Interprétabilité mécaniste du langage

Sujet de thèse :
Les mécanismes neuronaux du langage humain restent inconnus, et les IA actuelles s'en écartent à cause de capacités de mémoire surhumaines et irréalistes. Ce projet de doctorat (3 ans) vise à intégrer des contraintes biologiques et cognitives dans les architectures de réseaux de neurones pour combler ce fossé. Le travail comprend :

Modélisation informatique : Intégration de mécanismes de dégradation de la mémoire et adaptation de l'architecture Transformer et RNN pour restreindre structurellement les modèles.

Analyse neurale : Création d'un benchmark de haute résolution à partir de données d'électrophysiologie intracrânienne humaine (iEEG) pour évaluer quels modèles contraints répliquent le plus fidèlement la dynamique cérébrale du traitement du langage.
Contexte :
Le doctorat se déroulera dans un environnement interdisciplinaire de haut niveau, combinant l'expertise en modélisation computationnelle de l'IA (LSCP / ENS-Paris) et l'accès à des données neurophysiologiques cliniques de pointe (Hôpital Fondation Rothschild / INCC). L'étudiant ou l'étudiante évoluera à l'interface de l'intelligence artificielle et des neurosciences cognitives.