Contexte, apprentissage et extinction.

A. Redish et al. (2007) ont proposé un modèle d'apprentissage par renforcement de l'apprentissage et de l'extinction dépendants du contexte dans des expériences de conditionnement, en utilisant l'idée de "classification d'état" pour catégoriser les nouvelles observations en états. Dans l'article actuel, les auteurs proposent une interprétation de cette idée en termes d'inférence statistique normative. Ils se concentrent sur le renouvellement et l'inhibition latente, deux paradigmes de conditionnement dans lesquels des manipulations contextuelles ont été largement étudiées, et montrent que l'inférence bayésienne en ligne dans un modèle qui suppose un nombre illimité de causes latentes peut caractériser un ensemble divers de résultats comportementaux issus de telles manipulations, dont certains posent des problèmes pour le modèle de Redish et al. De plus, dans les deux paradigmes, la dépendance contextuelle est absente chez les jeunes animaux, ou si des lésions hippocampiques sont faites avant l'entraînement. Les auteurs suggèrent une explication en termes de capacité restreinte à inférer de nouvelles causes.