Malgré les événements décrits dans The Imitation Game, Alan Turing n'a pas inventé la machine qui a déchiffré les codes allemands pendant la Seconde Guerre mondiale - la Pologne l'a fait. Mais le brillant mathématicien a inventé quelque chose qui n’a jamais été mentionné dans le film: un outil mathématique permettant de juger de la fiabilité des informations. Son outil accélère le travail de déchiffrement des messages codés à l'aide de versions améliorées des machines polonaises.
Contenu connexe
- Les collations de minuit sont mauvaises pour votre cerveau
- Les cerveaux de pigeons fonctionnent un peu comme les nôtres
- Faites-vous de meilleures décisions quand vous avez faim?
Des chercheurs qui étudient des singes rhésus ont découvert que le cerveau utilisait également cet outil mathématique, non pas pour décoder des messages, mais pour rassembler des preuves non fiables afin de prendre des décisions simples. Pour Michael Shadlen, neuroscientifique à la Columbia University, cette découverte va dans le sens d'une idée plus large selon laquelle toutes les décisions que nous prenons, même les plus apparemment irrationnelles, peuvent être décomposées en opérations stastiques rationnelles. «Nous pensons que le cerveau est fondamentalement rationnel», déclare Shadlen.
Inventée en 1918, la machine allemande Enigma a créé un code de substitution en échangeant les lettres originales d'un message contre de nouvelles, produisant ainsi ce qui semblait être du charabia. Pour rendre le chiffrement plus compliqué, l’appareil comportait des disques rotatifs qui pivotaient à chaque pression sur une touche, ce qui modifiait l’encodage à chaque frappe. Le processus était si complexe que même avec une machine Enigma à la main, les Allemands ne pouvaient déchiffrer un message qu'en connaissant les réglages initiaux de ces cadrans de chiffrement.
Une machine allemande Enigma, ennemie des briseurs de code de la Seconde Guerre mondiale. (La bibliothèque Walker de l'histoire de l'imagination humaine) Turing a créé un algorithme qui réduit le nombre de paramètres possibles que les machines de décryptage britanniques, appelés bombes, devaient tester chaque jour. Au Royaume-Uni, Turning s'est rendu compte qu'il était possible de déterminer si deux messages provenaient de machines à disques rotatives ayant démarré aux mêmes positions, ce qui constitue un élément d'information essentiel pour déterminer ces positions. Alignez deux messages codés, l'un sur l'autre, et les chances que deux lettres soient identiques sont légèrement plus grandes si les deux messages provenaient de machines avec les mêmes paramètres initiaux. En effet, en allemand, comme en anglais, certaines lettres ont tendance à être plus courantes et le processus de cryptage a préservé ce schéma.
L'algorithme de Turing a essentiellement ajouté les probabilités que ces indices soient utiles. Il indiquait également lorsque les probabilités cumulées étaient suffisamment bonnes pour accepter ou rejeter le fait que les deux messages comparés provenaient de machines ayant les mêmes états de rotor. Cet outil statistique, appelé test du rapport de probabilité séquentielle, s'est révélé être la solution optimale au problème. Cela a permis de gagner du temps en permettant aux codesbreakers de Bletchley de décider si deux messages étaient utiles tout en cherchant le moins de lettres possible. Turning n'était pas le seul mathématicien à travailler en secret pour proposer cette idée. Abraham Wald, de l'Université de Columbia, l'utilisa en 1943 pour déterminer le nombre de bombes que la marine américaine devait faire sauter pour être raisonnablement assuré qu'un lot de munitions n'était pas défectueux avant de l'expédier.
Maintenant, Shadlen a découvert que les humains et d’autres animaux pourraient utiliser une stratégie similaire pour donner un sens aux informations incertaines. Il est important de gérer les incertitudes, car peu de décisions reposent sur des preuves parfaitement fiables. Imaginez conduire dans une rue sinueuse la nuit sous la pluie. Vous devez choisir de tourner le volant vers la gauche ou vers la droite. Mais à quel point pouvez-vous vous fier aux feux arrière d’une voiture à une distance inconnue, à la ligne d’arbre sombre à la forme confuse ou aux balises à peine visibles? Comment rassemblez-vous ces informations pour rester sur la route?
Les singes dans le laboratoire de Shadlen devaient faire face à une décision similaire. Ils ont vu deux points affichés sur un écran d'ordinateur et ont tenté de gagner une gâterie en choisissant la bonne. Les formes qui clignotaient à l'écran l'une après l'autre faisaient allusion à la réponse. Par exemple, lorsqu'un symbole Pac-Man est apparu, le point de gauche était probablement, mais certainement pas, la bonne réponse. En revanche, un pentagone a favorisé le bon point. Le jeu s'est terminé lorsqu'un singe a décidé qu'il avait vu suffisamment de formes pour risquer une hypothèse en tournant les yeux vers l'un des points.
Le cortex intrapariétal latéral, la partie du cerveau mesurée dans cette étude, se trouve dans le lobe pariétal. (Image reproduite avec l'aimable autorisation de l'Institut national du vieillissement et des instituts nationaux de la santé) Plusieurs stratégies auraient pu être utilisées pour choisir le bon point. Un singe pourrait faire attention aux meilleurs indices et ignorer les autres. Ou bien, un choix pourrait simplement être fait après un certain laps de temps, quelle que soit la certitude d'un singe sur la preuve qu'il a vue jusqu'à présent.
Ce qui s'est réellement passé est une accumulation d'informations dans le cerveau, l'animal évaluant la fiabilité de chaque forme et les ajoutant à un total cumulé. Shadlen surveillait cette accumulation en insérant sans douleur des électrodes dans le cerveau des singes. Des indices à forte probabilité ont déclenché de grands sauts d'activité cérébrale, tandis que des indices plus faibles ont entraîné des sauts plus faibles. Les décisions semblaient être prises lorsque l'activité en faveur de la gauche ou de la droite franchissait un certain seuil, un peu comme les résultats de l'algorithme de Turing.
«Nous avons constaté que le cerveau prenait une décision d'une manière qui ne conviendrait pas avec un statisticien», explique Shadlen, dont l'équipe publiera les résultats dans un prochain numéro de la revue Neuron.
Jan Drugowitsch, neuroscientifique à l'Ecole Normale Supérieure de Paris, partage cet avis. «Cela montre très clairement que le cerveau essaie vraiment de suivre la stratégie décrite ici», dit-il. Mais des choix plus complexes, tels que l'endroit où aller au collège ou avec qui se marier, peuvent-ils se résumer à de simples stratégies statistiques?
«Nous ne savons pas que les problèmes rencontrés par le cerveau pour résoudre de gros problèmes sont exactement les mêmes que ceux qu'il faut prendre pour prendre des décisions plus simples», déclare Joshua Gold, neuroscientifique à la faculté de médecine de l'Université de Pennsylvanie. «À l'heure actuelle, il est tout à fait conjectural que les mécanismes que nous étudions en laboratoire influent sur les décisions de niveau supérieur.
