David Marr – 1945 1980

Biographie

L’histoire des sciences cognitives et de l’intelligence artificielle est jalonnée de ruptures conceptuelles décisives, mais rares sont les figures dont la trajectoire intellectuelle a infléchi de manière aussi fondamentale et pérenne notre compréhension du cerveau et du traitement de l’information que celle de David Courtnay Marr (1945–1980). Disparu prématurément à l’âge de trente-cinq ans, ce mathématicien et neuroscientifique britannique a opéré une véritable révolution épistémologique en formulant un cadre unificateur qui réconciliait les mécanismes biophysiques du tissu cérébral avec les abstractions algorithmiques du calcul logique. À une époque où les neurosciences s’égaraient dans l’accumulation descriptive de données électrophysiologiques et où l’intelligence artificielle balbutiante s’enfermait dans des heuristiques d’ingénierie ad hoc, Marr a su imposer une rigueur théorique inégalée, fondant ainsi les neurosciences computationnelles contemporaines et la théorie moderne de la vision.

Au cœur de l’entreprise marrienne réside l’intuition fondatrice selon laquelle un système de traitement de l’information complexe — qu’il soit façonné par des millions d’années d’évolution biologique ou implémenté sur des substrats de silicium — ne peut être adéquatement compris par la seule dissection de ses composantes physiques. En introduisant sa célèbre tripartition méthodologique distinguant le niveau computationnel, le niveau algorithmique et le niveau de l’implémentation matérielle, David Marr a doté la communauté scientifique d’un puissant instrument critique et programmatique. Il a magistralement démontré que pour saisir le fonctionnement d’un organe perceptif comme le système visuel, il est impératif d’élucider la nature intrinsèque des problèmes physiques et mathématiques que l’organisme est contraint de résoudre afin de survivre et d’interagir avec son environnement.

Ce présent mémoire se propose d’explorer en profondeur la genèse, l’élaboration et la postérité de l’œuvre monumentale de David Marr. De ses travaux pionniers sur le cervelet, le néocortex et l’hippocampe élaborés au Trinity College de Cambridge, jusqu’à l’apothéose théorique de sa chaire au Massachusetts Institute of Technology (MIT) concrétisée dans son traité posthume Vision, nous analyserons la structure architecturale de sa pensée. En examinant comment son legs irrigue encore la vision par ordinateur, la psychophysique et les débats contemporains sur l’apprentissage profond et la philosophie de l’esprit, nous mesurerons l’actualité brûlante d’un chercheur dont la rigueur visionnaire continue de guider l’exploration de l’intelligence naturelle et artificielle.

1. Introduction biographique et genèse intellectuelle (1945–1968)

1.1 Origines familiales et formation initiale à Cambridge

David Courtnay Marr naît le 19 janvier 1945 à Woodford, dans le comté d’Essex, au sein d’une Angleterre en pleine reconstruction au crépuscule de la Seconde Guerre mondiale. Très tôt, le jeune Marr manifeste des facultés intellectuelles exceptionnelles et une insatiable curiosité pour les structures logiques qui sous-tendent les phénomènes du monde physique. Conscient de ses dispositions précoces, son entourage l’encourage vers des études d’excellence. Il intègre ainsi la prestigieuse Rugby School, institution où s’épanouit son talent singulier pour les mathématiques pures et la physique théorique. Durant ces années de formation secondaire, Marr se distingue par une capacité hors norme d’abstraction géométrique et une rigueur analytique qui lui permettent de dominer sans peine les concours nationaux les plus exigeants.

Cette maîtrise exemplaire lui ouvre en 1963 les portes du vénérable Trinity College de l’Université de Cambridge, berceau d’Isaac Newton, de Bertrand Russell et d’Alan Turing. C’est dans ce milieu académique électrisant, saturé d’émulation intellectuelle, que Marr entreprend des études de mathématiques supérieures dans le cadre du redoutable Mathematical Tripos. Entouré de tuteurs réputés pour leur orthodoxie formelle, il assimile les théories de l’analyse mathématique, de la topologie et des probabilités, forgeant un outillage déductif qu’il n’abandonnera jamais. Toutefois, au fur et à mesure de sa progression dans les arcanes de l’algèbre abstraite, un profond sentiment d’inachèvement commence à poindre dans l’esprit du jeune étudiant.

Pour Marr, la beauté austère des théorèmes mathématiques purs ne trouve sa véritable justification que lorsqu’elle est mise au service de l’élucidation de problèmes concrets posés par la réalité phénoménologique. Il perçoit rapidement que les plus fascinantes énigmes du siècle à venir ne résideront plus exclusivement dans la physique des particules ou la cosmologie mathématique, mais bien dans le déchiffrement des mécanismes biologiques du traitement de l’information. Fasciné par la question de savoir comment un agrégat de matière vivante peut engendrer la pensée, stocker des souvenirs et reconstruire le monde visuel, David Marr décide, au terme de son cycle de mathématiques de premier cycle, d’opérer une bifurcation radicale : quitter la pureté déductive des mathématiques pour plonger dans le désordre empirique de la neurobiologie.

1.2 L’influence des sciences biologiques et des neurosciences émergentes

Cette transition décisive vers les sciences biologiques s’incarne de manière concrète par sa rencontre au milieu des années 1960 avec le professeur Giles Skey Brindley, figure éminente de la physiologie et pionnier des neurosciences visuelles au sein du laboratoire de physiologie de Cambridge. Brindley, dont l’esprit rigoureux combinait physiologie sensorielle, psychophysique et mathématiques appliquées, perçoit immédiatement l’immense potentiel de Marr et accepte de diriger ses travaux de recherche doctorale. Sous l’égide de Brindley, Marr est initié aux techniques expérimentales de l’électrophysiologie, de l’histologie et de la neuroanatomie comparée, découvrant la complexité vertigineuse des circuits neuronaux vivants.

Cette période coïncide avec une véritable onde de choc intellectuelle dans le domaine de la neurophysiologie sensorielle : les découvertes pionnières de David Hubel et Torsten Wiesel sur l’organisation fonctionnelle du cortex strié (cortex visuel primaire V1). En démontrant que des neurones individuls répondent sélectivement à des stimuli visuels élémentaires possédant des orientations spatiales précises, Hubel et Wiesel laissaient entrevoir la possibilité d’une cartographie linéaire de la perception. Pourtant, là où la communauté neurobiologique internationale s’extasie devant la découverte de ces « détecteurs de caractéristiques » (feature detectors), Marr développe rapidement une lecture critique et lucide de ces résultats expérimentaux.

Marr constate les carences théoriques criantes de la neurobiologie des années 1960. Il dénonce le mirage qui consisterait à croire que l’accumulation descriptive d’enregistrements unitaires intracellulaires suffirait, par une simple sommation inductive, à expliquer le fonctionnement de la vision ou de la mémoire. Pour lui, enregistrer l’activité d’une cellule sensible à une fente lumineuse n’explique en rien pourquoi et comment le cerveau utilise cette information pour déduire la présence d’un objet tridimensionnel dans l’espace. La neurobiologie descriptive souffre de l’absence dramatique d’une théorie générale du calcul neuronal. C’est précisément cette béance conceptuelle que le jeune chercheur entend combler : il formule l’ambition monumentale de mathématiser le traitement de l’information biologique en s’appuyant sur des principes computationnels premiers.

1.3 Le contexte intellectuel : cybernétique et révolution cognitive

L’émergence intellectuelle de David Marr s’inscrit au carrefour de deux courants majeurs qui traversent la seconde moitié du vingtième siècle : l’héritage de la cybernétique des années 1940-1950 et l’essor de la révolution cognitive. Marr se plonge dans les écrits canoniques d’Alan Turing sur la calculabilité et les automates cellulaires, de Norbert Wiener sur la rétroaction et le contrôle, ainsi que de John von Neumann sur les fondements logiques de l’ordinateur et du système nerveux. Toutefois, il garde une distance critique vis-à-vis des simplifications excessives de la première cybernétique, qu’il juge trop souvent déconnectée de la réalité anatomique fine du système nerveux central.

Parallèlement, la scène académique anglo-saxonne est le théâtre d’un basculement épistémologique historique : l’effondrement progressif du paradigme béhavioriste sous les coups de boutoir de la linguistique chomskienne et de la nouvelle psychologie cognitive computationnelle portée par des chercheurs comme George Miller ou Jerome Bruner. L’esprit n’est plus envisagé comme une boîte noire inaccessible régie par de simples contingences de renforcement stimulus-réponse, mais comme un système formel complexe opérant des manipulations de représentations internes et des transformations symboliques. Marr intègre pleinement ce renouveau conceptuel tout en déplorant le manque d’assise neurobiologique des modèles psychologiques purement fonctionnalistes.

Dans ce contexte incandescent, Marr entame la rédaction de sa thèse doctorale consacrée à la structure fonctionnelle du système nerveux. Il se positionne résolument à la frontière triangulaire de l’ingénierie des systèmes, des mathématiques pures et de la psychophysique. Son projet est d’une audace inouïe pour un doctorant : il ne s’agit pas de proposer un modèle métaphorique de l’esprit, mais d’établir une théorie physique et mathématique exacte démontrant comment l’architecture anatomique précise de régions cérébrales spécifiques est mathématiquement contrainte par la nature formelle de l’opération algorithmique qu’elles doivent impérativement accomplir.

2. Les modèles computationnels précoces du système nerveux central

2.1 La théorie du cervelet de 1969 : apprentissage moteur et circuits neuronaux

En 1969, David Marr publie dans le Journal of Physiology un article fondateur intitulé A Theory of Cerebellar Cortex. Ce texte magistral, tiré directement de ses travaux doctoraux, constitue le premier grand chef-d’œuvre de la modélisation computationnelle en neurobiologie. Marr s’attaque à une énigme classique de la neuroanatomie : pourquoi le cortex cérébelleux présente-t-il une architecture cytoarchitectonique d’une régularité géométrique et paracristalline aussi absolue chez tous les vertébrés supérieurs ? Refusant l’approche empirique pure, Marr postule que cette régularité géométrique trahit l’existence d’une fonction mathématique universelle : le cervelet est modélisé comme un dispositif de mémoire associative optimisé pour l’apprentissage et la coordination des mouvements moteurs automatisés.

Dans cette formalisation rigoureuse, Marr cartographie chaque élément cellulaire identifié par l’histologie classique sur une fonction précise au sein d’un algorithme d’apprentissage automatique supervisé. Les cellules granulaires, dont les axones forment les innombrables fibres parallèles, agissent comme un étage d’expansion de dimension : elles reçoivent un signal d’entrée distribué par les fibres moussues et le projettent dans un espace de très grande dimension afin d’effectuer une séparation non linéaire des contextes moteurs. Les monumentales cellules de Purkinje fonctionnent quant à elles comme des intégrateurs sommant les signaux synaptiques de ces milliers de fibres parallèles. L’élément central du modèle réside dans les fibres grimpantes, issues du complexe olivaire inférieur : Marr les conceptualise comme des vecteurs d’apprentissage véhiculant un signal d’erreur d’instruction univoque. Lorsqu’une fibre grimpante décharge de façon synchrone avec un motif spécifique de fibres parallèles, elle modifie de façon permanente l’efficacité synaptique sur la cellule de Purkinje.

Presque simultanément, le chercheur américain James Albus développe une théorie remarquablement similaire, donnant naissance au célèbre paradigme de Marr-Albus. Bien que Marr ait initialement postulé une potentiation à long terme (LTP) là où Albus et les validations expérimentales ultérieures de Masao Ito ont révélé une dépression synaptique à long terme (LTD), l’essence théorique du modèle demeure intangible. Marr venait de réaliser un tour de force épistémologique historique : fournir la toute première démonstration rigoureuse qu’une correspondance biunivoque absolue peut être établie entre un algorithme d’apprentissage adaptatif formel et l’agencement histologique microscopique d’un tissu neuronal.

2.2 La modélisation du néocortex en 1970 : stockage et classification d’informations

Fort du retentissement international de sa théorie cérébelleuse, Marr applique dès 1970 la même méthodologie mathématique à la structure la plus complexe du cerveau des mammifères : le néocortex. Dans son article A Theory for Cerebral Neocortex, publié dans les Proceedings of the Royal Society of London, il s’attaque au problème du traitement cognitif supérieur, à savoir la capacité du cerveau à organiser le flux chaotique des sensations en concepts et en catégories perceptives stables. Marr y avance une hypothèse révolutionnaire pour l’époque : le néocortex opère comme un classificateur statistique automatique et hiérarchique d’événements sensoriels complexes.

Sur le plan formel, Marr modélise les réseaux de neurones pyramidaux corticaux comme des systèmes capables d’extraire des redondances statistiques dans l’environnement et de former des représentations de concepts généraux à partir d’exemples spécifiques sans supervision explicite. Il conçoit une théorie mathématique de la formation des représentations cognitives catégorielles, démontrant comment des cellules inhibitrices locales (telles que les interneurones GABAergiques en chandelier ou à panier) régulent l’activité globale du réseau pour préserver la sélectivité des réponses neuronales. Il analyse méticuleusement le compromis mathématique inhérent à toute mémoire de grande capacité entre la densité d’information stockée, la tolérance au bruit synaptique résiduel et la probabilité d’une fausse reconnaissance d’un stimulus.

Cependant, Marr se heurte rapidement à des impasses formelles fondamentales au cours de cette modélisation. Il réalise que contrairement au cervelet, dont la finalité d’exécution motrice est univoque et contrainte par la biomécanique musculaire, les fonctions néocorticales sont éminemment flexibles, adaptatives et modulées par des états internes complexes. Le jeune théoricien prend conscience des limites intrinsèques d’une approche qui tenterait de deviner le fonctionnement du cortex supérieur uniquement à partir de lois statistiques générales sans disposer d’une description précise de la structure de l’information que ce cortex doit réellement manipuler. Cet aveu de lucidité critique prépare le pivotement conceptuel qui le mènera quelques années plus tard à placer le problème de la représentation formelle au-dessus de celui du câblage neuronal.

2.3 La théorie de l’archicortex et de l’hippocampe en 1971 : mémoire épisodique

Pour parachever sa trilogie magistrale sur les grands sous-systèmes du cerveau, Marr publie en 1971 son article mémorable consacré à l’archicortex : Simple Memory: A Theory for Archicortex. Prenant pour objet d’étude la formation hippocampique, il s’attaque frontalement au paradoxe neurobiologique de l’apprentissage rapide : comment un système neuronal peut-il mémoriser instantanément un événement épisodique unique, riche et imprévu, sans provoquer une interférence catastrophique et écraser irrémédiablement les connaissances encyclopédiques préalablement emmagasinées dans le cortex ?

Pour résoudre ce dilemme fondamental, Marr pose les fondements de ce que les neurosciences cognitives nommeront plus tard la théorie des systèmes de mémoire complémentaires (Complementary Learning Systems). Il caractérise l’hippocampe comme une mémoire associative temporaire dotée d’une très grande plasticité synaptique et d’une architecture à haute capacité d’adressage. Il théorise pour la première fois le processus de consolidation de la mémoire : l’hippocampe capture rapidement les motifs d’activation neuronale associés à un événement vécu, puis, lors de phases de repos ou de sommeil, rejoue ces motifs à un rythme modulé vers le néocortex, permettant à ce dernier d’intégrer lentement et durablement les nouvelles données au sein de ses structures catégorielles préexistantes sans déstabiliser l’édifice mnésique global.

Sur le plan mathématique et fonctionnel, l’article de 1971 formalise de manière prémonitoire deux principes computationnels majeurs qui gouvernent encore aujourd’hui la recherche contemporaine sur les réseaux récurrents et les mémoires de Hopfield :

• La séparation de motifs (pattern separation) : opération par laquelle le gyrus denté transforme des entrées corticales similaires mais distinctes en configurations d’activation neuronale orthogonales afin de prévenir toute confusion mnésique.
• La complétion de motifs (pattern completion) : capacité algorithmique implémentée dans les collatérales récurrentes de la région CA3 de l’hippocampe permettant de restituer l’intégralité d’un souvenir complexe à partir d’un indice sensoriel partiel ou fortement bruité.

Par cette formulation d’une précision éclatante, Marr s’affirme comme le père conceptuel incontestable des modèles modernes de la mémoire déclarative et épisodique.

3. La transition vers le MIT et la fondation de la vision computationnelle

3.1 L’intégration au laboratoire d’intelligence artificielle de Marvin Minsky

En 1973, alors qu’il est déjà reconnu dans les cercles britanniques comme un prodige des neurosciences théoriques, David Marr prend une décision qui va définitivement sceller le destin des sciences cognitives : il traverse l’Atlantique pour rejoindre le mythique laboratoire d’intelligence artificielle du Massachusetts Institute of Technology (MIT). Invité à l’initiative de Marvin Minsky et de Seymour Papert, Marr s’installe au cœur de l’épicentre mondial de l’informatique naissante et de la cyber-recherche d’avant-garde. Cette transition marque une rupture salutaire avec l’empirisme traditionnel de la physiologie britannique et plonge le chercheur dans un environnement intellectuel radicalement novateur dominé par le paradigme du calcul symbolique.

Au MIT, Marr découvre des tentatives précoces de concevoir des robots autonomes équipés de caméras capables de manipuler des blocs de formes géométriques simples dans ce que l’on appelait le monde des blocs (blocks world). Ces projets, bien que séduisants, reposent alors sur des approches purement heuristiques : les chercheurs programmaient des règles d’ingénierie ad hoc pour détecter des lignes ou inférer des volumes à partir d’indices disparates. Marr réagit vigoureusement contre cette superficialité méthodologique. Il fustige ce qu’il qualifie de bricolage d’ingénieurs dépourvu de fondements théoriques, affirmant que ces systèmes échouent lamentablement dès qu’ils sont confrontés à des images réelles du monde naturel, précisément parce qu’ils n’ont jamais modélisé la physique du signal lumineux ni la logique mathématique de la vision.

En réaction, Marr entreprend de refonder le laboratoire de vision artificielle du MIT sur des bases rigoureuses. Il soutient que pour concevoir un système de vision artificielle efficace, ou pour comprendre le système visuel d’un être vivant, il ne faut pas commencer par programmer des règles logiques arbitraires sur des concepts de haut niveau, mais comprendre comment l’information géométrique et spatiale du monde extérieur peut être déduite de manière mathématiquement prouvée à partir de la distribution continue des photons tombant sur une surface réceptrice. Le laboratoire devient sous son impulsion le temple d’une nouvelle discipline : la vision computationnelle.

3.2 Les collaborations clés : Tomaso Poggio et Shimon Ullman

Cette effervescence créative au MIT se nourrit de collaborations intellectuelles décisives. La plus prolifique et emblématique est sans conteste le partenariat forgé entre David Marr et le jeune biophysicien d’origine italienne Tomaso Poggio, alors chercheur au Max-Planck-Institut de Tübingen et invité régulier au MIT. L’alliance entre la vision théorique de Marr et l’expertise mathématique profonde de Poggio en analyse fonctionnelle, en théorie de la régularisation et en optique produit des avancées spectaculaires. Ensemble, ils cosignent une série d’articles historiques qui transforment radicalement l’étude mathématique de la vision, notamment sur la stéréopsie, la détection des contours par filtrage multi-échelle et la résolution des problèmes inverses.

Une autre rencontre cruciale est celle de Shimon Ullman, alors doctorant puis chercheur au MIT. Avec Ullman, Marr engage des réflexions approfondies sur la perception du mouvement et la dérivation de la géométrie tridimensionnelle à partir du flux optique temporel, culminant dans les fameux théorèmes de la structure à partir du mouvement (structure from motion). Marr, Poggio et Ullman instaurent une synergie interdisciplinaire sans précédent : ils font dialoguer en permanence des modèles mathématiques rigoureux d’équations aux dérivées partielles avec les données expérimentales issues de la psychophysique humaine et les enregistrements électrophysiologiques de la neurobiologie animale.

Autour de ce noyau se structure au MIT une communauté soudée de jeunes chercheurs, mathématiciens, informaticiens et psychologues — parmi lesquels Ellen Hildreth, Keith Nishihara, Eric Grimson et Michael Brady — tous acquis à la méthode marrienne. Ce creuset académique d’une vitalité intellectuelle exceptionnelle fonctionne comme une véritable école de pensée : il ne s’agit plus de disséquer des neurones ni d’empiler des lignes de code informatique sans cadre formel, mais de bâtir une science déductive du traitement visuel de l’information.

3.3 Le changement de paradigme : de la neurophysiologie descriptive au traitement de l’information

L’aboutissement de ces années d’intense recherche au MIT se traduit par un bouleversement épistémologique définitif : l’affirmation sans équivoque de la primauté de la fonction et de l’information sur le substrat biologique matériel. David Marr proclame qu’essayer de comprendre la perception visuelle en étudiant uniquement la structure biophysique des synapses et des potentiels d’action équivaut à tenter de comprendre le vol des oiseaux en étudiant exclusivement la composition chimique de leurs plumes. Si l’aérodynamique dicte la forme de l’aile, c’est la théorie du calcul et l’optique physique qui dictent l’organisation du cortex visuel.

Dans cette perspective, Marr sublime la célèbre métaphore de l’ordinateur. L’ordinateur n’est pas pour lui une vague analogie mécanique destinée à rassurer les matérialistes, mais un outil épistémologique fondamental : il prouve que l’exécution d’un processus logique d’information possède une réalité formelle objective, indépendante de la machine spécifique — biologique ou électronique — qui l’instancie. Marr rejette catégoriquement le réductionnisme naïf qui cherchait la conscience perceptive dans un neurone individuel hypothétique — ce que l’on appelait par dérision le « neurone de la grand-mère », censé s’activer uniquement à la vue d’un visage familier. Il affirme que la perception est un édifice de représentations distribuées, hiérarchisées et rigoureusement structurées.

La vision cesse alors d’être perçue comme un simple mécanisme photographique passif ou un enregistrement direct de sensations brutes. Marr la redéfinit comme un processus computationnel complexe de reconstruction inverse du monde optique : une opération déductive qui consiste à partir d’une image bidimensionnelle ambiguë, dégradée et fluctuante projetée sur la rétine, pour reconstruire avec une fidélité inébranlable une description explicite, utile et invariante de la forme, de la géométrie, de la position et de l’identité des objets tridimensionnels peuplant le monde réel.

4. La tripartition méthodologique : Les trois niveaux d’analyse de Marr

4.1 Le niveau computationnel : buts, contraintes et logique de la tâche

L’apport méthodologique le plus universellement célébré de David Marr, exposé avec une clarté souveraine dans le premier chapitre de son traité Vision, est la doctrine des trois niveaux d’analyse pour tout système complexe de traitement de l’information. Le niveau le plus élevé, et de loin le plus important dans l’épistémologie marrienne, est le niveau computationnel (parfois qualifié de niveau de la théorie computationnelle). Ce niveau répond sans détour à deux questions fondamentales : quel est le but du traitement effectué par le système, et pourquoi ce traitement particulier est-il logiquement approprié ou nécessaire pour accomplir cette tâche ?

Le niveau computationnel s’attache à identifier la logique abstraite sous-jacente au problème. Il détermine comment les contraintes physiques imposées par l’environnement optique permettent de lever les ambiguïtés mathématiques inhérentes au signal d’entrée. Marr insiste vigoureusement sur le fait que la quasi-totalité des problèmes posés à la perception sont des « problèmes inverses mal posés » au sens mathématique défini par Jacques Hadamard : une image 2D pouvant correspondre à une infinité de configurations 3D distinctes, il est mathématiquement impossible de retrouver la structure du monde sans formuler des hypothèses sur la physique de ce monde. C’est le niveau computationnel qui identifie ces contraintes de régularité physique (la continuité spatiale des objets, l’opacité des surfaces, l’uniformité de la réflectance) et montre comment elles rendent le problème soluble.

Marr adresse ici une critique cinglante à la psychologie cognitive et à la neurobiologie qui négligent ce niveau : étudier la mémoire ou la vision sans d’abord modéliser mathématiquement la logique formelle de la tâche revient à vouloir étudier le vol en ignorant les lois de l’aérodynamique. La formulation de la théorie computationnelle constitue donc la condition sine qua non, préalable et non négociable, à toute tentative fructueuse de description des algorithmes qui matérialisent ces calculs.

4.2 Le niveau algorithmique et représentationnel : processus et structures de données

Immédiatement subordonné au niveau computationnel se trouve le niveau algorithmique et représentationnel. Si le premier niveau spécifiait la nature de la fonction mathématique à calculer et les contraintes qui la rendent légitime, ce deuxième niveau prend en charge le comment opératoire. Il s’intéresse à deux composantes intimement articulées :

• La représentation : le choix du formalisme symbolique et des structures de données utilisées pour coder explicitement les informations en entrée et les résultats obtenus en sortie. Une information peut être représentée de multiples manières (par exemple, un nombre peut être codé en notation décimale, binaire ou en chiffres romains), et le choix de la représentation conditionne radicalement la facilité avec laquelle certaines opérations peuvent être menées à bien.
• L’algorithme : la séquence temporelle précise et déterministe d’opérations de transformation mathématique, d’interpolations et de comparaisons qui permet de passer d’une structure de représentation à la suivante.

Le niveau algorithmique jouit d’une indépendance conceptuelle relative à l’égard de la machine matérielle sur laquelle il sera exécuté : un même algorithme de tri ou de calcul de dérivée spatiale peut être déroulé sur un ordinateur de bureau contemporain, sur une machine mécanique de Turing à ruban de papier, ou au sein d’une assemblée de neurones corticaux. C’est à ce niveau précis que se déploie historiquement le cœur de la psychologie cognitive expérimentale et de la science informatique théorique, car c’est ici que l’on modélise les étapes de transformation que subit l’information sensorielle avant d’aboutir à un précepte conscient ou à un comportement décisionnel.

4.3 Le niveau de l’implémentation physique : substrat neuronal et matériel

Le troisième et dernier niveau de la tripartition marrienne est le niveau de l’implémentation physique ou matérielle (hardware implementation). Ce niveau s’intéresse à la réalisation concrète et physique de la structure de données et de l’algorithme au sein de la matière brute. Dans le domaine de l’ingénierie artificielle, il s’agit de la physique de l’état solide, des semi-conducteurs au silicium, des transistors à effet de champ, des registres de mémoire vive et de l’architecture électronique des microprocesseurs. Dans le domaine des organismes vivants, il s’agit du substrat neurobiologique : les membranes cellulaires lipidiques, les canaux ioniques voltage-dépendants, la cinétique des vésicules synaptiques, les potentiels d’action et la connectivité axonale et dendritique des circuits du cerveau.

Le niveau d’implémentation impose des contraintes physiques matérielles incontournables aux algorithmes : des constantes de temps membranaires de l’ordre de la milliseconde, une vitesse de conduction axonale limitée à quelques dizaines de mètres par seconde, et un niveau de bruit thermique non négligeable. Par conséquent, les algorithmes retenus par l’évolution biologique ne peuvent pas être des calculs séquentiels massifs nécessitant des milliards d’étapes successives (comme le ferait une machine de Von Neumann classique), mais doivent impérativement reposer sur un traitement hautement parallèle et distribué.

Pour Marr, l’étude neurophysiologique trouve ici sa place légitime et fondamentale, mais elle est subordonnée aux deux niveaux supérieurs. Refusant avec force le physicalisme éliminativiste qui prétendait réduire la psychologie à la seule neurochimie, Marr démontre que les données anatomiques et physiologiques les plus précises demeurent muettes et inintelligibles si elles ne sont pas éclairées par la compréhension computationnelle et algorithmique de la fonction qu’elles ont pour mission matérielle d’exécuter.

4.4 Interactions dynamiques et validité épistémologique du modèle tripartite

Bien que Marr ait distingué ces trois niveaux pour des raisons d’une clarté méthodologique exemplaire, il n’a jamais soutenu l’idée naïve d’un cloisonnement étanche ou d’un détachement hermétique entre eux. L’épistémologie marrienne repose au contraire sur une interaction dialectique et dynamique permanente : le choix des algorithmes est guidé par les contraintes de faisabilité imposées par le substrat physique, tandis que la compréhension de la structure matérielle ne peut progresser qu’à la lumière des exigences posées par la théorie computationnelle.

Cette tripartition a permis de dissiper des décennies de paradoxes insolubles et de querelles stériles en sciences cognitives, en fournissant un étalon commun pour évaluer les modèles théoriques. Elle a magistralement résisté aux mutations technologiques successives, conservant une pertinence absolue que l’on traite de processeurs séquentiels, de circuits neuromorphiques ou de réseaux de neurones distribués. Même les critiques contemporaines qui pointent du doigt la porosité relative entre algorithme et implémentation dans les systèmes auto-organisés ne font que souligner la puissance ordonnatrice de cette grille de lecture, devenue le canon méthodologique de référence de toute science sérieuse de l’esprit.

5. La première étape du traitement visuel : L’esquisse primitive (Primal Sketch)

5.1 L’extraction des changements d’intensité lumineuse et le filtrage spatial

Dans sa décomposition monumentale de l’architecture fonctionnelle de la vision, David Marr identifie la première tâche incontournable du système : convertir la matrice d’intensité lumineuse continue et bruitée captée par la mosaïque des photorécepteurs rétiniens en une première représentation symbolique explicite des discontinuités physiques du monde visible. Cette étape initiale est l’édification de l’esquisse primitive (Primal Sketch). Marr démontre qu’une image brute $I(x, y)$ est intrinsèquement trompeuse car les variations de luminance observées sont la résultante mêlée d’ombres portées, de reflets spéculaires, de variations d’illumination diffuse et de véritables frontières matérielles d’objets.

Pour isoler les discontinuités physiques réelles du bruit haute fréquence aléatoire causé par les fluctuations photoniques et le réseau neuronal rétinien, Marr et Tomaso Poggio introduisent une technique de filtrage spatial multi-échelle. Ils démontrent qu’il faut d’abord lisser l’image en effectuant une convolution avec un filtre gaussien bidimensionnel $G(x, y; \sigma)$, où l’écart-type $\sigma$ contrôle l’échelle spatiale d’analyse. Puis, pour localiser mathématiquement les variations maximales d’intensité lumineuse (les gradients de luminance les plus abrupts), ils appliquent l’opérateur différentiel de Laplace ($\nabla^2$), un opérateur spatial isotrope du second ordre :

$$\nabla^2 G(x, y; \sigma) = \left( \frac{\partial^2}{\partial x^2} + \frac{\partial^2}{\partial y^2} \right) G(x, y; \sigma)$$

Cette fonction, célèbre sous le nom de filtre Laplacien de Gaussienne (ou filtre LoG, Marr-Hildreth, souvent imagé sous le nom de « chapeau mexicain » en raison de son profil mathématique en coupe), possède une propriété mathématique remarquable : les points où la convolution de cette fonction avec l’image s’annule en changeant de signe — les fameux « passages par zéro » (zero-crossings) — correspondent avec une précision rigoureuse aux discontinuités maximales de luminance dans l’image originale.

Marr accomplit ici l’une de ses correspondances neurobiologiques les plus éclatantes. Il démontre que le profil mathématique de ce filtre LoG correspond point par point à l’organisation antagoniste centre-périphérie (champ récepteur circulaire centre-on / surround-off) des cellules ganglionnaires rétiniennes et des neurones du corps genouillé latéral découverts expérimentalement par Stephen Kuffler. La neurophysiologie n’était plus une énigme descriptive : l’œil calcule littéralement le Laplacien d’une Gaussienne pour extraire les passages par zéro du flux lumineux à différentes échelles spatiales.

5.2 L’esquisse primitive brute (Raw Primal Sketch)

Une fois les passages par zéro identifiés par les filtres multi-échelles, le système visuel ne conserve pas ces données sous la forme d’un tableau numérique passif de pixels. David Marr postule que ces passages par zéro sont immédiatement traduits en un ensemble fini d’entités symboliques élémentaires au sein de ce qu’il nomme l’esquisse primitive brute (Raw Primal Sketch). Ces symboles mathématiques sont des primitives géométriques abstraites conçues pour décrire explicitement la géométrie locale des discontinuités :

• Les segments de contour (edge segments) décrits par leur position cartésienne, leur orientation spatiale, leur contraste de luminance et leur étendue linéaire.
• Les barres (bars) et fentes lumineuses correspondant à des lignes d’intensité doublement bordées.
• Les taches (blobs) caractérisant des régions locales de forte intensité concentrée et fermée.
• Les terminaisons (terminations) matérialisant l’arrêt abrupt ou la rupture d’un segment ou d’une barre.

L’esquisse primitive brute est une description purement géométrique bidimensionnelle du signal lumineux ; elle ne contient à ce stade aucune information sur la profondeur 3D, sur la nature des matériaux ni sur la signification sémantique des objets représentés. Elle n’en constitue pas moins une étape d’abstraction monumentale : elle compresse drastiquement la masse de millions de données lumineuses locales en un lexique discret de quelques milliers de primitives géométriques explicites. La psychophysique humaine fournit des preuves écrasantes de la réalité de cette étape : notre système visuel perçoit immédiatement et sans effort conscient les discontinuités spatiales et les contours géométriques avant même de savoir quelle scène concrète il est en train de contempler.

5.3 L’esquisse primitive complète (Full Primal Sketch) et le regroupement perceptif

L’esquisse primitive brute demeure toutefois fragmentée, discontinue et parsemée de ruptures accidentelles provoquées par le bruit ou les variations locales de texture. Pour franchir le pas suivant vers la perception cohérente, le système visuel élabore l’esquisse primitive complète (Full Primal Sketch). À cette étape, des algorithmes de regroupement perceptif (perceptual grouping) interviennent pour agréger les primitives isolées en structures spatiales ordonnées et continues de plus grande envergure.

Marr revisite et formalise mathématiquement à cette occasion les lois canoniques formulées au début du vingtième siècle par la psychologie de la Gestalt : les principes de proximité spatiale, de similarité d’orientation ou de contraste, et de continuité directionnelle (good continuation). Il montre comment des opérations algorithmiques de collinéarité permettent de relier des segments bruts fragmentés pour faire émerger des contours virtuels continus, des alignements à longue distance et des frontières de texture nettes là où aucun contraste physique direct de luminance n’existe sur l’image rétinienne brute.

L’esquisse primitive complète permet également le calcul des gradients de texture : la façon dont la densité, l’espacement et la taille apparente des petites primitives géométriques de surface (les texels) varient de manière continue à travers le champ visuel. Ces gradients de texture, brillamment décrits empiriquement par James J. Gibson, reçoivent ici une formulation mathématique rigoureuse : ils deviennent des indices géométriques explicites prêts à être exploités par l’étage computationnel suivant pour inférer la courbure et l’inclinaison des surfaces physiques dans l’espace.

6. La transition intermédiaire : L’esquisse deux dimensions et demie (2.5D Sketch)

6.1 Définition et rôle fonctionnel de l’esquisse 2.5D

La transition entre la description bidimensionnelle des contours issue de l’esquisse primitive et la reconnaissance complète d’objets tridimensionnels constitue le tournant théorique le plus original et le plus audacieux formulé par David Marr : l’introduction de l’esquisse deux dimensions et demie (2.5D Sketch). Marr réalise avec une acuité remarquable qu’un observateur ne peut pas passer d’un bond miraculeux d’un réseau de contours plats à une compréhension globale de volumes solides indépendants de lui-même. Il est impératif d’intercaler une étape computationnelle intermédiaire entièrement dédiée à la description des surfaces visibles.

L’esquisse 2.5D est définie comme une représentation explicite de l’orientation spatiale locale et de la profondeur relative de chaque point de surface directement visible par l’observateur. Sa caractéristique architecturale fondamentale réside dans son statut géométrique strictement égocentrique : elle est construite dans un système de coordonnées polaires ou cartésiennes dont l’origine est exclusivement centrée sur le point de vue propre des yeux de l’observateur (viewer-centered coordinate system). Par conséquent, l’esquisse 2.5D est incapable de décrire les parties cachées, arrière ou masquées des objets : elle ne modélise qu’une fine « coquille » superficielle de visibilité orientée vers le regard.

Dans ce modèle, chaque parcelle de surface visible se voit attribuer un vecteur mathématique normal à la surface (qui spécifie son inclinaison et son orientation par rapport à la ligne de visée), ainsi qu’une estimation de sa distance relative. L’esquisse 2.5D signale également de manière explicite deux types cruciaux de discontinuités topologiques :

• Les discontinuités de profondeur (marquant le bord occlusif où une surface passe soudainement derrière une autre surface séparée dans l’espace).
• Les discontinuités d’orientation (marquant les arêtes ou les pliures où deux faces d’un même solide physique se rejoignent selon un angle aigu ou obtus).

6.2 La stéréopsie computationnelle et l’algorithme de Marr-Poggio

Pour construire cette esquisse 2.5D, la vision humaine exploite au premier chef la disparité binoculaire, c’est-à-dire le léger décalage horizontal existant entre les projections rétiniennes d’une même scène sur l’œil gauche et l’œil droit. Dans un article révolutionnaire publié en 1976 dans Science, David Marr et Tomaso Poggio apportent une solution théorique magistrale au problème fondamental de la stéréopsie computationnelle : comment le système visuel parvient-il à apparier chaque élément de l’image de gauche avec son correspondant exact dans l’image de droite au sein d’un fouillis visuel complexe où des milliers d’appariements erronés (les fausses correspondances ou cibles fantômes) sont mathématiquement possibles ?

Pour vaincre cette combinatoire exponentielle, Marr et Poggio formulent deux contraintes physiques naturelles universelles déduites de la physique du monde solide :

• La contrainte d’unicité (Uniqueness) : chaque point physique d’une surface matérielle ne peut occuper qu’une seule position spatiale à un instant donné, ce qui signifie qu’un élément de l’image gauche ne peut s’apparier qu’avec un seul et unique élément de l’image droite.
• La contrainte de continuité (Continuity) : la matière étant généralement cohésive et organisée en objets lisses, la profondeur varie de manière continue et lente sur une surface donnée, sauf aux frontières précises d’occlusion. Par conséquent, les points voisins dans l’image doivent posséder des disparités stéréoscopiques très proches.

Marr et Poggio matérialisent ces deux contraintes sous la forme d’un algorithme coopératif et non linéaire opérant au sein d’un réseau récurrent. Dans ce modèle, les cellules computationnelles codant pour une même disparité sur des positions adjacentes exercent une excitation mutuelle (favorisant la continuité de surface), tandis que les nœuds représentant des disparités concurrentes le long de la même ligne de visée s’inhibent mutuellement avec force (imposant l’unicité). L’algorithme résout brillamment les stéréogrammes à points aléatoires inventés par Béla Julesz, prouvant formellement que la stéréopsie pure n’a nullement besoin d’une reconnaissance préalable des formes pour calculer la profondeur, validant ainsi la primauté du calcul sur la sémantique.

6.3 Intégration des modules optiques : ombrage, texture et mouvement

L’esquisse 2.5D ne se nourrit pas exclusivement de la stéréopsie ; sa puissance unificatrice réside dans sa capacité computationnelle à fusionner harmonieusement une multiplicité de flux d’informations complémentaires issus de différents modules optiques indépendants travaillant en parallèle (la célèbre approche des « formes à partir de… » ou shape from X) :

• La forme à partir de l’ombrage (Shape from Shading) : formalisée avec brio par Berthold Horn au MIT, cette méthode démontre comment les gradients d’intensité lumineuse réfléchie par une surface courbée (décrits par la carte de réflectance) contraignent mathématiquement l’orientation des vecteurs normaux de cette surface.
• La forme à partir de la texture (Shape from Texture) : l’analyse de la compression perspective et de la déformation anamorphique des motifs réguliers d’une texture permet de calculer avec exactitude le plan d’inclinaison de la surface porteuse.
• La forme à partir du mouvement (Structure from Motion) : théorisée en profondeur par Shimon Ullman, cette approche démontre par un théorème géométrique fondamental que la trajectoire projetée d’au moins trois vues distinctes de quatre points non coplanaires en mouvement rigide suffit pour déduire de manière univoque la structure spatiale tridimensionnelle de l’objet.

Le génie de l’architecture marrienne est d’avoir compris que tous ces modules optiques hétérogènes, bien qu’opérant sur des signaux physiques distincts (stéréoscopie, photométrie, cinématique), convergent tous vers un même réceptacle algorithmique standardisé : l’esquisse 2.5D. Le cortex visuel n’a pas besoin de mélanger anarchiquement ces modalités ; il lui suffit de contraindre la même carte bidimensionnelle de vecteurs d’orientation de surface jusqu’à ce que tous les modules s’accordent sur une interprétation géométrique cohérente de la scène visuelle observée.

7. L’aboutissement structural : Le modèle tridimensionnel (3D Model Representation)

7.1 Le passage d’un repère égocentrique à un repère centré sur l’objet

Malgré l’extraordinaire richesse géométrique de l’esquisse 2.5D, celle-ci souffre d’une limitation rédhibitoire pour accomplir la fonction ultime de la vision biologique : elle est désespérément instable. Puisqu’elle est formulée dans un repère égocentrique dépendant strictement du point d’observation, la moindre rotation de la tête de l’observateur, le plus petit déplacement de l’objet ou une variation de son angle d’azimut bouleverse intégralement l’ensemble des vecteurs de surface et des coordonnées de profondeur calculées. Or, le cerveau humain jouit d’une remarquable constance perceptive : une tasse à café, une chaise ou un cheval sont immédiatement reconnus comme identiques à eux-mêmes, quel que soit l’angle sous lequel ils sont contemplés, qu’ils soient vus de face, de profil, en plongée ou en contre-plongée.

Pour rendre compte de cette invariance cognitive fondamentale face aux transformations géométriques affines de translation, de rotation et d’échelle, David Marr postule la nécessité d’une troisième et ultime étape de traitement : la représentation par modèles tridimensionnels (3D Model Representation). À ce stade, le système visuel opère une conversion géométrique radicale : il quitte le repère égocentrique temporaire de l’esquisse 2.5D pour projeter les données dans un repère spatial intrinsèque centré sur l’objet lui-même (object-centered coordinate system).

Cette conversion constitue un découplage cognitif absolu. Dans un repère centré sur l’objet, la description de la structure physique d’une entité devient totalement indépendante de la position relative du sujet perceptif et des conditions accidentelles d’éclairage ou de perspective optique. C’est uniquement par l’avènement de cette structure canonique stable que l’information sensorielle peut s’émanciper de la contingence de l’instant pour accéder au statut de concept visualisable, permettant ainsi la catégorisation sémantique pérenne et l’indexation au sein de la mémoire à long terme.

7.2 La décomposition en cylindres généralisés et hiérarchies modulaires

Comment le système visuel peut-il mathématiquement décrire un volume tridimensionnel arbitraire de manière stable, concise et modulaire ? Rejetant les représentations volumétriques naïves par nuages de points ou maillages polygonaux denses (bien trop lourdes sur le plan computationnel et incapables de capturer la structure organique), David Marr et son collaborateur Keith Nishihara adoptent et enrichissent le formalisme géométrique des cylindres généralisés, initialement imaginé par Thomas Binford à l’Université de Stanford.

Un cylindre généralisé est un volume géométrique généré par le balayage d’une section transversale bidimensionnelle d’aire variable le long d’un axe de symétrie longitudinal tridimensionnel prédéfini. Marr et Nishihara démontrent que la quasi-totalité des formes biologiques et des artefacts manufacturés peut être fidèlement et élégamment décomposée en une organisation hiérarchique de tels cylindres. L’algorithme extrait d’abord l’axe principal du corps de l’objet à partir de l’esquisse 2.5D (par exemple le tronc d’une silhouette humaine), puis rattache à cet axe directeur des axes secondaires correspondant aux sous-parties (les bras, les jambes, le cou), qui eux-mêmes supportent des axes tertiaires d’ordre inférieur (les avant-bras, les mains, les doigts).

Cette architecture arborescente et modulaire présente des propriétés computationnelles époustouflantes :

• Elle permet une description à niveaux de détail variables (coarse-to-fine) : à très basse résolution, un être humain est simplement caractérisé par un cylindre global unique ; à moyenne résolution, par un ensemble articulé de cinq cylindres ; à haute résolution, par la description fine des phalanges.
• Elle offre une robustesse totale face aux variations de posture des corps articulés : un individu assis, debout, courant ou recroquevillé conserve la même topologie relationnelle entre les axes de ses membres, ce qui permet à l’algorithme d’identifier la figure humaine sans aucune hésitation en dépit de transformations dynamiques extrêmes de sa silhouette apparente.

7.3 L’accès au lexique visuel et l’identification des formes

Le modèle tridimensionnel hiérarchisé déduit du flux optique n’est pas une fin en soi : il sert de clé d’interrogation pour accéder au lexique visuel stocké en mémoire, c’est-à-dire l’ensemble des descriptions structurales prototypes accumulées au cours de la vie de l’organisme. Marr et Nishihara décrivent un processus algorithmique d’indexation et de recherche en cascade au sein de cet arbre taxonomique de prototypes.

Lorsqu’une forme nouvelle apparaît dans le champ visuel, le système en extrait les axes majeurs et procède à une première comparaison globale avec les catégories générales du catalogue visuel (par exemple, distinguer instantanément un quadrupède d’un oiseau ou d’un meuble). Une fois cette première classification générique établie, le processus algorithmique descend récursivement le long de l’arborescence des sous-cylindres pour raffiner la discrimination : il analyse les proportions relatives des membres, les angles de courbure axiaux et les détails géométriques fins, permettant de passer de la catégorie abstraite de « quadrupède » à celle de « canidé », puis de « chien domestique », pour aboutir enfin à l’identification d’une race spécifique.

Cette modélisation computationnelle permet de comprendre pourquoi notre reconnaissance visuelle est si résiliente aux occlusions partielles : si un objet est partiellement caché derrière un arbre, les quelques axes visibles suffisent à amorcer la descente dans l’arbre d’indexation et à reconstruire par inférence topologique les composantes manquantes. Ce cadre théorique marrien a directement engendré et inspiré les plus célèbres théories psychologiques de la fin du vingtième siècle, au premier rang desquelles figure la célèbre théorie de la reconnaissance par composantes (les « géons ») développée par Irving Biederman.

8. L’ouvrage séminal ‘Vision’ (1982) et sa portée épistémologique

8.1 Genèse, rédaction dans l’urgence et publication posthume

L’histoire de la genèse de l’ouvrage Vision: A Computational Investigation into the Human Representation and Processing of Visual Information compte sans doute parmi les pages les plus poignantes et héroïques des annales de la science contemporaine. À la fin de l’année 1977, alors qu’il est au sommet absolu de sa créativité et que son laboratoire du MIT rayonne sur le monde entier, David Marr apprend qu’il est atteint d’une forme particulièrement agressive et incurable de leucémie aiguë. Parfaitement conscient de l’issue inéluctable et rapide de sa maladie, Marr refuse de capituler intellectuellement ou de sombrer dans le désespoir. Il engage une course contre la mort d’une intensité surhumaine.

Durant les trois années qui lui restent à vivre, alternant séjours hospitaliers douloureux, chimiothérapies épuisantes et retours passionnés à son bureau du MIT, Marr consacre chaque once d’énergie résiduelle à synthétiser une décennie de découvertes éparpillées dans des revues spécialisées au sein d’un grand traité unificateur. Travaillant d’arrache-pied avec ses proches collaborateurs, dictant des passages entiers lorsque la fatigue physique l’empêche d’écrire, il achève la quasi-totalité du manuscrit avant de s’éteindre paisiblement à Cambridge, dans le Massachusetts, le 17 novembre 1980, à l’âge de trente-cinq ans seulement.

Le manuscrit, relu et préparé pour l’édition par ses collègues Tomaso Poggio, Shimon Ullman et Keith Nishihara, paraît à titre posthume en 1982 chez W. H. Freeman and Company. Dès sa parution, le livre provoque une déflagration intellectuelle majeure dans la communauté scientifique internationale. Il est immédiatement salué comme un chef-d’œuvre absolu, un classique instantané et le manifeste incontournable des sciences cognitives modernes, définissant la feuille de route de plusieurs générations de chercheurs en vision artificielle, en psychophysique et en neurobiologie computationnelle.

8.2 Le concept de contrainte naturelle et l’écologie du calcul

Le cœur épistémologique du traité de 1982 s’articule autour d’un concept philosophique et mathématique d’une profondeur inouïe : la notion de « contrainte naturelle » (natural constraint). David Marr y démontre que la perception ne peut pas être un simple déchiffrement passif du signal, car l’optique géométrique constitue un problème inverse mathématiquement indéterminé : une image rétinienne donnée pourrait logiquement avoir été produite par une infinité de configurations spatiales différentes ou d’illusions d’optique construites de toutes pièces. Comment le cerveau réussit-il alors à ne jamais se tromper dans la vie quotidienne ?

La réponse réside dans le fait que le système visuel n’opère pas dans le vide mathématique abstrait, mais au sein d’un écosystème physique soumis aux lois immuables de l’univers :

• Les surfaces matérielles sont généralement opaques et cohésives dans l’espace.
• La gravité impose une verticalité privilégiée aux structures physiques.
• L’illumination provient presque toujours d’une source lumineuse située au-dessus des objets (le soleil ou le ciel).
• Le mouvement des corps solides est cinématiquement rigide et continu dans le temps.

Ces régularités physiques constituent des « contraintes naturelles ». Marr démontre que l’évolution biologique a littéralement internalisé ces contraintes sous la forme d’axiomes mathématiques gravés dans la structure même des algorithmes de notre cerveau, transformant un problème inverse mal posé et insoluble en un problème direct, bien posé et doté d’une solution unique et stable.

Cette vision permet à Marr d’engager un dialogue critique fascinant avec l’approche écologique de la perception formulée par James J. Gibson. Si Marr rend un hommage appuyé à Gibson pour avoir compris l’importance capitale de la structure physique de l’environnement (notamment les gradients d’invariance et les flux optiques), il lui reproche sévèrement d’avoir cru que l’information pouvait être « prélevée directement » (direct perception) par l’organisme sans nécessiter aucun traitement interne ni aucune représentation mentale. Pour Marr, l’écologie du monde physique est indispensable, mais précisément parce qu’elle fournit les équations dont le cerveau doit exécuter le calcul interne au moyen de représentations rigoureuses.

8.3 Réfutation du physicalisme réducteur et du fonctionnalisme naïf

La publication de Vision porte un coup décisif à deux postures philosophiques opposées qui paralysaient les sciences de l’esprit à l’époque : le physicalisme neurobiologique réducteur d’une part, et le fonctionnalisme computationnel naïf d’autre part. Contre les neurobiologistes forcenés qui soutenaient qu’une fonction cognitive ne serait comprise que lorsqu’on aurait cartographié la totalité des synapses du cerveau, Marr rétorque que la description exhaustive d’un circuit intégré électronique ne renseigne en rien sur la nature du système d’exploitation qu’il exécute. L’électrophysiologie brute, privée de théorie computationnelle, est aveugle.

Mais symétriquement, Marr adresse une critique tout aussi destructrice aux tenants de l’intelligence artificielle symbolique « dure » (portée par Allen Newell et Herbert Simon) qui soutenaient que l’esprit humain pouvait être simulé en manipulant des règles logiques abstraites totalement découplées de toute contrainte sensorielle ou biologique. Marr fustige cette arrogance formaliste et démontre que l’intelligence ne commence pas par la manipulation de symboles linguistiques abstraits désincarnés (comme jouer aux échecs ou prouver des théorèmes logiques), mais par la résolution des défis massifs posés par la perception sensorielle et l’ancrage physique dans le monde réel.

Par ce double refus salutaire, Marr pose les fondations d’une troisième voie épistémologique : une alliance vertueuse et dialectique entre la rigueur formelle des mathématiques appliquées, l’analyse algorithmique des sciences informatiques et la vérification biologique de la neurophysiologie et de la psychophysique expérimentale. Il redéfinit ainsi les programmes de recherche des universités mondiales pour les quarante années à venir.

9. Impact de Marr sur la psychologie cognitive et les neurosciences computationnelles

9.1 Transformation des paradigmes en psychologie de la perception

L’onde de choc provoquée par les travaux de David Marr a radicalement métamorphosé la psychologie cognitive de la perception, lui apportant une armature mathématique et conceptuelle qui lui faisait jusqu’alors cruellement défaut. Avant Marr, la psychologie expérimentale oscillait trop souvent entre la phénoménologie descriptive de la Gestalt et des théories psychophysiques fragmentaires incapables de quantifier rigoureusement leurs hypothèses. En apportant la notion d’étages de représentations successives (esquisse primitive, esquisse 2.5D, modèles 3D), Marr a offert aux psychologues un paradigme structural vérifiable.

Des pans entiers de la recherche psychologique ont été repensés à travers le prisme computationnel :

• Les mécanismes de l’attention visuelle sélective ont cessé d’être vus comme de simples « projecteurs lumineux » métaphoriques pour être modélisés comme des filtres spatiaux régulant la bande passante de l’information entre l’esquisse primitive et les représentations de surfaces supérieures.
• L’analyse des illusions visuelles (telles que le triangle de Kanizsa ou la grille de Hermann) a connu une révolution : au lieu d’être interprétées comme des curiosités ou des « faiblesses » de notre système sensoriel, elles ont été reconnues pour ce qu’elles sont réellement — des conséquences mathématiques inévitables des contraintes naturelles de régularisation et de continuité intégrées dans nos algorithmes neuronaux lorsqu’ils sont confrontés à des stimuli artificiellement dégradés.

Grâce à Marr, l’approche computationnelle s’est imposée comme le standard méthodologique absolu de la psychophysique expérimentale moderne.

9.2 Fondation des neurosciences computationnelles contemporaines

Il n’est pas exagéré de qualifier David Marr de père fondateur des neurosciences computationnelles en tant que discipline académique autonome. En établissant que le cerveau est avant tout un organe dont la fonction physique est d’opérer des calculs sur des flux de données, il a légitimé l’usage de la modélisation mathématique et de la simulation informatique comme outils indispensables d’interprétation des enregistrements électrophysiologiques cellulaires et des données d’imagerie cérébrale fonctionnelle.

Ses travaux ont apporté une justification théorique lumineuse à la ségrégation fonctionnelle découverte au sein du système nerveux central. La découverte par Leslie Ungerleider et Mortimer Mishkin dans les années 1980 de la bifurcation du cortex visuel en deux voies anatomiques majeures — la voie ventrale (« quoi », vers le cortex temporal inférieur pour la reconnaissance de forme) et la voie dorsale (« où / comment », vers le cortex pariétal pour la localisation spatiale et l’action) — s’inscrit en résonance directe avec les distinctions marriennes entre la construction d’un modèle centré sur l’objet et la manipulation de repères égocentriques centrés sur l’observateur.

Au-delà de ses articles, l’influence institutionnelle de Marr s’est perpétuée à travers la cohorte d’élèves brillants et de collaborateurs qu’il a formés ou inspirés au MIT. Des figures tutélaires contemporaines des neurosciences telles que Tomaso Poggio, Shimon Ullman, Christof Koch ou Terry Sejnowski ont toutes revendiqué l’héritage direct de la méthode de Marr, essaimant dans les plus grands centres de recherche mondiaux pour bâtir l’armature scientifique qui explore aujourd’hui le connectome, la dynamique des réseaux récurrents et les mécanismes du codage neural de l’information.

9.3 Philosophie de l’esprit : résolution méthodologique du problème esprit-corps

Dans l’arène philosophique, la tripartition marrienne a agi comme un puissant solvant critique face au séculaire problème du dualisme corps-esprit (mind-body problem). En démontrant qu’un processus cognitif peut être expliqué de manière exhaustive sans jamais faire appel à des substances immatérielles mystérieuses, tout en refusant l’aplatissement physicaliste qui réduit l’esprit à une pure sécrétion de neurotransmetteurs, Marr a fourni au fonctionnalisme philosophique son incarnation méthodologique la plus convaincante.

De prestigieux philosophes analytiques de l’esprit, au premier rang desquels Daniel Dennett et Jerry Fodor, se sont directement emparés du modèle de Marr pour asseoir leurs propres constructions théoriques. La célèbre distinction dennettienne entre la posture physique (physical stance), la posture de conception (design stance) et la posture intentionnelle (intentional stance) entretient des filiations profondes avec les trois niveaux marriens. Fodor a trouvé dans l’indépendance de l’esquisse primitive et de l’esquisse 2.5D la preuve empirique éclatante de sa thèse sur la modularité de l’esprit (Modularity of Mind) : la perception sensorielle fonctionne comme un module d’entrée étanche (encapsulé), insensible aux croyances ou aux désirs conscients de haut niveau.

De surcroît, Marr a permis d’éclairer le concept philosophique hautement controversé de « contenu représentationnel ». En démontrant précisément comment des vecteurs normaux de surface ou des cylindres de Binford constituent des états physiques internes porteurs d’une sémantique vérifiable sur le monde extérieur, il a naturalisé la notion de représentation mentale, la faisant passer du statut de spéculation métaphysique à celui de variable quantitative mesurable et modélisable au sein de systèmes dynamiques complexes.

10. Débats critiques et réévaluations théoriques contemporaines

10.1 La dichotomie ascendante (bottom-up) contre descendante (top-down)

Aucun édifice scientifique majeur n’échappe à l’épreuve de la réévaluation critique, et l’architecture de Marr a fait l’objet d’intenses débats dès le début des années 1990. La principale critique formulée à l’encontre du modèle marrien originel concerne sa structure presque exclusivement séquentielle et ascendante (bottom-up, guidée par les données sensorielles brutes). Dans l’agencement strict de Vision, le flux de calcul chemine sans encombre de l’image rétinienne vers les passages par zéro, puis vers l’esquisse primitive, l’esquisse 2.5D pour aboutir enfin au modèle 3D, reléguant les rétroactions de haut niveau (top-down) à un rôle marginal d’indexation tardive.

Or, les avancées spectaculaires de l’anatomie corticale ont mis en évidence un paradoxe biologique massif : au sein du système visuel des primates, le nombre de fibres nerveuses descendantes (les connexions de rétroaction ou feedback reliant les aires visuelles supérieures comme V4 ou le cortex inférotemporal vers les aires primaires V1 et V2) est souvent supérieur ou égal au nombre de fibres nerveuses ascendantes (les connexions en cascade feedforward). Ce constat neurobiologique a nourri l’avènement des théories du codage prédictif (predictive coding) et du cerveau bayésien, portées notamment par Karl Friston.

Dans ce cadre alternatif contemporain, le cerveau ne reconstruit pas le monde à partir de zéro par une accumulation ascendante de primitives géométriques : il projette continuellement des hypothèses descendantes probabilistes basées sur son modèle interne du monde, les signaux sensoriels ascendants ne servant qu’à calculer un signal d’erreur de prédiction pour rectifier ces hypothèses. Néanmoins, loin d’anéantir l’héritage de Marr, ces modèles bayésiens récurrents s’interprètent aujourd’hui comme une extension sophistiquée de son niveau computationnel : les lois de l’inférence bayésienne ne sont rien d’autre que l’expression probabiliste rigoureuse des contraintes naturelles chères à David Marr.

10.2 La critique énactive et la vision pour l’action

Un deuxième assaut épistémologique d’envergure contre le modèle marrien a été lancé par les tenants de la cognition incarnée et de l’énaction, courant philosophique et cognitif initié par Francisco Varela, Evan Thompson et Eleanor Rosch. Les énactivistes reprochent à Marr d’avoir conçu la vision comme un processus d’observation purement passif et détaché, dont l’unique objectif théorique serait d’édifier une réplique cartographique interne et tridimensionnelle du monde extérieur pour le plaisir contemplatif de l’esprit, sans aucune prise en compte de l’action motrice immédiate.

Cette contestation a trouvé un écho empirique considérable dans les découvertes neuroscientifiques de Melvyn Goodale et David Milner exposées dans leur ouvrage fondamental de 1995, The Visual Brain in Action. Goodale et Milner démontrent l’existence d’une dissociation fonctionnelle profonde entre :

• La vision pour la perception (voie ventrale), qui construit effectivement des représentations structurales centrées sur l’objet, conscientes et durables, conformément au modèle marrien.
• La vision pour l’action (voie dorsale), qui calcule en temps réel, de façon totalement inconsciente et éphémère, les paramètres moteurs nécessaires pour attraper un objet, ajuster l’écartement de la main ou éviter un obstacle, sans jamais passer par l’étape de construction d’un modèle 3D complexe ou stable.

Ces données ont révélé les limites d’une vision purement représentationnelle : un organisme vivant plongé dans un milieu hostile n’a souvent ni le temps computationnel ni le besoin métabolique de reconstruire une description volumétrique complète de son agresseur pour esquiver une attaque ou saisir une proie. La vision s’avère être une mosaïque de boucles sensorimotrices ultra-rapides et pragmatiques, autant qu’un système de reconstruction géométrique du monde.

10.3 L’avènement de l’apprentissage profond (Deep Learning) et le connexionnisme

Le tournant le plus spectaculaire et le défi technique le plus profond lancé à la vision marrienne est sans conteste survenu au début des années 2010 avec le triomphe foudroyant de l’apprentissage profond (Deep Learning) et des réseaux de neurones convolutifs (CNN, tels qu’AlexNet ou ResNet). Pendant quatre décennies, la vision par ordinateur s’était évertuée, dans le sillage scrupuleux de Marr, à concevoir à la main des extracteurs de caractéristiques déterministes, des filtres géométriques et des algorithmes d’appariement explicites. Or, en l’espace de quelques années, des architectures neuronales massives entraînées de bout en bout (end-to-end) par simple rétropropagation de gradient sur des millions d’images ont pulvérisé tous les records de précision en reconnaissance d’objets sans utiliser la moindre primitive de Marr programmée explicitement.

Face à ce raz-de-marée connexionniste, certains commentateurs hâtifs ont proclamé l’obsolescence définitive de l’approche marrienne : pourquoi s’embarrasser de décomposer laborieusement la vision en filtres LoG, esquisses primitives brutes, esquisses 2.5D et cylindres généralisés, lorsqu’un réseau de neurones artificiel optimise lui-même ses millions de poids synaptiques de manière purement statistique sans qu’aucun ingénieur n’ait à modéliser la physique des surfaces ? La modularité explicite semblait s’effacer devant l’efficacité brute de l’optimisation non linéaire.

Cependant, ce triomphe empirique a rapidement engendré sa propre crise épistémologique : le redoutable problème de l’opacité des modèles dits « boîtes noires ». Les réseaux convolutifs contemporains, bien que prodigieusement performants, sont vulnérables à des attaques adverses aberrantes (où la modification imperceptible de quelques pixels fait confondre un bus avec une autruche) et demeurent totalement incapables d’expliquer le pourquoi de leurs décisions. C’est précisément au cœur de cette impasse que David Marr fait un retour triomphal : les chercheurs en intelligence artificielle réalisent que l’efficacité ne remplace pas l’intelligibilité. Pour comprendre ce qu’un réseau profond apprend réellement, il est indispensable de convoquer à nouveau le niveau computationnel de Marr afin d’extraire les principes mathématiques et les contraintes physiques invariantes sous-jacentes à ce déluge de coefficients statistiques.

11. L’empreinte technologique de Marr sur l’intelligence et la vision artificielles

11.1 L’héritage algorithmique dans la vision par ordinateur classique

Bien au-delà des débats philosophiques, l’impact technologique direct de David Marr sur l’ingénierie de la vision par ordinateur classique demeure colossal. Les concepts mathématiques forgés au sein de son laboratoire du MIT entre 1973 et 1980 constituent le socle technique sur lequel repose l’ensemble du traitement d’images numérique contemporain. L’algorithme de détection de contours de Marr-Hildreth a directement engendré et inspiré le célébrissime filtre de John Canny (le détecteur de Canny de 1986), standard industriel universel qui a équipé des centaines de millions d’appareils photo, de systèmes de contrôle qualité industriel et de caméras de surveillance pendant plus de trois décennies.

De même, l’approche multi-échelle et pyramidale théorisée par Marr pour le filtrage spatial par Gaussiennes a ouvert la voie royale aux descripteurs invariants d’images les plus influents de l’histoire de l’informatique, notamment le descripteur SIFT (Scale-Invariant Feature Transform) de David Lowe. La compréhension mathématique du fait qu’une scène visuelle doit être simultanément analysée à travers une cascade d’octaves spatiales continues pour être robuste aux variations d’échelle découle en ligne droite directe des démonstrations initiales de David Marr et Tomaso Poggio sur les passages par zéro.

Dans le domaine de la géométrie de reconstruction spatiale, les principes formulés par Marr pour la stéréopsie et l’exploitation des flux optiques ont façonné les fondations de la photogrammétrie moderne, de la stéréovision pour les sondes spatiales explorant Mars, ainsi que des algorithmes de cartographie et de localisation simultanées (SLAM) déployés aujourd’hui sur les véhicules autonomes et les capteurs de télémétrie par laser (LiDAR). Dans tous ces systèmes, l’application de contraintes de régularisation mathématique pour résoudre les problèmes inverses en imagerie porte la signature indélébile de David Marr.

11.2 Convergence moderne entre architectures computationnelles et biologiques

L’une des plus fascinantes réconciliations scientifiques de ce début de vingt-et-unvième siècle réside dans la redécouverte du parallélisme structurel troublant existant entre les architectures de l’apprentissage profond contemporain et la hiérarchie computationnelle de David Marr. En analysant la nature des filtres internes appris spontanément par les premières couches d’un réseau de neurones convolutif (comme les filtres de convolution de la couche convolutive 1 d’AlexNet ou de VGG), les chercheurs ont constaté avec stupeur que ces réseaux réinventent systématiquement des détecteurs d’orientations spatiaux et des filtres de Gabor ou des fonctions chapeau mexicain quasi identiques au filtre LoG de l’esquisse primitive brute de Marr.

De surcroît, la recherche de pointe en vision par ordinateur assiste à une résurgence spectaculaire du concept d’esquisse 2.5D. Les architectures actuelles spécialisées dans l’estimation de profondeur monoculaire à partir d’une simple image 2D (comme les réseaux Depth Anything ou MiDaS) ne cherchent pas à prédire immédiatement des étiquettes sémantiques abstraites : elles entraînent spécifiquement des sous-réseaux à prédire une carte continue de vecteurs de normales de surface et de profondeurs relatives égocentriques, démontrant que la stratégie intermédiaire conçue par Marr demeure l’optimum mathématique le plus stable pour dériver la 3D à partir de la 2D.

En robotique autonome et en vision artificielle incarnée, la pensée marrienne demeure la boussole incontournable pour concevoir des systèmes de perception robustes :

• Elle fournit un cadre intégrateur permettant de faire coopérer des capteurs hétérogènes (caméras stéréoscopiques, caméras à événements neuromorphiques, centrales inertielles).
• Elle garantit la transparence explicative indispensable aux systèmes critiques (médecine robotisée, pilotage automatique aéronautique) où les errements probabilistes d’une boîte noire neuronale ne sauraient être tolérés sans garde-fous algorithmiques rigoureux.

11.3 L’école du MIT et la transmission du paradigme computationnel

Le rayonnement de David Marr s’est également matérialisé par une empreinte institutionnelle indélébile au sein du Massachusetts Institute of Technology. Le laboratoire qu’il a contribué à transformer en capitale mondiale de la vision a donné naissance à des structures de recherche légendaires, notamment le Center for Biological and Computational Learning (CBCL), cofondé par son fidèle collaborateur Tomaso Poggio. Le CBCL est devenu pendant des décennies le creuset par excellence où l’informatique, les neurosciences et les statistiques mathématiques ont fusionné pour former les esprits les plus brillants de l’IA contemporaine.

Pour honorer la mémoire de son génie fondateur, l’International Computer Vision Foundation a instauré en 1987 le prestigieux Prix David Marr (David Marr Prize). Décerné tous les deux ans lors de l’International Conference on Computer Vision (ICCV), ce prix est unanimement considéré comme la plus haute et la plus éclatante distinction scientifique mondiale dans le domaine de la vision par ordinateur, récompensant les articles de recherche qui incarnent le mieux cette alliance parfaite entre élégance théorique, rigueur mathématique et efficacité computationnelle inaugurée par Marr.

Le modèle pédagogique et épistémologique inauguré par Marr a essaimé dans les cursus académiques des plus grandes universités de la planète : de Stanford à Oxford, de Berkeley à l’École Normale Supérieure. L’exigence consistant à ne jamais dissocier l’étude de l’esprit de l’analyse du calcul qu’il effectue est devenue la pierre angulaire de l’enseignement des sciences cognitives, façonnant l’esprit critique de générations de chercheurs et d’ingénieurs à l’échelle du globe.

12. Conclusion : Trajectoire fulgurante et pérennité d’un génie visionnaire

12.1 Une trajectoire tragique écourtée à l’âge de 35 ans

L’existence de David Courtnay Marr évoque irrésistiblement la figure de ces météores flamboyants qui traversent l’histoire de la pensée humaine pour y laisser une empreinte à jamais incandescente. Être frappé au cœur de sa jeunesse par une maladie mortelle au moment précis où son esprit s’apprêtait à percer les mystères les plus impénétrables de la nature constitue une tragédie humaine déchirante. Pourtant, ce qui force une admiration sans bornes chez tous ceux qui se penchent sur sa vie, c’est le courage intellectuel héroïque avec lequel il a affronté son destin.

Loin de céder à l’amertume ou au renoncement, Marr a fait de sa finitude une exigence absolue de clarté et de synthèse. En l’espace de seulement douze années d’activité scientifique effective — depuis ses premiers articles sur le cervelet rédigés à Cambridge en 1968 jusqu’à la dictée ultime des chapitres de son grand livre sur son lit d’hôpital en 1980 —, David Marr a produit une œuvre d’une densité prodigieuse qui surpasserait les accomplissements d’une carrière académique ordinaire de plusieurs décennies. Ceux qui l’ont côtoyé au MIT ont tous témoigné d’une étincelle intellectuelle hors du commun, d’une générosité pédagogique inaltérable et d’une passion dévorante pour la vérité scientifique qui fascinaient tous ses interlocuteurs.

Marr a quitté ce monde en laissant des chantiers théoriques inachevés, des esquisses de modèles pour les couleurs, le mouvement et la conscience visuelle qui n’attendaient que son souffle pour être pleinement déployés. Mais ce qu’il a eu le temps de bâtir et de transmettre suffit amplement à le hisser au panthéon des plus grands esprits scientifiques du vingtième siècle.

12.2 Bilan épistémologique : une révolution scientifique durable

Le bilan de l’aventure intellectuelle marrienne s’impose comme une révolution épistémologique durable dont la portée dépasse très largement le seul domaine de la vision. David Marr a accompli pour l’étude de la perception ce qu’Isaac Newton avait accompli pour la mécanique ou ce que James Clerk Maxwell avait réalisé pour l’électromagnétisme : il a arraché un pan entier du savoir humain aux sables mouvants de l’empirisme anecdotique pour l’élever au rang de science axiomatique exacte, quantifiable et universelle.

Sa leçon fondamentale peut être résumée en une formule d’une simplicité désarmante mais d’une profondeur inouïe : on ne peut pas comprendre un organe qui traite de l’information sans comprendre la nature mathématique du calcul qu’il effectue. Par cette vérité souveraine, Marr a libéré les neurosciences de l’illusion réductionniste consistant à croire que la somme des molécules explique la pensée, tout en préservant l’intelligence artificielle du piège de l’ingénierie superficielle dépourvue d’ancrage dans la physique du monde. Il a tracé la seule voie rigoureuse possible pour réconcilier le corps et l’esprit : l’exploration minutieuse des algorithmes et des contraintes naturelles de notre réalité.

À l’interface de l’esprit et de la machine, Marr demeure la figure tutélaire incontournable. Il a démontré avec une maestria définitive que la machine et le cerveau, bien que pétris dans des matières physiques radicalement différentes, sont gouvernés par les mêmes lois universelles du calcul logique lorsqu’ils cherchent à comprendre la lumière et à se repérer dans l’espace.

12.3 La vivacité des principes marriens face aux défis futurs de l’esprit artificiel

Au moment où l’humanité s’apprête à franchir le seuil historique de l’intelligence artificielle générale (AGI) et où les débats sur la nature des grands modèles de langage et des réseaux massifs de vision font rage, les principes méthodologiques de David Marr sont plus nécessaires que jamais. Face à l’illusion technologique contemporaine qui voudrait que des architectures géantes composées de centaines de milliards de paramètres statistiques exemptent désormais les scientifiques de devoir théoriser le fonctionnement de l’esprit, l’avertissement de Marr résonne comme un rappel à l’ordre salutaire.

Une collection gigantesque de poids statistiques, aussi fascinante et efficace soit-elle dans ses prédictions, n’est pas une théorie scientifique de l’intelligence. Sans une compréhension au niveau computationnel qui identifie les contraintes sous-jacentes, les buts réels du système et la logique de ses représentations internes, nous ne faisons que construire des oracles opaques dont la fragilité intrinsèque menacera constamment notre maîtrise technologique. Le niveau computationnel marrien demeure l’indispensable boussole épistémologique pour sortir de l’obscurantisme des boîtes noires et concevoir une intelligence artificielle véritablement explicable, sûre et digne de confiance.

Quarante ans après sa disparition prématurée, l’œuvre de David Marr continue ainsi d’éclairer notre marche vers le futur. Elle rappelle à tous les bâtisseurs de mondes artificiels et à tous les explorateurs de la conscience biologique que la quête suprême des sciences de l’esprit ne consiste pas simplement à mesurer la matière ou à empiler des calculs, mais à percer à jour la splendeur formelle de la logique qui relie notre regard à la réalité du monde.

Références

Albus, J. S. (1971). A theory of cerebellar function. Mathematical Biosciences, 10(1–2), 25–61. https://doi.org/10.1016/0025-5564(71)90051-4

Biederman, I. (1987). Recognition-by-components: A theory of human image understanding. Psychological Review, 94(2), 115–147. https://doi.org/10.1037/0033-295X.94.2.115

Canny, J. (1986). A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI-8(6), 679–698. https://doi.org/10.1109/TPAMI.1986.4767851

Dennett, D. C. (1987). The Intentional Stance. MIT Press.

Fodor, J. A. (1983). The Modularity of Mind: An Essay on Faculty Psychology. MIT Press. https://doi.org/10.7551/mitpress/4737.001.0001

Gibson, J. J. (1979). The Ecological Approach to Visual Perception. Houghton Mifflin.

Goodale, M. A., & Milner, A. D. (1992). Separate visual pathways for perception and action. Trends in Neurosciences, 15(1), 20–25. https://doi.org/10.1016/0166-2236(92)90344-8

Hubel, D. H., & Wiesel, T. N. (1962). Receptive fields, binocular interaction and functional architecture in the cat’s visual cortex. The Journal of Physiology, 160(1), 106–154. https://doi.org/10.1113/jphysiol.1962.sp006837

Julesz, B. (1971). Foundations of Cyclopean Perception. University of Chicago Press.

Marr, D. (1969). A theory of cerebellar cortex. The Journal of Physiology, 202(2), 437–470. https://doi.org/10.1113/jphysiol.1969.sp008820

Marr, D. (1970). A theory for cerebral neocortex. Proceedings of the Royal Society of London. Series B. Biological Sciences, 176(1043), 161–234. https://doi.org/10.1098/rspb.1970.0040

Marr, D. (1971). Simple memory: A theory for archicortex. Philosophical Transactions of the Royal Society of London. Series B, Biological Sciences, 262(841), 23–81. https://doi.org/10.1098/rstb.1971.0078

Marr, D. (1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman and Company. https://mitpress.mit.edu/9780262514620/vision/

Marr, D., & Hildreth, E. (1980). Theory of edge detection. Proceedings of the Royal Society of London. Series B. Biological Sciences, 207(1167), 187–217. https://doi.org/10.1098/rspb.1980.0020

Marr, D., & Nishihara, H. K. (1978). Representation and recognition of the spatial organization of three-dimensional shapes. Proceedings of the Royal Society of London. Series B. Biological Sciences, 200(1140), 269–294. https://doi.org/10.1098/rspb.1978.0020

Marr, D., & Poggio, T. (1976). Cooperative computation of stereo disparity. Science, 194(4262), 283–287. https://doi.org/10.1126/science.968482

Marr, D., & Poggio, T. (1979). A computational theory of human stereo vision. Proceedings of the Royal Society of London. Series B. Biological Sciences, 204(1156), 301–328. https://doi.org/10.1098/rspb.1979.0029

Ullman, S. (1979). The Interpretation of Visual Motion. MIT Press.

Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press. https://doi.org/10.7551/mitpress/6730.001.0001