pouvons visualiser les choses avec des graphiques, mais gardez en tête qu’il s’agit uniquement d’une métaphore. Nous ne pouvons l’appliquer que jusqu’à un certain point.

Nous disions donc : à chaque fois que Josette essaye quelque chose, elle se souvient de l’effet produit (les croix noires sur le graphique qui suit).

Representation of Josette observation's on a graph

Josette observe différentes trajectoires correspondant à différentes façons de taper le volant

Josette pourrait apprendre à jouer au badminton en testant toutes les manières possibles de taper dans le volant, et en se souvenant de l’effet du chacune. Mais le monde est trop complexe pour tout retenir par coeur, sans compter qu’il s’agit d’une manière d’apprendre particulièrement inefficace. Ce que Josette veut faire à la place, c’est trouver une règle générale qui l’aiderait à prévoir le résultat d’une nouvelle technique avant de la tester, pour savoir si elle vaut de coup ou pas. Nous appelons ce type de règle un modèle. En construisant cette règle (en violet sur l’image qui suit), Josette garde deux choses à l’esprit : d’abord, la règle doit expliquer ses observations (et donc être le plus près possible des croix noires), ensuite, la règle doit être la plus simple possible, parce qu’il n’y a aucun intérêt à compliquer les choses.

A straight line goes through all Josette observations

Un modèle permet de prédire les conséquences d'une action

Avec ce modèle, Josette peut prédire le résultat de ses actions. Mais Josette peut également découvrir, en fonction de résultat qu’elle veut obtenir, quelle action elle doit réaliser. De cette façon, elle peut s’adapter rapidement à différentes situations, même si elle ne les a jamais vécues avant !

We can use the model to connect outputs and inputs

Josette utilise le modèle afin d'atteindre son objectif

Ça semble génial. Maintenant, qu'est-ce qui pourrait mal tourner ? Beaucoup de choses ! La première est que nous construisons un modèle qui n'est pas une bonne généralisation de nos observations et fait donc de fausses prédictions. Par exemple, dans la figure suivante, vous pouvez voir que le modèle explique tous les points d'observation, mais qu'il ne semble pas vraiment fiable lorsqu'il s'agit de faire des prédictions. Il ne semble pas être l'explication la plus simple de nos observations. Bien sûr, nous pourrions peut-être découvrir qu'au fur et à mesure que nous faisons des observations, ce modèle est en fait une bonne représentation de la réalité, mais c'est très peu probable.

A complex curve goes through all Josette observations

Ce modèle n'a pas l'air de fournir de très bonnes prédictions

Un autre problème peut être que nos observations ne couvrent pas la situation globale de manière significative. Par exemple, si Josette a appris à jouer au badminton à l'intérieur, la première fois qu'elle ira dehors avec un peu de vent, beaucoup de ses prédictions seront fausses !

Our field of view is clear but all the rest of the picture is filled with little Hitlers

Nous avons un champ de vision limité, nos observations ne sont pas toujours complètes.
Image par SMBC Comics.

Alors ajoutons la situation globale à notre graphique.

We add more observations to the graph: it doesn't look like a straight line anymore

Ancien modèle sur la situation globale

Comme vous pouvez le voir, notre ancien modèle ne représente pas très bien cette nouvelle situation. Si Josette avait eu accès à la situation globale avant de créer son modèle, il ressemblerait sûrement plutôt à cela :

A sigmoid goes through all the observations

Nouveau modèle sur la situation globale

C’est ce que l’on appelle une représentation naïve. La définition exacte d’une représentation naïve est « une conception de l’étudiant.e qui entre en conflit avec le concept de l’expert.e » [Smith III 1994]. Un exemple de représentation que j'aime est celui des mathématiques (encore). Lorsque les enfants apprennent à comparer des nombres entiers, ils construisent généralement une règle interne qui dit « si un nombre a plus de chiffres que l'autre, alors il est plus grand ». Par exemple, 16345 est supérieur à 14. Mais lorsqu'ils commencent à apprendre les nombres décimaux, ils gardent la même règle à l'esprit. Ainsi, ils concluraient que 1,6345 est supérieur à 1,4 parce qu'il comporte plus de chiffres. Et le problème est que, dans ce cas, c'est en fait vrai, même si cela n'a rien à voir avec le nombre de chiffres : la règle ne généralise pas.

Pourquoi les représentations posent-elles des problèmes ? La version courte est : parce qu’elles sont difficiles à désapprendre. Le cerveau a tendance à s’accrocher à ses anciens modèles, et si le monde extérieur essaie de les remplacer, le cerveau en fait tout un drame.

the extra bit_

La version longue, c’est que le monde est complexe, trop complexe pour nous. Alors notre cerveau construit des modèles à tout va pour s’assurer que nous pouvons gérer notre quotidien sans nous sentir dépassés en permanence. La motivation principale pour ce genre de comportement c’est que nous voulons être capables de prédire si une action va nous donner du plaisir ou nous causer de la douleur, et nous devons le faire rapidement. Nous sommes des machines à prédire. Par exemple, avoir un modèle « Feu + Main -> Douleur » peut s'avérer très utile, même si nous ne comprenons pas exactement pourquoi la flamme a pour effet de nous brûler, même si nous n'avons jamais vu une telle flamme auparavant.

Maintenant imaginons que nous avons construit un modèle « faux ». Pour pouvoir apprendre le « bon » modèle, nous devons lui donner de la place, en supprimant l’ancien. C’est terrifiant pour le cerveau, pour deux raisons majeures. Premièrement, en supprimant l'ancien modèle, on prive le cerveau de ses capacités de prédiction pendant un certain temps, ce qui le rend très anxieux : que se passe-t-il si une situation se produit et qu'il n'est pas capable de nous protéger du danger ? Deuxièmement, notre cerveau pourrait sauter aux conclusions : au lieu de comprendre qu'il n'a pas assez d'informations pour construire un modèle correct, notre cerveau pourrait croire que ses capacités de construction de modèles sont imparfaites. Et cela signifierait que tous nos autres modèles sont peut-être erronés. Donc, en gros, nous faisons simplement le tour du monde, nous nous trompons sur tout, nous comprenons mal ce que nous percevons. Cela ne semble pas extrêmement sécuritaire.

Une dernière chose : construire un modèle coûte très cher. Et stocker un modèle complexe coûte également très cher. Alors, si notre modèle fonctionne suffisamment bien dans la plupart des situations que nous rencontrons, pourquoi s’embêter ? Par exemple, si Josette ne joue dehors qu’une fois par an, pourquoi voudrait-elle se débarrasser de son ancien modèle, qui fonctionne parfaitement quand elle joue en intérieur ? Ça ne vaut pas le coup.

Josette had to decide between the simpler model and the more complex one

Josette n'est pas très séduite par ce nouveau modèle bien encombrant

the extra bit_over_


Il est très difficile de découvrir par nous-mêmes les représentations que nous avons, mais réfléchissez. Pensez-vous qu'il vous est déjà arrivé de devoir désapprendre ou modifier un modèle mental qui s'est avéré inexact ? Je pense que j'ai vécu cela lorsque j'ai commencé à m'intéresser à autre chose que les mathématiques. Je m'attendais à ce que tout fonctionne exactement comme les mathématiques, et j'étais très ennuyée quand ce n'était pas le cas. J'étais tellement ennuyé que cela m'empêchait même de comprendre ce que j'essayais d'apprendre.

Dans l'ensemble, le fait d'être conscient de cette tendance de mon cerveau à protéger les idées fausses m'aide vraiment. Maintenant, quand je vois que mon cerveau commence à paniquer devant de nouvelles informations, je peux prendre du recul et me demander : « Oh ok, ce modèle a appuyé sur la gâchette, maintenant regardons-le calmement. Ce modèle a-t-il vraiment un sens ? Pourquoi est-ce que j'essaie de le protéger si fort ? ». Cela m'aide à être plus patiente avec moi-même, et à être plus compréhensive avec les autres. Encore une fois, nous sommes tous en progrès, notre compréhension du monde évolue sans cesse, et il n'y a pas de raccourci.

xoxo,

The Diverter

Pour aller plus loin :

Alan Watts - The Wisdom of Insecurity: A Message for an Age of Anxiety

Je ne suis pas convaincue par tout ce qui est dit dans ce livre, mais j’ai vraiment apprécié la partie qui porte sur l’importance que nos prédictions ont pour nous. Le livre est plutôt court, donc je trouve que ça mérite un coup d’œil.

Cover of Alan Watts' book
Références :

[Smith III 1994] Smith III, J.P., Disessa, A.A. and Roschelle, J., 1994. Misconceptions reconceived: A constructivist analysis of knowledge in transition. The journal of the learning sciences, 3(2), pp.115-163.