entendement

Certaines personnes pensent qu'une simulation ne peut pas être consciente et que seul un système physique le peut. Mais ils l’ont compris complètement à l’envers : un système physique ne peut pas être conscient. Seule une simulation peut être consciente. La conscience est une propriété simulée du soi simulé.

Auteur: Bach Joscha

Info:

[ intellection ]

scientifique-par-scientifique

Tout le monde sait que le progrès scientifique nécessite de l'intellect. Ce qui est moins évident, c'est que la science a besoin de conscience. L'intellect crée de nouvelles idées ; la conscience les examine pour en vérifier la cohérence et la justesse. En d’autres termes, un domaine scientifique requiert non seulement de la " tête ", mais aussi du " cœur ". Rolf Landauer était à la fois la tête et le cœur du domaine de la physique de l'information. Il est décédé d'un cancer le 27 avril dernier à l'âge de 72 ans.

Auteur: Lloyd Seth

Info: Nature, 19 août 1999

[ éloge ] [ théorie-pratique ] [ objectivité ] [ consensus ]

femmes-par-homme

Ces hommes mariés qui enseignent à leur épouse force facéties obscènes, acrobaties indécentes, et positions, contorsions et tours nouveaux qui font que les feux qu'elles portent dans leur corps s'allument par centaines et qu'elles deviennent comme des filles de joie. Une fois entraînées dans ces manières, plus rien ne les retient de s'enfuir de chez leur mari à la recherche d'autres cavaliers. Un tel état des choses désespère les maris et les pousse à tuer leur épouse ce qui est très mal.

Auteur: Brantôme Pierre de Bourdeilles

Info: relevé par Liv Strömquist dans "Les sentiments du prince Charles "

[ femmes-hommes ] [ sexualité ]

humour

- On cherche quoi, Grand-Père ?

 - Une dague de sacrifice !

- Vraiment ? C'est juste un couteau, non ? maugréa Fingus.

- Pas n'importe quel couteau, voyons ! La dague sacrificielle est un outil indispensable à tout seigneur du mal.

Et on la trouve où ?

- Là où se passent tous les sacrifices !

- Y a une cuisine dans l'église ?

- Probablement pas ! Quoique, connaissant Larry... Cherche plutôt du côté de l'autel !

Auteur: Holzl Ariel

Info: Fingus Malister, tome 2 : Crâne bavard, grimoire et magie noire

[ laraire ] [ nourriture ] [ poignard ]

parole enfantine

(en visite dans une église)

- C'est quoi cet endroit ?

- La maison de Dieu

- Ah... Elle est où la cuisine ?

Auteur: Sarnau Valentine

Info: Alors qu'elle avait 7 ans

[ humour ] [ premier degré ]

beaux-arts

- Les phénomènes dont vous m’avez parlé relevaient du Bas Art, continue-t-il.

- Du bazar ? répète Ivy, perplexe.

Tybalt s’esclaffe.

- Un vrai foutoir, en effet ! De l’Art mineur, si vous préférez.

Auteur: Holzl Ariel

Info: Les royaumes immobiles, tome 1 : La princesse sans visage

[ humour ] [ jeu de mots ]

routines

- Les vieilles habitudes ont la vie dure, constata Alys.

Livianne acquiesça.

- J’espérais que nous avions grandi… Mais nous avons seulement vieilli.

Auteur: Holzl Ariel

Info: Peine-Ombre

être humain

la conscience de l’homme est à l’étroit dans son corps. Plus rien n’est adapté. Dès sa naissance, c’est la catastrophe : il est incapable de survivre seul, car il est né prématuré en raison de son évolution vers la position debout. Son cerveau a déjà un potentiel phénoménal et le met en perpétuel défi face à son environnement. Quel animal se réveille et se dit " zut alors, ce matin il va falloir que j’aille chasser, je n’ai vraiment pas envie " ou bien " quelle vie horrible que celle-ci, j’aimerais tant celle d’un autre " ? Aucun, mis à part l’homme !

Auteur: Fréminville Patrice de

Info: Bornéo

[ animal ] [ particulier ] [ cérébral ]

intelligence artificielle

Les capacités imprévisibles des grands modèles d'IA

Les grands modèles de langage tels que ChatGPT sont aujourd'hui suffisamment importants pour commencer à afficher des comportements surprenants et imprévisibles. (...)

Au-delà de l'imitation

En 2020, Dyer et d’autres de Google Research ont prédit que les LLM auraient des effets transformateurs – mais la nature de ces effets restait une question ouverte. Ils ont donc demandé à la communauté des chercheurs de fournir des exemples de tâches difficiles et diverses afin de tracer les limites extérieures de ce qu'un LLM pouvait faire. Cet effort a été appelé projet Beyond the Imitation Game Benchmark (BIG-bench), inspiré du nom du " jeu d'imitation " d'Alan Turing, un test permettant de déterminer si un ordinateur peut répondre aux questions d'une manière humaine et convaincante. (Ceci deviendra plus tard connu sous le nom de test de Turing.) Le groupe s'est particulièrement intéressé aux exemples dans lesquels les LLM ont soudainement atteint de nouvelles capacités qui étaient complètement absentes auparavant.

"La façon dont nous comprenons ces transitions brusques est une grande question de recherche", a déclaré Dyer.

Comme on pouvait s'y attendre, sur certaines tâches, les performances d'un modèle se sont améliorées de manière fluide et prévisible à mesure que la complexité augmentait. Et sur d’autres tâches, l’augmentation du nombre de paramètres n’a apporté aucune amélioration. Mais pour environ 5 % des tâches, les chercheurs ont découvert ce qu’ils ont appelé des " percées " : des progrès rapides et spectaculaires dans les performances à une certaine échelle seuil. Ce seuil variait en fonction de la tâche et du modèle.

Par exemple, les modèles avec relativement peu de paramètres (quelques millions seulement) ne pouvaient pas résoudre avec succès les problèmes d’addition à trois chiffres ou de multiplication à deux chiffres, mais pour des dizaines de milliards de paramètres, la précision a augmenté dans certains modèles. Des sauts similaires se sont produits pour d'autres tâches, notamment le décodage de l'alphabet phonétique international, le déchiffrement des lettres d'un mot, l'identification du contenu offensant dans les paragraphes de Hinglish (une combinaison d'hindi et d'anglais) et la génération d'un équivalent anglais similaire des proverbes kiswahili.

Mais les chercheurs se sont vite rendu compte que la complexité d’un modèle n’était pas le seul facteur déterminant. Certaines capacités inattendues pourraient être extraites de modèles plus petits avec moins de paramètres – ou entraînées sur des ensembles de données plus petits – si les données étaient de qualité suffisamment élevée. De plus, la façon dont une requête était formulée influençait l’exactitude de la réponse du modèle. Lorsque Dyer et ses collègues l'ont fait avec la tâche des emoji de film via un format à choix multiples, par exemple, l'amélioration de la précision était moins un saut soudain qu'une augmentation progressive avec plus de complexité. Et l'année dernière, dans un article présenté à NeurIPS , la réunion phare du domaine, des chercheurs de Google Brain ont montré comment un modèle invité à s'expliquer (une capacité appelée raisonnement en chaîne de pensée) pouvait résoudre correctement un problème de mots mathématiques, alors que le même le modèle sans cette invite ne pourrait pas.

Yi Tay, un scientifique de Google Brain qui a travaillé sur l'enquête systématique sur les percées, souligne des travaux récents suggérant que l'incitation à la chaîne de pensée modifie les courbes d'échelle et donc le point où l'émergence se produit. Dans leur article NeurIPS, les chercheurs de Google ont montré que l'utilisation d'invites de chaîne de pensée pouvait susciter des comportements émergents non identifiés dans l'étude BIG-bench. De telles invites, qui demandent au modèle d’expliquer son raisonnement, pourraient aider les chercheurs à commencer à étudier les raisons pour lesquelles l’émergence se produit.

Des découvertes récentes comme celles-ci suggèrent au moins deux possibilités pour expliquer pourquoi l'émergence se produit, a déclaré Ellie Pavlick, une informaticienne à l'Université Brown qui étudie les modèles informatiques du langage. La première est que, comme le suggèrent les comparaisons avec les systèmes biologiques, les modèles plus grands acquièrent effectivement spontanément de nouvelles capacités. "Il se peut très bien que le mannequin ait appris quelque chose de fondamentalement nouveau et différent qu'il n'aurait pas pu apprendre dans une taille plus petite", a-t-elle déclaré. "C'est ce que nous espérons tous, qu'un changement fondamental se produit lorsque les modèles sont étendus."

L’autre possibilité, moins sensationnelle, dit-elle, est que ce qui semble émerger pourrait plutôt être le point culminant d’un processus interne, axé sur les statistiques, qui fonctionne selon un raisonnement de type chaîne de pensée. Les grands LLM peuvent simplement apprendre des heuristiques hors de portée pour ceux qui disposent de moins de paramètres ou de données de moindre qualité.

Mais, a-t-elle déclaré, déterminer laquelle de ces explications est la plus probable dépend d’une meilleure compréhension du fonctionnement des LLM. "Comme nous ne savons pas comment ils fonctionnent sous le capot, nous ne pouvons pas dire laquelle de ces choses se produit."

Pouvoirs et pièges imprévisibles

Il y a un problème évident à demander à ces modèles de s’expliquer : ce sont des menteurs notoires. " Nous comptons de plus en plus sur ces modèles pour effectuer le travail de base ", a déclaré Ganguli, « mais je ne me contente pas de leur faire confiance. Je vérifie leur travail. Comme exemple parmi de nombreux exemples amusants, Google a présenté en février son chatbot IA, Bard. Le billet de blog annonçant le nouvel outil montre que Bard fait une erreur factuelle .

L’émergence conduit à l’imprévisibilité, et l’imprévisibilité – qui semble augmenter avec l’échelle – rend difficile pour les chercheurs d’anticiper les conséquences d’une utilisation généralisée.

" Il est difficile de savoir à l'avance comment ces modèles seront utilisés ou déployés ", a déclaré Ganguli. "Et pour étudier des phénomènes émergents, vous devez avoir un cas en tête, et vous ne saurez pas avant d'avoir étudié l'influence de l'échelle quelles capacités ou limitations pourraient survenir."

Dans une analyse des LLM publiée en juin dernier, les chercheurs d'Anthropic ont examiné si les modèles montreraient certains types de préjugés raciaux ou sociaux, un peu comme ceux précédemment rapportés dans les algorithmes non basés sur LLM utilisés pour prédire quels anciens criminels sont susceptibles d'en commettre un autre. crime. Cette étude a été inspirée par un paradoxe apparent directement lié à l’émergence : à mesure que les modèles améliorent leurs performances lors de leur mise à l’échelle, ils peuvent également augmenter la probabilité de phénomènes imprévisibles, y compris ceux qui pourraient potentiellement conduire à des biais ou à des dommages.

"Certains comportements nuisibles apparaissent brusquement dans certains modèles", a déclaré Ganguli. Il cite une analyse récente des LLM, connue sous le nom de BBQ benchmark, qui a montré que les préjugés sociaux émergent avec un très grand nombre de paramètres. " Les modèles plus grands deviennent brusquement plus biaisés. " Ne pas prendre en compte ce risque, a-t-il ajouté, pourrait mettre en péril les sujets de ces modèles.

Mais il propose un contrepoint : lorsque les chercheurs ont simplement dit au modèle de ne pas s’appuyer sur des stéréotypes ou des préjugés sociaux – littéralement en tapant ces instructions – le modèle était moins biaisé dans ses prédictions et ses réponses. Cela suggère que certaines propriétés émergentes pourraient également être utilisées pour réduire les biais. Dans un article publié en février, l'équipe d'Anthropic a fait état d'un nouveau mode " d'autocorrection morale ", dans lequel l'utilisateur incite le programme à être utile, honnête et inoffensif.

L’émergence, a déclaré Ganguli, révèle à la fois un potentiel surprenant et des risques imprévisibles. Les applications de ces grands LLM prolifèrent déjà, donc une meilleure compréhension de cette interaction aidera à exploiter la diversité des capacités des modèles linguistiques.

"Nous étudions comment les gens utilisent réellement ces systèmes", a déclaré Ganguli. Mais ces utilisateurs bricolent aussi constamment. "Nous passons beaucoup de temps à discuter avec nos modèles", a-t-il déclaré, "et c'est en fait là que vous commencez à avoir une bonne intuition sur la confiance – ou son absence."

Auteur: Internet

Info: Quanta Magazine, Stephen Ornes, 16 mars 2023 - Les capacités imprévisibles des grands modèles d'IA Les grands modèles de langage tels que ChatGPT sont aujourd'hui suffisamment importants pour commencer à afficher des comportements surprenants et imprévisibles.

[ dépassement ]

nanomonde

La majeure partie de la vie sur Terre est en sommeil, après avoir activé un " frein d’urgence"

De nombreux microbes et cellules dorment profondément, attendant le bon moment pour s’activer. Les biologistes ont découvert une protéine largement répandue qui arrête brusquement l'activité d'une cellule et la réactive tout aussi rapidement.

(Photo : Lorsque les choses se compliquent, de nombreux microbes entrent en dormance. De nouvelles recherches ont découvert une protéine omniprésente qui arrête instantanément la production de protéines dans une cellule.)

Des chercheurs ont récemment rapporté la découverte d'une protéine naturelle, appelée Balon, qui peut stopper brutalement la production de nouvelles protéines par une cellule. Balon a été trouvé dans des bactéries qui hibernent dans le pergélisol arctique, mais il semble également être fabriqué par de nombreux autres organismes et pourrait être un mécanisme négligé de dormance dans l'arbre de vie.

Pour la plupart des formes de vie, la capacité de s’isoler est un élément essentiel pour rester en vie. Des conditions difficiles comme le manque de nourriture ou le froid peuvent apparaître de nulle part. Dans cette situation désastreuse, plutôt que de s’effondrer et de mourir, de nombreux organismes sont passés maîtres dans l’art de la dormance. Ils ralentissent leur activité et leur métabolisme. Puis, lorsque des temps meilleurs reviennent, ils se réaniment.

Rester assis dans un état de dormance est en fait la norme pour la majorité de la vie sur Terre : selon certaines estimations, 60 % de toutes les cellules microbiennes hibernent à un moment donné. Même dans les organismes dont le corps entier ne se met pas en dormance, comme la plupart des mammifères, certaines populations cellulaires se reposent et attendent le meilleur moment pour s'activer.

"Nous vivons sur une planète endormie", a déclaré Sergey Melnikov , biologiste moléculaire évolutionniste à l'Université de Newcastle. "La vie, c'est avant tout dormir."

Mais comment les cellules réussissent-elles cet exploit ? Au fil des années, les chercheurs ont découvert un certain nombre de " facteurs d’hibernation ", des protéines que les cellules utilisent pour induire et maintenir un état de dormance. Lorsqu’une cellule détecte une condition défavorable, comme la famine ou le froid, elle produit une série de facteurs d’hibernation pour arrêter son métabolisme.

Certains facteurs d’hibernation démantelent la machinerie cellulaire ; d'autres empêchent l'expression des gènes. Les plus importants, cependant, arrêtent le ribosome, la machine cellulaire chargée de fabriquer de nouvelles protéines. La fabrication de protéines représente plus de 50 % de la consommation d’énergie d’une cellule bactérienne en croissance. Ces facteurs d'hibernation jettent du sable dans les engrenages du ribosome, l'empêchant de synthétiser de nouvelles protéines et économisant ainsi de l'énergie pour les besoins de survie de base.

Plus tôt cette année, en publiant dans Nature, des chercheurs ont rapporté la découverte d' un nouveau facteur d'hibernation, qu'ils ont nommé Balon. Une protéine qui est étonnamment courante : une recherche de sa séquence génétique a révélé sa présence dans 20 % de tous les génomes bactériens catalogués. Et cela fonctionne d’une manière que les biologistes moléculaires n’avaient jamais vue auparavant.

(Photo : Karla Helena-Bueno a découvert un facteur d'hibernation courant lorsqu'elle a accidentellement laissé une bactérie arctique sur la glace pendant trop longtemps. " J'ai essayé d'explorer un coin de nature sous-étudié et j'ai trouvé quelque chose ", a-t-elle déclaré.)

Auparavant, tous les facteurs connus d'hibernation perturbant le ribosome fonctionnaient passivement : ils attendaient qu'un ribosome ait fini de construire une protéine, puis l'empêchaient d'en créer une nouvelle. Balon, cependant, tire sur le frein d'urgence. Il s'introduit dans chaque ribosome de la cellule, interrompant même les ribosomes actifs au milieu de leur travail. Avant Balon, les facteurs d'hibernation n'étaient observés que dans les ribosomes vides.

"Ce papier au sujet de Balon est incroyablement détaillé", a déclaré le biologiste évolutionniste Jay Lennon, qui étudie la dormance microbienne à l'Université d'Indiana et n'a pas participé à la nouvelle étude. "Cela enrichira notre vision du fonctionnement de la dormance."

Melnikov et son étudiante diplômée Karla Helena-Bueno ont découvert Balon chez Psychrobacter urativorans, une bactérie adaptée au froid, originaire des sols gelés et récoltée dans le pergélisol arctique. (Selon Melnikov, la bactérie a été découverte pour la première fois dans un paquet de saucisses congelées dans les années 1970, puis redécouverte par le célèbre génomiciste Craig Venter lors d'un voyage dans l'Arctique.) Ils étudient P. urativorans et d'autres microbes inhabituels pour caractériser la diversité des outils de construction de protéines utilisés dans tout le spectre de la vie et pour comprendre comment les ribosomes peuvent s'adapter aux environnements extrêmes.

Parce que la dormance peut être déclenchée par diverses conditions, notamment la famine et la sécheresse, les scientifiques poursuivent ces recherches avec un objectif pratique en tête : " Nous pouvons probablement utiliser ces connaissances pour concevoir des organismes capables de tolérer des climats plus chauds ", a déclaré Melnikov, " et donc résister au changement climatique. "

Présentation : Balon

Helena-Bueno a découvert Balon entièrement par hasard. Elle s'employait à amadouer qour que les P.Urativorans grandissent joyeusement en laboratoire. Au lieu de cela, elle a fait le contraire. Elle a laissé la culture dans un seau à glace pendant trop longtemps et a réussi à la soumettre à un choc froid. Au moment où elle se rappela de sa présence, les bactéries adaptées au froid étaient devenues dormantes.

Ne voulant pas gaspiller la culture, les chercheurs ont quand même poursuivi leurs investigations initiales. Helena-Bueno a extrait les ribosomes des bactéries choquées par le froid et les a soumis à la cryo-EM. Abréviation de microscopie électronique cryogénique, la cryo-EM est une technique permettant de visualiser de minuscules structures biologiques à haute résolution. Helena-Bueno a vu une protéine coincée dans le site A du ribosome bloqué – la " porte " où les acides aminés sont livrés pour la construction de nouvelles protéines.

Helena-Bueno et Melnikov n'ont pas reconnu la protéine. En effet, cela n’avait jamais été décrit auparavant. Elle présentait une similitude avec une autre protéine bactérienne, importante pour le démontage et le recyclage des parties ribosomales, appelée Pelota de l'espagnol pour " balle ". Ils ont donc nommé la nouvelle protéine Balon, un mot espagnol pour " balle ".

"Contrairement à d’autres facteurs d’hibernation, Balon peut être inséré pour bloquer la croissance, puis rapidement éjecté comme une cassette."

La capacité de Balon à arrêter l'activité du ribosome est une adaptation essentielle pour un microbe soumis à un stress, a déclaré Mee-Ngan Frances Yap, microbiologiste à l'Université Northwestern qui n'a pas participé aux travaux. "Lorsque les bactéries se développent activement, elles produisent beaucoup de ribosomes et d'ARN", a-t-elle déclaré. " Lorsqu’elle est confrontée à un stress, une espèce peut avoir besoin d’arrêter la traduction " de l’ARN en nouvelles protéines pour commencer à économiser de l’énergie pendant une période d’hibernation potentiellement longue.

Notamment, le mécanisme de Balon est un processus réversible. Contrairement à d’autres facteurs d’hibernation, il peut être inséré pour bloquer la croissance, puis rapidement éjecté comme une cassette. Il permet à une cellule de se mettre rapidement en veille en cas d’urgence et de se réanimer tout aussi rapidement pour se réadapter à des conditions plus favorables.

Balon peut le faire car il s'accroche aux ribosomes d'une manière unique. Chaque facteur d'hibernation ribosomale découvert précédemment bloque physiquement le site A du ribosome, de sorte que tout processus de fabrication de protéines en cours doit être terminé avant que le facteur puisse s'attacher pour désactiver le ribosome. Balon, en revanche, se lie à proximité mais pas à travers le canal, ce qui lui permet d'aller et venir indépendamment de ce que fait le ribosome.

Malgré la nouveauté mécaniste de Balon, il s’agit d’une protéine extrêmement courante. Une fois identifié, Helena-Bueno et Melnikov ont trouvé des parents génétiques de Balon dans plus de 20 % de tous les génomes bactériens catalogués dans les bases de données publiques. Avec l'aide de Mariia Rybak , biologiste moléculaire à la branche médicale de l'Université du Texas, ils ont caractérisé deux de ces protéines bactériennes alternatives : une provenant du pathogène humain Mycobacterium tuberculosis, responsable de la tuberculose, et un autre chez Thermus thermophilus, qui vit dans le dernier endroit où on pourrait trouver P. urativorans, c'est-à-dire dans des bouches d'aération sous-marines ultra-chaudes. Les deux protéines se lient également au site A du ribosome, ce qui suggère qu'au moins certains de ces gènes apparentés agissent de la même manière que Balon chez d'autres espèces bactériennes.

Balon est notamment absent d' Escherichia coli et de Staphylococcus aureus, les deux bactéries les plus étudiées et les modèles de dormance cellulaire les plus largement utilisés. En se concentrant uniquement sur quelques organismes de laboratoire, les scientifiques ont raté une tactique d'hibernation largement répandue, a déclaré Helena-Bueno. "J'ai essayé d'explorer un coin de nature sous-étudié et j'ai trouvé quelque chose."

Tout le monde hiberne

Chaque cellule a besoin de pouvoir se mettre en veille et d’attendre son moment. La bactérie modèle de laboratoire E. coli possède cinq modes d'hibernation distincts, a déclaré Melnikov, chacun étant suffisant à lui seul pour permettre au microbe de survivre à une crise." La plupart des microbes sont affamés ", explique Ashley Shade, microbiologiste à l'université de Lyon, qui n'a pas participé à la nouvelle étude. " Ils vivent en constant état de manque. Ils ne se dédoublent pas et ne vivent pas leur meilleure vie ".

Mais la dormance est également nécessaire en dehors des périodes de famine. Même chez les organismes, comme la plupart des mammifères, dont le corps entier n’est pas complètement endormi, les populations cellulaires individuelles doivent attendre le meilleur moment pour s’activer. Les ovocytes humains dorment pendant des décennies en attendant d’être fécondés. Les cellules souches humaines naissent dans la moelle osseuse, puis restent au repos, attendant que le corps les appelle pour se développer et se différencier. Les fibroblastes du tissu nerveux, les lymphocytes du système immunitaire et les hépatocytes du foie entrent tous dans des phases dormantes, inactives et sans division et se réactivent plus tard.

"Ce n'est pas quelque chose qui est propre aux bactéries ou aux archées", a déclaré Lennon. " Chaque organisme de l’arbre de vie a une manière de mettre en œuvre cette stratégie. Ils peuvent suspendre leur métabolisme.

Les ours hibernent. Les virus de l'herpès se lysogénisent. Les vers forment un stade Dauer. Les insectes entrent en diapause. Les amphibiens estivent. Les oiseaux entrent en torpeur. Tous ces mots désignent exactement la même chose : un état de dormance que les organismes peuvent inverser lorsque les conditions sont favorables.

"Avant l'invention de l'hibernation, la seule façon de vivre était de continuer à grandir sans interruption", a déclaré Melnikov. "Mettre la vie sur pause est un luxe."

C'est aussi une sorte d'assurance à l'échelle de la population. Certaines cellules poursuivent leur dormance en détectant les changements environnementaux et en réagissant en conséquence. Cependant, de nombreuses bactéries utilisent une stratégie stochastique. "Dans des environnements fluctuant de manière aléatoire, si vous ne vous mettez pas parfois en dormance, il y a un risque que la population entière disparaisse" à la suite de rencontres aléatoires avec des catastrophes, a déclaré Lennon. Même dans les cultures d' E. coli les plus saines, les plus heureuses et à la croissance la plus rapide, entre 5 % et 10 % des cellules seront néanmoins dormantes. Ce sont les survivants désignés qui survivront si quelque chose arrivait à leurs cousins ​​plus actifs et plus vulnérables.

En ce sens, la dormance est une stratégie de survie face aux catastrophes mondiales. C'est pourquoi Helena-Bueno étudie l'hibernation. Elle s'intéresse aux espèces qui pourraient rester stables malgré le changement climatique, à celles qui pourraient se rétablir et aux processus cellulaires, comme l'hibernation assistée par Balon, qui pourraient aider.

Plus fondamentalement, Melnikov et Helena-Bueno espèrent que la découverte de Balon et son omniprésence aideront les gens à recadrer ce qui est important dans la vie. Nous dormons tous fréquemment et beaucoup d’entre nous l’apprécient beaucoup. "Nous passons un tiers de notre vie à dormir, mais nous n'en parlons pas du tout", a déclaré Melnikov. Au lieu de nous plaindre de ce qui nous manque lorsque nous dormons, peut-être pourrions-nous le vivre comme un processus qui nous relie à toute vie sur Terre, y compris les microbes qui dorment au plus profond du pergélisol arctique.

Auteur: Internet

Info: https://www.quantamagazine.org/ - Dan Samorodnitski, 5 juin 2024

[ prudent tâtonnements bayésiens ] [ création de réserves ] [ hivernation ] [ arrêts ] [ répits ]