The present paper exposes algorithmic results providing a vision about sleep functions which complements biological theory and experiments. Derived from the algorithmic theory of information, the theory of adaptation aims at quantifying how an inherited or acquired piece of knowledge helps individuals to survive. It gives a scale of complexity for survival problems and proves that some of them can only be solved by a dynamical management of memory associating continuous learning and forgetting methods. In this paper we explain how a virtual robot ''Picota'' has been designed to simulate the behavior of a living hen. In order to survive in its synthetical environnement, our robot must recognize good seeds from bad ones, and should take rest during night periods. Within this frame, and facing the rapid evolution of to-be-recognized forms, the best way to equilibrate the energetic needs of the robot and ensure survival is to use the nightly rest to reorganize the pieces of data acquired during the daily learning, and to trash the less useful ones. Thanks to this time sharing, the same circuits can be used for both daily learning and nightly forgetting and thus costs are lower ; however, this also forces the system to ''paralyse'' the virtual robot, and therefore the night algorithm is reminiscent of paradoxical (REM) sleep. The algorithm of the robot takes advantage of the alternation between wakefulness or activity and the rest period. This diagram quite accurately recalls the REM period. In the future, the convergence between the neurophysiology of sleep and the theory of complexity may give us a new line of research in order to elucidate sleep functions.
Le present travail expose des resultats qui apportent sur les fonctions du sommeil un point de vue complementaire des theories et explorations biologiques. Deduite de la theorie algorithmique de l'information, la theorie algorithmique de l'adaptation cherche a quantifier l'importance d'un savoir inne ou acquis pour la survie des individus. Elle fournit une echelle de complexite pour les problemes de survie et prouve que certains d'entre eux ne peuvent etre resolus que par une gestion dynamique des connaissances associant apprentissage continu et oubli organise. Nous expliquons ici comment << picota >> un robot virtuel a ete concu pour simuler le comportement d'une poule biologique. Pour survivre dans son environnement synthetique, notre robot doit distinguer le << bon grain de l'ivraie >> pendant la journee tandis qu'il est cense se reposer durant la nuit. Or, dans ce cadre formel et tres eloigne du monde biologique, nous sommes parvenus a une conclusion inattendue. Face a une evolution rapide des formes a reconnaitre, la meilleure maniere d'equilibrer le bilan << energetique >> du robot afin d'assurer sa << survie >> consiste a transformer le repos en une periode d'activite cerebrale intense destinee a l'elimination des souvenirs redondants. La procedure d'oubli etant tres proche de celle du traitement des stimulis, les circuits responsables du comportement diurne sont reutilises durant la periode nocturne. Cette bivalence permet une economie importante mais impose de << paralyser >> le robot afin d'eviter tout mouvement inopportun. Cet algorithme, qui tire profit de l'alternance de phases d'activite et de repos, evoque donc assez precisement le sommeil paradoxal. Cette convergence offre de bonnes perspectives de collaboration entre physiologie du sommeil et theorie de la complexite.