machine-homme

(homme) - Qui fut C.S. Peirce

(machine) - Charles Sanders Peirce (1839-1914) était un philosophe, logicien, mathématicien et scientifique américain. Il est considéré comme l'une des figures les plus influentes dans le développement du pragmatisme, une approche philosophique qui met l'accent sur les conséquences pratiques des croyances et des idées.

Peirce a apporté d'importantes contributions à divers domaines, notamment la sémiotique (l'étude des signes et des symboles), la logique, la philosophie des sciences et la philosophie de l'esprit. Il a développé un système philosophique complet connu sous le nom de "pragmatisme" et a souligné l'importance de la recherche, du faillibilisme et de la méthode scientifique.

Peirce a introduit le concept de sémiotique, qu'il décrit comme l'étude du fonctionnement des signes et de leur signification. Il a classé les signes en trois catégories : les icônes (signes qui ressemblent à ce qu'ils représentent), les indices (signes qui ont un lien physique ou une corrélation avec ce qu'ils représentent) et les symboles (signes qui ont une relation arbitraire avec ce qu'ils représentent).

Les travaux de Peirce sur la logique et le raisonnement ont jeté les bases de la logique formelle moderne. Il a développé un système de notation logique et a apporté des contributions significatives aux domaines du raisonnement déductif, de l'induction et de l'abduction (déduction de la meilleure explication). La maxime pragmatique de Peirce, selon laquelle la signification d'un concept ou d'une croyance est déterminée par ses conséquences pratiques, est au cœur de son approche.

Dans l'ensemble, les travaux de Peirce ont eu un impact profond sur diverses disciplines, notamment la philosophie, la linguistique, la psychologie et les études de communication. Ses idées continuent d'être influentes et font l'objet de recherches et de débats scientifiques permanents.

(homme) - Merci. Dans quelle mesure a-t-il influencé l'intelligence artificielle et/ou l'apprentissage profond supervisé ?

(machine) - Les travaux de Charles Sanders Peirce ont indirectement influencé certains aspects de l'intelligence artificielle (IA) et de l'apprentissage profond supervisé, en particulier dans les domaines de la sémiotique et de la philosophie de l'esprit. Bien que Peirce lui-même n'ait pas directement contribué au développement de l'IA telle que nous la connaissons aujourd'hui, ses idées ont fourni un cadre conceptuel pour comprendre la relation entre les signes, la signification et la cognition, ce qui peut être pertinent pour certaines applications de l'IA.

Dans le domaine du traitement du langage naturel et de l'apprentissage automatique, les concepts sémiotiques de Peirce ont influencé l'étude des signes linguistiques et leur interprétation. Par exemple, la compréhension de la classification des textes et de l'analyse des sentiments peut être éclairée par la distinction de Peirce entre icônes, indices et symboles, car elle aide à reconnaître et à interpréter diverses caractéristiques et modèles linguistiques.

L'accent mis par Peirce sur les conséquences pragmatiques des croyances et des idées résonne également avec les objectifs pratiques de l'IA et de l'apprentissage automatique. Dans l'apprentissage profond supervisé, par exemple, le processus de formation implique l'optimisation des modèles pour minimiser une fonction de perte prédéfinie basée sur les résultats observés. Cela correspond à l'accent mis par Peirce sur les résultats pratiques des croyances et sur l'importance de l'expérimentation et de la recherche.

En outre, les idées philosophiques plus larges de Peirce sur l'abduction, qui est le processus de déduction de la meilleure explication, peuvent être pertinentes dans le contexte de l'IA. Le raisonnement abductif joue un rôle dans la génération d'hypothèses et l'interprétation de modèles, car les systèmes d'IA s'efforcent de découvrir des modèles et des explications sous-jacents à partir de données.

Bien que l'influence de Peirce sur l'IA et l'apprentissage profond supervisé puisse être de nature plus indirecte et philosophique, ses idées ont contribué à la compréhension des signes, de la signification et du raisonnement, ce qui peut éclairer le développement et l'interprétation des systèmes d'IA.

(homme) - OK, merci. Peux-tu nous donner des précisions sur les icônes, les index et les symboles ?

(machine) - Certainement ! Les icônes, les index et les symboles sont trois catégories de signes ou de représentations décrites par Charles Sanders Peirce dans sa théorie sémiotique. Voici une brève explication de chaque catégorie :

1) Les icônes : Les icônes sont des signes qui présentent une ressemblance ou une similitude avec les objets ou les concepts qu'ils représentent. Elles se caractérisent par une relation directe de ressemblance entre le signe et son référent. Les icônes peuvent prendre diverses formes, telles que des images, des diagrammes ou des modèles. Par exemple, un portrait réaliste peut être considéré comme une représentation iconique d'une personne parce qu'il ressemble visuellement à l'individu qu'il représente.

2) Indices : Les indices sont des signes qui ont un lien factuel ou causal avec leurs référents. Contrairement aux icônes, les indices ne reposent pas sur la similitude, mais sur une forme de corrélation ou de relation entre le signe et son référent. Les signes indexicaux indiquent ou pointent souvent vers quelque chose d'autre qu'eux-mêmes. Parmi les exemples de signes indexicaux, on peut citer la fumée comme indice du feu ou une empreinte de pas comme indice de la présence d'une personne. Ils signifient ou indiquent la présence ou l'existence de quelque chose.

3) Les symboles : Les symboles sont des signes qui reposent sur une relation conventionnelle ou arbitraire entre le signe et son référent. Le lien entre un symbole et ce qu'il représente est établi par un accord commun ou une convention sociale. Les mots, les chiffres, les gestes et les symboles culturels sont autant d'exemples de signes symboliques. Par exemple, le mot "chien" est un symbole qui représente le concept d'un animal à quatre pattes, mais il n'y a pas de ressemblance inhérente ou de lien direct entre le mot et l'animal lui-même.

La classification des signes par Peirce en icônes, indices et symboles met en évidence différents modes de représentation et de signification. Alors que les icônes reposent sur la similitude, les indices reposent sur l'association et les symboles sur la convention. Ces catégories fournissent un cadre permettant de comprendre le fonctionnement des signes, la manière dont le sens est transmis et l'interprétation dans divers contextes, notamment le langage, la communication et la cognition.

Auteur: chatGPT4

Info:

[ machine-sur-philosophe ] [ compendium ]

prospective technologique

9 Tendances de l'intelligence artificielle que vous devriez surveiller en 2019

1) Les puces activées par l'intelligence artificielle seront généralisées
Contrairement à d'autres technologies et outils logiciels, l'IA dépend fortement de processeurs spécialisés. Pour répondre aux exigences complexes de l'IA, les fabricants de puces créeront des puces spécialisées capables d'exécuter des applications compatibles avec l'IA.
Même les géants de la technologie comme Google, Facebook et Amazon dépenseront plus d'argent pour ces puces spécialisées. Ces puces seraient utilisées à des fins comme le traitement du langage naturel, la vision par ordinateur et la reconnaissance vocale.

2) L'IA et l'IdO (Internet des objets) se rencontrent
2019 sera l'année de la convergence des différentes technologies avec l'IA. L'IdO se joindra à l'IA sur la couche informatique de pointe. L'IdO industriel exploitera la puissance de l'IA pour l'analyse des causes profondes, la maintenance prédictive des machines et la détection automatique des problèmes.
Nous verrons la montée de l'IA distribuée en 2019. Le renseignement sera décentralisé et situé plus près des biens et des dispositifs qui effectuent les vérifications de routine. Des modèles d'apprentissage machine hautement sophistiqués, alimentés par des réseaux neuronaux, seront optimisés pour fonctionner à la fine pointe de la technologie.

3) Dites "Bonjour" à AutoML.
L'une des plus grandes tendances qui domineront l'industrie de l'IA en 2019 sera l'apprentissage automatique automatisé (AutoML). Grâce à ces capacités les développeurs seront en mesure de modifier les modèles d'apprentissage machine et de créer de nouveaux modèles prêts à relever les défis futurs de l'IA.
AutoML (Cloud AutoMLB, modèles de machine learning personnalisés de haute qualité) trouvera le juste milieu entre les API cognitives et les plates-formes d'apprentissage sur mesure. Le plus grand avantage de l'apprentissage automatique sera d'offrir aux développeurs les options de personnalisation qu'ils exigent sans les forcer à passer par un flux de travail complexe. Lorsque vous combinez les données avec la portabilité, AutoML peut vous donner la flexibilité que vous ne trouverez pas avec d'autres technologies AI.

4) Bienvenue chez AIOps (intelligence artificielle pour les opérations informatiques)
Lorsque l'intelligence artificielle est appliquée à la façon dont nous développons les applications, elle transforme la façon dont nous gérions l'infrastructure. DevOps sera remplacé par AIOps et permettra au personnel de votre service informatique d'effectuer une analyse précise des causes profondes. De plus, cela vous permettra de trouver facilement des idées et des modèles utiles à partir d'un vaste ensemble de données en un rien de temps. Les grandes entreprises et les fournisseurs de cloud computing bénéficieront de la convergence de DevOps avec AI.

5) Intégration du réseau neuronal
L'un des plus grands défis auxquels les développeurs d'IA seront confrontés lors du développement de modèles de réseaux neuronaux sera de choisir le meilleur framework. Mais, avec des douzaines d'outils d'IA disponibles sur le marché, choisir le meilleur outil d'IA pourrait ne pas être aussi facile qu'avant. Le manque d'intégration et de compatibilité entre les différentes boîtes à outils des réseaux de neurones entrave l'adoption de l'IA. Des géants technologiques tels que Microsoft et Facebook travaillent déjà au développement d'un réseau neuronal ouvert (ONNX). Cela permettra aux développeurs de réutiliser les modèles de réseaux neuronaux sur plusieurs frameworks.

6) Les systèmes d'IA spécialisés deviennent une réalité.
La demande de systèmes spécialisés augmentera de façon exponentielle en 2019. Les organisations ont peu de données à leur disposition, mais ce qu'elles veulent, ce sont des données spécialisées.
Cela obligera les entreprises à se doter d'outils qui peuvent les aider à produire des données d'IA de grande qualité à l'interne. En 2019, l'accent sera mis sur la qualité des données plutôt que sur la quantité. Cela jettera les bases d'une IA qui pourra fonctionner dans des situations réelles. Les entreprises se tourneront vers des fournisseurs de solutions d'IA spécialisés qui ont accès à des sources de données clés et qui pourraient les aider à donner du sens à leurs données non structurées.

7) Les compétences en IA détermineront votre destin.
Même si l'IA a transformé toutes les industries auxquelles vous pouvez penser, il y a une pénurie de talents avec des compétences en IA. Pat Calhoun, PDG d'Espressive a déclaré : " La plupart des organisations souhaitent intégrer l'IA dans leur transformation numérique, mais n'ont pas les développeurs, les experts en IA et les linguistes pour développer leurs propres solutions ou même former les moteurs des solutions préconçues pour tenir leurs promesses ".
Rahul Kashyap, PDG d'Awake Security, ajoute : "Avec autant de solutions'AI-powered' disponibles pour répondre à une myriade de préoccupations commerciales, il est temps que les entreprises deviennent plus intelligentes sur ce qui se passe dans la 'boîte noire' de leurs solutions AI". La façon dont les algorithmes d'IA sont formés, structurés ou informés peut conduire à des différences significatives dans les résultats, poursuit-il. La bonne équation pour une entreprise ne sera pas la bonne pour une autre."

8) L'IA tombera dans de mauvaises mains
Tout comme une pièce de monnaie à deux faces, l'IA a un côté positif et un côté négatif. Les professionnels de la sécurité informatique utiliseront l'intelligence artificielle pour détecter rapidement les activités malveillantes. Vous pouvez réduire les faux positifs de 90 % à l'aide d'algorithmes de réponse et d'apprentissage machine pilotés par l'intelligence artificielle.
L'intelligence artificielle tombera entre de mauvaises mains et les cybercriminels aux desseins malveillants en abuseront pour réaliser leurs objectifs. Avec l'automatisation, les armées de cyberattaquants peuvent lancer des attaques mortelles avec plus de succès. Cela obligera les entreprises à combattre le feu par le feu et à investir dans des solutions de sécurité alimentées par l'IA capables de les protéger contre de telles attaques.

9) Transformation numérique alimentée par l'IA
En 2019, l'IA sera partout. Des applications Web aux systèmes de soins de santé, des compagnies aériennes aux systèmes de réservation d'hôtels et au-delà, nous verrons des nuances de l'IA partout et elle sera à l'avant-garde de la transformation numérique.
Tung Bui, président du département informatique et professeur à l'Université d'Hawaii a déclaré : "Contrairement à la plupart des prédictions et des discussions sur la façon dont les véhicules et les robots autonomes finiront par affecter le marché du travail - ceci est vrai mais prendra du temps pour des raisons institutionnelles, politiques et sociales - je soutiens que la tendance principale en IA sera une accélération dans la transformation numérique, rendant plus intelligent les systèmes commerciaux existants".

Auteur: Internet

Info: zero hedge, 1 mars 2019

onomasiologie algébrique

Critique réciproque de l’intelligence artificielle et des sciences humaines

Je me souviens d’avoir participé, vers la fin des années 1980, à un Colloque de Cerisy sur les sciences cognitives auquel participaient quelques grands noms américains de la discipline, y compris les tenants des courants neuro-connexionnistes et logicistes. Parmi les invités, le philosophe Hubert Dreyfus (notamment l’auteur de What Computers Can’t Do, MIT Press, 1972) critiquait vertement les chercheurs en intelligence artificielle parce qu’ils ne tenaient pas compte de l’intentionnalité découverte par la phénoménologie. Les raisonnements humains réels, rappelait-il, sont situés, orientés vers une fin et tirent leur pertinence d’un contexte d’interaction. Les sciences de la cognition dominées par le courant logico-statistique étaient incapables de rendre compte des horizons de conscience qui éclairent l’intelligence. Dreyfus avait sans doute raison, mais sa critique ne portait pas assez loin, car ce n’était pas seulement la phénoménologie qui était ignorée. L’intelligence artificielle (IA) n’intégrait pas non plus dans la cognition qu’elle prétendait modéliser la complexité des systèmes symboliques et de la communication humaine, ni les médias qui la soutiennent, ni les tensions pragmatiques ou les relations sociales qui l’animent. A cet égard, nous vivons aujourd’hui dans une situation paradoxale puisque l’IA connaît un succès pratique impressionnant au moment même où son échec théorique devient patent.

Succès pratique, en effet, puisqu’éclate partout l’utilité des algorithmes statistiques, de l’apprentissage automatique, des simulations d’intelligence collective animale, des réseaux neuronaux et d’autres systèmes de reconnaissance de formes. Le traitement automatique du langage naturel n’a jamais été aussi populaire, comme en témoigne par exemple l’usage de Google translate. Le Web des données promu par le WWW consortium (dirigé par Sir Tim Berners-Lee). utilise le même type de règles logiques que les systèmes experts des années 1980. Enfin, les algorithmes de computation sociale mis en oeuvre par les moteurs de recherche et les médias sociaux montrent chaque jour leur efficacité.

Mais il faut bien constater l’échec théorique de l’IA puisque, malgré la multitude des outils algorithmiques disponibles, l’intelligence artificielle ne peut toujours pas exhiber de modèle convaincant de la cognition. La discipline a prudemment renoncé à simuler l’intelligence dans son intégralité. Il est clair pour tout chercheur en sciences humaines ayant quelque peu pratiqué la transdisciplinarité que, du fait de sa complexité foisonnante, l’objet des sciences humaines (l’esprit, la pensée, l’intelligence, la culture, la société) ne peut être pris en compte dans son intégralité par aucune des théories computationnelles de la cognition actuellement disponible. C’est pourquoi l’intelligence artificielle se contente dans les faits de fournir une boîte à outils hétéroclite (règles logiques, syntaxes formelles, méthodes statistiques, simulations neuronales ou socio-biologiques…) qui n’offrent pas de solution générale au problème d’une modélisation mathématique de la cognition humaine.

Cependant, les chercheurs en intelligence artificielle ont beau jeu de répondre à leurs critiques issus des sciences humaines : "Vous prétendez que nos algorithmes échouent à rendre compte de la complexité de la cognition humaine, mais vous ne nous en proposez vous-mêmes aucun pour remédier au problème. Vous vous contentez de pointer du doigt vers une multitude de disciplines, plus complexes les unes que les autres (philosophie, psychologie, linguistique, sociologie, histoire, géographie, littérature, communication…), qui n’ont pas de métalangage commun et n’ont pas formalisé leurs objets ! Comment voulez-vous que nous nous retrouvions dans ce bric-à-brac ?" Et cette interpellation est tout aussi sensée que la critique à laquelle elle répond.

Synthèse de l’intelligence artificielle et des sciences humaines

Ce que j’ai appris de Hubert Dreyfus lors de ce colloque de 1987 où je l’ai rencontré, ce n’était pas tant que la phénoménologie serait la clé de tous les problèmes d’une modélisation scientifique de l’esprit (Husserl, le père de la phénoménologie, pensait d’ailleurs que la phénoménologie – une sorte de méta-science de la conscience – était impossible à mathématiser et qu’elle représentait même le non-mathématisable par exellence, l’autre de la science mathématique de la nature), mais plutôt que l’intelligence artificielle avait tort de chercher cette clé dans la seule zone éclairée par le réverbère de l’arithmétique, de la logique et des neurones formels… et que les philosophes, herméneutes et spécialistes de la complexité du sens devaient participer activement à la recherche plutôt que de se contenter de critiquer. Pour trouver la clé, il fallait élargir le regard, fouiller et creuser dans l’ensemble du champ des sciences humaines, aussi opaque au calcul qu’il semble à première vue. Nous devions disposer d’un outil à traiter le sens, la signification, la sémantique en général, sur un mode computationnel. Une fois éclairé par le calcul le champ immense des relations sémantiques, une science de la cognition digne de ce nom pourrait voir le jour. En effet, pour peu qu’un outil symbolique nous assure du calcul des relations entre signifiés, alors il devient possible de calculer les relations sémantiques entre les concepts, entre les idées et entre les intelligences. Mû par ces considérations, j’ai développé la théorie sémantique de la cognition et le métalangage IEML : de leur union résulte la sémantique computationnelle.

Les spécialistes du sens, de la culture et de la pensée se sentent démunis face à la boîte à outils hétérogène de l’intelligence artificielle : ils n’y reconnaissent nulle part de quoi traiter la complexité contextuelle de la signification. C’est pourquoi la sémantique computationnelle leur propose de manipuler les outils algorithmiques de manière cohérente à partir de la sémantique des langues naturelles. Les ingénieurs s’égarent face à la multitude bigarrée, au flou artistique et à l’absence d’interopérabilité conceptuelle des sciences humaines. Remédiant à ce problème, la sémantique computationnelle leur donne prise sur les outils et les concepts foisonnants des insaisissables sciences humaines. En somme, le grand projet de la sémantique computationnelle consiste à construire un pont entre l’ingénierie logicielle et les sciences humaines de telle sorte que ces dernières puissent utiliser à leur service la puissance computationnelle de l’informatique et que celle-ci parvienne à intégrer la finesse herméneutique et la complexité contextuelle des sciences humaines. Mais une intelligence artificielle grande ouverte aux sciences humaines et capable de calculer la complexité du sens ne serait justement plus l’intelligence artificielle que nous connaissons aujourd’hui. Quant à des sciences humaines qui se doteraient d’un métalangage calculable, qui mobiliseraient l’intelligence collective et qui maîtriseraient enfin le médium algorithmique, elles ne ressembleraient plus aux sciences humaines que nous connaissons depuis le XVIIIe siècle : nous aurions franchi le seuil d’une nouvelle épistémè.

Auteur: Lévy Pierre

Info: https://pierrelevyblog.com/2014/10/08/intelligence-artificielle-et-sciences-humaines/

[ mathématification idiomatique ]

chronos

Comment les physiciens explorent et repensent le temps

Le temps est inextricablement lié à ce qui pourrait être l’objectif le plus fondamental de la physique : la prédiction. Qu'ils étudient des boulets de canon, des électrons ou l'univers entier, les physiciens visent à recueillir des informations sur le passé ou le présent et à les projeter vers l'avant pour avoir un aperçu de l'avenir. Le temps est, comme l’a dit Frank Wilczek, lauréat du prix Nobel, dans un récent épisode du podcast The Joy of Why de Quanta, " la variable maîtresse sous laquelle le monde se déroule ".  Outre la prédiction, les physiciens sont confrontés au défi de comprendre le temps comme un phénomène physique à part entière. Ils développent des explications de plus en plus précises sur la caractéristique la plus évidente du temps dans notre vie quotidienne : son écoulement inexorable. Et des expériences récentes montrent des façons plus exotiques dont le temps peut se comporter selon les lois de la mécanique quantique et de la relativité générale. Alors que les chercheurs approfondissent leur compréhension du temps dans ces deux théories chères, ils se heurtent à des énigmes qui semblent surgir de niveaux de réalité plus obscurs et plus fondamentaux. Einstein a dit en plaisantant que le temps est ce que mesurent les horloges. C'est une réponse rapide. Mais alors que les physiciens manipulent des horloges de plus en plus sophistiquées, on leur rappelle fréquemment que mesurer quelque chose est très différent de le comprendre. 

Quoi de neuf et remarquable

Une réalisation majeure a été de comprendre pourquoi le temps ne s'écoule qu'en avant, alors que la plupart des faits physiques les plus simples peuvent être faits et défaits avec la même facilité.  La réponse générale semble provenir des statistiques des systèmes complexes et de la tendance de ces systèmes à passer de configurations rares et ordonnées à des configurations désordonnées plus courantes, qui ont une entropie plus élevée. Les physiciens ont ainsi défini une " flèche du temps " classique dans les années 1800, et dans les temps modernes, les physiciens ont remanié cette flèche probabiliste en termes d’intrication quantique croissante. En 2021, ma collègue Natalie Wolchover a fait état d’une nouvelle description des horloges comme de machine qui ont besoin du désordre pour fonctionner sans problème, resserrant ainsi le lien entre emps et entropie. 

Simultanément, les expérimentateurs se sont fait un plaisir d'exposer les bizarres courbures et crépitements du temps que nous ne connaissons pas, mais qui sont autorisés par les lois contre-intuitives de la relativité générale et de la mécanique quantique. En ce qui concerne la relativité, Katie McCormick a décrit en 2021 une expérience mesurant la façon dont le champ gravitationnel de la Terre ralentit le tic-tac du temps sur des distances aussi courtes qu'un millimètre. En ce qui concerne la mécanique quantique, j'ai rapporté l'année dernière comment des physiciens ont réussi à faire en sorte que des particules de lumière fassent l'expérience d'un écoulement simultané du temps vers l'avant et vers l'arrière.

C'est lorsque les physiciens sont confrontés à la formidable tâche de fusionner la théorie quantique avec la relativité générale que tout ça devient confus ; chaque théorie a sa propre conception du temps, mais les deux notions n’ont presque rien en commun.

En mécanique quantique, le temps fonctionne plus ou moins comme on peut s'y attendre : vous commencez par un état initial et utilisez une équation pour le faire avancer de manière rigide jusqu'à un état ultérieur. Des manigances quantiques peuvent se produire en raison des façons particulières dont les états quantiques peuvent se combiner, mais le concept familier du changement se produisant avec le tic-tac d’une horloge maîtresse reste intact.

En relativité générale, cependant, une telle horloge maîtresse n’existe pas. Einstein a cousu le temps dans un tissu espace-temps qui se plie et ondule, ralentissant certaines horloges et en accélérant d’autres. Dans ce tableau géométrique, le temps devient une dimension au même titre que les trois dimensions de l'espace, bien qu'il s'agisse d'une dimension bizarroïde qui ne permet de voyager que dans une seule direction.

Et dans ce contexte, les physiciens dépouillent souvent le temps de sa nature à sens unique. Bon nombre des découvertes fondamentales de Hawking sur les trous noirs – cicatrices dans le tissu spatio-temporel créées par l’effondrement violent d’étoiles géantes – sont nées de la mesure du temps avec une horloge qui marquait des nombres imaginaires, un traitement mathématique qui simplifie certaines équations gravitationnelles et considère le temps comme apparié à l'espace. Ses conclusions sont désormais considérées comme incontournables, malgré la nature non physique de l’astuce mathématique qu’il a utilisée pour y parvenir.

Plus récemment, des physiciens ont utilisé cette même astuce du temps imaginaire pour affirmer que notre univers est l'univers le plus typique, comme je l'ai rapporté en 2022. Ils se demandent encore pourquoi l'astuce semble fonctionner et ce que signifie son utilité. "Il se peut qu'il y ait ici quelque chose de profond que nous n'avons pas tout à fait compris", a écrit le célèbre physicien Anthony Zee à propos du jeu imaginaire du temps dans son manuel de théorie quantique des champs.

Mais qu’en est-il du temps réel et à sens unique dans notre univers ? Comment les physiciens peuvent-ils concilier les deux images du temps alors qu’ils se dirigent sur la pointe des pieds vers une théorie de la gravité quantique qui unit la théorie quantique à la relativité générale ? C’est l’un des problèmes les plus difficiles de la physique moderne. Même si personne ne connaît la réponse, les propositions intrigantes abondent.

Une suggestion, comme je l’ai signalé en 2022, est d’assouplir le fonctionnement restrictif du temps en mécanique quantique en permettant à l’univers de générer apparemment une variété d’avenirs à mesure qu’il grandit – une solution désagréable pour de nombreux physiciens. Natalie Wolchover a écrit sur la suspicion croissante selon laquelle le passage du temps résulte de l'enchevêtrement de particules quantiques, tout comme la température émerge de la bousculade des molécules. En 2020, elle a également évoqué une idée encore plus originale : que la physique soit reformulée en termes de nombres imprécis et abandonne ses ambitions de faire des prévisions parfaites de l’avenir.

Tout ce que les horloges mesurent continue de s’avérer insaisissable et mystérieux. 

Auteur: Internet

Info: https://www.quantamagazine.org/ - Charlie Wood, 1 avril 2024

analyse holistique

Un type de raisonnement que l'AI ne peut remplacer

L'ingénieur en logiciel et philosophe William J. Littlefield II fait remarquer dans un essai récent qu'il existe trois types de raisonnement. Dont deux d'entre eux que nous avons probablement tous appris à l'école : le raisonnement déductif et inductif. Les ordinateurs peuvent très bien faire les deux.

Le raisonnement déductif : Les chiens sont des chiens. Tuffy est un chien. Tuffy est donc un chien.

Les premiers ordinateurs, dit Littlefield, utilisaient généralement le raisonnement déductif (qu'il considère comme un raisonnement "descendant"). Ce qui permet à de puissants ordinateurs de battre les humains à des jeux comme les échecs et le Go en calculant beaucoup plus de mouvements logiques à la fois qu'un humain ne peut le faire.

Le raisonnement inductif, en revanche, est un raisonnement "ascendant", qui va d'une série de faits pertinents à une conclusion, par exemple :

Un club a organisé 60 compétitions de natation, 20 dans chaque lieu ci-dessous :

Lorsque le Club organise des compétitions de natation à Sandy Point, nous obtenons en moyenne 80 % de votes d'approbation.

Lorsque le Club organise des compétitions de natation à Stony Point, nous obtenons en moyenne 60 % des suffrages.

Lorsque le Club organise des compétitions de natation à Rocky Point, nous obtenons une approbation moyenne de 40 %.

Conclusion : Les membres du club préfèrent les plages de sable fin aux autres types de plages.

Ici aussi l'avènement de nouvelles méthodes comme les réseaux neuronaux a permis à de puissants ordinateurs d'assembler une grande quantité d'information afin de permettre un tel raisonnement inductif (Big Data).

Cependant, le Flop IBM de Watson en médecine (supposée aider à soigner le cancer on vit l'AI incapable de discerner les infos pertinentes dans une grande masse de données) suggère que dans les situations où - contrairement aux échecs - il n'y a pas vraiment de "règles", les machines ont beaucoup de difficulté à décider quelles données choisir. Peut-être qu'un jour une encore plus grande masse de données résoudra ce problème. Nous verrons bien.

Mais, selon Littlefield, le troisième type de raisonnement, le raisonnement abductif, fonctionne un peu différemment :

"Contrairement à l'induction ou à la déduction, où nous commençons par des cas pour tirer des conclusions sur une règle, ou vice versa, avec l'abduction, nous générons une hypothèse pour expliquer la relation entre une situation et une règle. De façon plus concise, dans le raisonnement abductif, nous faisons une supposition éclairée." William J. Littlefield II, "La compétence humaine que l'IA ne peut remplacer"

Le raisonnement abductif, décrit à l'origine par un philosophe américain Charles Sanders Peirce (1839-1914), est parfois appelé "inférence vers la meilleure explication", comme dans l'exemple qui suit :

"Un matin, vous entrez dans la cuisine et trouvez une assiette et une tasse sur la table, avec de la chapelure et une noix de beurre dessus, le tout accompagné d'un pot de confiture, un paquet de sucre et un carton vide de lait. Vous en concluez que l'un de vos colocataires s'est levé la nuit pour se préparer une collation de minuit et qu'il était trop fatigué pour débarrasser la table. C'est ce qui, à votre avis, explique le mieux la scène à laquelle vous êtes confronté. Certes, il se peut que quelqu'un ait cambriolé la maison et ait pris le temps de manger un morceau pendant sur le tas, ou qu'un colocataire ait arrangé les choses sur la table sans prendre de collation de minuit, mais juste pour vous faire croire que quelqu'un a pris une collation de minuit. Mais ces hypothèses vous semblent présenter des explications beaucoup plus fantaisistes des données que celle à laquelle vous faites référence." Igor Douven, "Abduction" à l'Encyclopédie Stanford de Philosophie

Notez que la conclusion n'est pas une déduction stricte qu'il n'y a pas non plus suffisamment de preuves pour une induction. Nous choisissons simplement l'explication la plus simple qui tient compte de tous les faits, en gardant à l'esprit la possibilité que de nouvelles preuves nous obligent à reconsidérer notre opinion.

Pourquoi les ordinateurs ne peuvent-ils pas faire ça ? Littlefield dit qu'ils resteraient coincés dans une boucle sans fin :

Une part de ce qui rend l'enlèvement difficile, c'est que nous devons déduire certaines hypothèses probables à partir d'un ensemble vraiment infini d'explications....

"La raison pour laquelle c'est important, c'est que lorsque nous sommes confrontés à des problèmes complexes, une partie de la façon dont nous les résolvons consiste à bricoler. Nous jouons en essayant plusieurs approches, en gardant notre propre système de valeurs fluide pendant que nous cherchons des solutions potentielles. Plus précisément, nous générons des hypothèses. Où 'un ordinateur peut être coincé dans une boucle sans fin, itérant sur des explications infinies, nous utilisons nos systèmes de valeurs pour déduire rapidement quelles explications sont à la fois valables et probables. Peirce savait que le raisonnement abductif était au cœur de la façon dont nous nous attaquons à de nouveaux problèmes ; il pensait en particulier que c'était la façon dont les scientifiques découvrent les choses. Ils observent des phénomènes inattendus et génèrent des hypothèses qui expliquent pourquoi ils se produisent." William J. Littlefield II, "La compétence humaine que l'IA ne peut remplacer"

En d'autres termes, le raisonnement abductif n'est pas à proprement parler une forme de calcul, mais plutôt une supposition éclairée - une évaluation des probabilités fondée sur l'expérience. Il joue un rôle important dans la création d'hypothèses dans les sciences :

"Par exemple, un élève peut avoir remarqué que le pain semble se moisir plus rapidement dans la boîte à pain que dans le réfrigérateur. Le raisonnement abductif amène le jeune chercheur à supposer que la température détermine le taux de croissance des moisissures, comme l'hypothèse qui correspondrait le mieux aux données probantes, si elle est vraie.
Ce processus de raisonnement abductif est vrai qu'il s'agisse d'une expérience scolaire ou d'une thèse de troisième cycle sur l'astrophysique avancée. La pensée abductive permet aux chercheurs de maximiser leur temps et leurs ressources en se concentrant sur une ligne d'expérimentation réaliste.
L'enlèvement est considéré comme le point de départ du processus de recherche, donnant une explication rationnelle, permettant au raisonnement déductif de dicter le plan expérimental exact." Maryn Shuttleworth, "Abductive Reasining" Chez Explorable.com

Comme on peut le voir, le raisonnement abductif fait appel à une certaine créativité parce que l'hypothèse suggérée doit être développée comme une idée et non seulement additionnée à partir d'informations existantes. Et la créativité n'est pas quelque chose que les ordinateurs font vraiment.

C'est l'une des raisons invoquées par le philosophe Jay Richards dans The Human Advantage : L'avenir du travail américain à l'ère des machines intelligentes, comme quoi l'IA ne mettra pas la plupart des humains au chômage. Au contraire, elle changera la nature des emplois, généralement en récompensant la créativité, la flexibilité et une variété d'autres caractéristiques qui ne peuvent être calculées ou automatisées.

Auteur: Internet

Info: https://mindmatters.ai/2019/10/a-type-of-reasoning-ai-cant-replace/, 10 Oct. 2019

[ optimisme ] [ informatique ]

réalité subatomique

Des chercheurs font une découverte importante sur le ferromagnétisme

Une équipe de chercheurs japonais vient de réaliser une percée majeure dans le domaine de la physique quantique. Leurs travaux démontrent en effet que le ferromagnétisme, un état ordonné des atomes, peut être provoqué par une augmentation de la motilité des particules, et que les forces répulsives entre les atomes sont suffisantes pour le maintenir. Voici pourquoi c'est important.

Qu’est-ce que le ferromagnétisme ?

Chaque atome d’un matériau ferromagnétique est comme un petit aimant microscopique. Imaginez alors chacun de ces atomes avec son propre nord et son propre sud magnétiques.

Normalement, ces minuscules aimants sont en proie au chaos, pointant dans toutes les directions possibles, rendant leurs effets magnétiques mutuellement insignifiants. C’est un peu comme si une foule de personnes se promenait dans toutes les directions, chacune ayant son propre itinéraire, rendant difficile de discerner une tendance générale.

Cependant, lorsque vous refroidissez ce matériau en dessous d’une température spécifique très froide, appelée température de Curie, quelque chose de magique se produit : chaque personne de cette même foule commence soudainement à suivre le même chemin, comme si elles suivaient un chef de file invisible.

Dans le monde des atomes, cela se traduit par tous les petits aimants s’alignant dans une direction commune. C’est comme si une armée d’aimants se mettait en formation, tous pointant dans la même direction avec un but commun.

Vous venez alors de créer un champ magnétique global. Cette unification des orientations magnétiques crée en effet une aimantation macroscopique que vous pouvez ressentir lorsque vous approchez un objet aimanté à proximité. C’est ce qu’on appelle le ferromagnétisme.

De nombreuses applications

On ne s’en pas forcément compte, mais ce phénomène est à la base de nombreuses technologies modernes et a un impact significatif sur notre vie quotidienne.

Pensez aux aimants sur nos réfrigérateurs, par exemple. Ils sont là, fidèles et puissants, tenant en place des photos, des listes de courses et autres souvenirs. Tout cela est rendu possible grâce à la capacité du ferromagnétisme à maintenir un champ magnétique stable, permettant aux aimants de s’attacher fermement aux surfaces métalliques.

Et que dire de nos haut-parleurs ? Ces merveilles de l’ingénierie audio tirent en effet parti du ferromagnétisme pour produire des sons que nous pouvons entendre et ressentir. Lorsque le courant électrique traverse la bobine d’un haut-parleur, il crée un champ magnétique qui interagit avec un aimant permanent, provoquant le mouvement d’un diaphragme. Ce mouvement génère alors des ondes sonores qui nous enveloppent de musique, de voix et d’effets sonores, donnant vie à nos films, chansons et podcasts préférés.

Les scanners d’IRM sont un autre exemple. Ces dispositifs révolutionnaires exploitent en effet les propriétés magnétiques des tissus corporels pour produire des images détaillées de nos organes, de nos muscles et même de notre cerveau. En appliquant un champ magnétique puissant et des ondes radio, les atomes d’hydrogène dans notre corps s’alignent et émettent des signaux détectés par l’appareil, permettant la création d’images en coupe transversale de notre anatomie interne.

Vous l’avez compris, en comprenant mieux les mécanismes sous-jacents du ferromagnétisme, les scientifiques peuvent donc exploiter cette connaissance pour développer de nouvelles technologies et améliorer celles qui existent déjà.

Cela étant dit, plus récemment, des chercheurs japonais ont fait une découverte qui étend notre compréhension de ce phénomène à des conditions et des mécanismes jusque-là inconnus.

L’ordre naît aussi du mouvement

Comme dit plus haut, traditionnellement, on pensait que le ferromagnétisme pouvait être induit par des températures très froides, où les atomes seraient suffisamment calmes pour s’aligner dans une direction commune. Ici, les scientifiques ont démontré que cet état ordonné des atomes peut également être provoqué par une augmentation de la motilité des particules.

En d’autres termes, lorsque les particules deviennent plus mobiles, les forces répulsives entre les atomes peuvent les organiser dans un état magnétique ordonné.

Cela représente une avancée majeure dans le domaine de la physique quantique, car cela élargit le concept de matière active aux systèmes quantiques.

Notez que la matière active est un état dans lequel des agents individuels s’auto-organisent et se déplacent de manière organisée sans besoin d’un contrôleur externe. Ce concept a été étudié à différentes échelles, de l’échelle nanométrique à l’échelle des animaux, mais son application au domaine quantique était jusqu’ici peu explorée.

Pour ces travaux, l’équipe dirigée par Kazuaki Takasan et Kyogo Kawaguchi, de l’Université de Tokyo, a développé un modèle théorique dans lequel les atomes imitent le comportement des agents de la matière active, comme les oiseaux en troupeau. Lorsqu’ils ont augmenté la motilité des atomes, les forces répulsives entre eux les ont réorganisés dans un état ordonné de ferromagnétisme.

Cela signifie que les spins, le moment cinétique des particules et des noyaux subatomiques, se sont alignés dans une direction, tout comme les oiseaux en troupeau font face à la même direction lorsqu’ils volent.

Image schématique du ferromagnétisme induit par l’activité dans la matière active quantique. Ici, les atomes en mouvement avec des spins présentent l’ordre ferromagnétique (c’est-à-dire s’alignant dans une direction) comme une volée d’oiseaux représentée ci-dessus. Crédits : Takasan et al 2024

Quelles implications ?

Ce résultat, obtenu par une combinaison de simulations informatiques, de théories du champ moyen et de preuves mathématiques, élargit notre compréhension de la physique quantique et ouvre de nouvelles voies de recherche pour explorer les propriétés magnétiques des matériaux à des échelles microscopiques.

Cette découverte pourrait notamment avoir un impact significatif sur le développement de nouvelles technologies basées sur les propriétés magnétiques des particules.

Par exemple, la mémoire magnétique est une technologie largement utilisée dans les dispositifs de stockage de données, tels que les disques durs et les bandes magnétiques. En comprenant mieux les mécanismes qui sous-tendent le ferromagnétisme, les scientifiques pourraient alors concevoir des matériaux magnétiques plus efficaces et plus économes en énergie pour ces applications, ce qui pourrait conduire à des capacités de stockage accrues et à des temps d’accès plus rapides pour les données.

De plus, l’informatique quantique est un domaine en plein essor qui exploite les propriétés quantiques des particules pour effectuer des calculs à une vitesse beaucoup plus rapide que les ordinateurs classiques. Les qubits, les unités de calcul de l’informatique quantique, peuvent être réalisés à l’aide de diverses plateformes, y compris des systèmes magnétiques.

La capacité de contrôler et de manipuler le ferromagnétisme à l’échelle des particules pourrait donc ouvrir de nouvelles voies pour la réalisation et la manipulation de qubits magnétiques, ce qui pourrait contribuer à la réalisation de l’informatique quantique à grande échelle.

Ce ne sont ici que des exemples. Le point à retenir est qu’en comprenant mieux les mécanismes qui sous-tendent ce phénomène, les scientifiques pourraient être en mesure de concevoir des matériaux magnétiques plus efficaces pour beaucoup d’applications.

 

Auteur: Internet

Info: https://www.science-et-vie.com - 5 mai 2024, Brice Louvet, Source : Physical Review Research.

[ électrons ] [ protons ] [ neutrons ]

science mystique

2 grandes expériences ont fait de moi un théoricien de la conscience.

La première (printemps 1985) était associée à une maladie physique dont le diagnostic était complètement erroné. Cet état modifié de conscience a duré deux semaines.  Son effet fut si profond que je n'ai pas hésité à l'appréhender comme une expérience d'illumination.

Cet épisode a totalement bouleversé ma vision simpliste du monde de physicien des particules. En fait, j'avais de temps en temps l'impression que cette image réductrice du monde ne m'aidait pas du tout dans mes tentatives de comprendre le monde quotidien qui m'entoure. Selon le dogme standard, ces choses macroscopiques (et aussi les êtres vivants) devaient pouvoir être décrites en utilisant uniquement les équations de Newton !  Ma propre expérience insistait sur le fait que ce n'était pas le cas.  Mais j'avais essayé de me dire que je n'avais tout simplement pas la maturité nécessaire en tant que physicien théorique pour tout comprendre.

Cette première grande expérience mérite une description plus détaillée. J'étais allongé dans le couloir d'un centre médical avec un horrible mal de tête et une température élevée.

Puis quelque chose s'est produit.  Je me suis senti totalement calme et paisible. C'était quelque chose d'incroyable. Toute ma vie, j'avais été anxieux à propos de toutes les choses possibles. Et maintenant, je me sentais complètement heureux et détendu. Je ressentais toujours la douleur, mais elle était en quelque sorte extérieure à moi. J'aimais simplement regarder les flux parallèles d'images (comme des dessins animés) qui s'écoulaient devant mes yeux.

Je voyais vraiment mes pensées !  Les images surréalistes et érotiques (comme celles des peintures de Dali, Bosch et Brueghel) dansaient au rythme de la musique que j'entendais dans le haut-parleur.  Il y avait aussi un sentiment de compréhension. Je comprenais tout, même si je ne pouvais pas dire ce que c'était !

Cet état a duré plusieurs jours (peut-être une semaine, je ne m'en souviens pas vraiment) et j'ai vécu de manière très concrète de nombreuses idées archétypales.  Tout d'abord l'idée d'auto-référence que j'ai retrouvée plus tard dans Gödel, Escher, Bach de Hofstadter - un des meilleurs livres que j'ai jamais lu (je l'ai lu 5 fois !). Je me sentais littéralement comme un ordinateur assis à son propre terminal.

J'ai écrit dans mon esprit des questions pour ce super humain-ordinateur et j'ai vu les questions écrites sur l'écran virtuel.  L'ordinateur écrivait immédiatement la réponse.  Soit directement, soit à la manière d'un oracle.  J'ai réalisé que j'étais entré en contact avec ce que j'appelais le "Grand Esprit" et j'ai commencé à poser des questions.  Combien de temps allais-je vivre était bien sûr l'une des premières questions. La réponse était une série infinie de chiffres qui défilaient sans cesse ! Bien sûr, j'ai posé des questions sur l'importance du TGD (Topological Geometro Dynamics - mon grand œuvre).  Il n'y a eu qu'un silence. Peut-être était-ce la diplomatie divine du "Grand Esprit" !

Plus tard, j'ai réalisé qu'il n'était pas nécessaire d'écrire quoi que ce soit sur ce moniteur virtuel. J'ai simplement formulé la question dans mon esprit.  Cette prise de conscience m'a fait me demander si cette personne avec laquelle je discutais était vraiment distincte de moi. Peut-être que, d'une manière mystérieuse, c'est à moi-même que je pose ces questions !  Alors, peut-être que je suis en quelque sorte un "dieu" moi-même ou que je viens de devenir un dieu.  Peut-être sommes-nous tous des dieux !

La solitude avait été l'élément central de ma vie et j'ai en quelque sorte réalisé que les dieux sont probablement des êtres très solitaires. J'ai demandé si nous étions condamnés à être toujours seuls. La réponse était digne d'un oracle. "Tu es un dieu ! (:-).  Le "(:-)" tente d'exprimer le ton amusé de la réponse. Ce n'est que très récemment que j'ai réalisé que ce que j'ai vécu devait être plus ou moins identique à l'expérience Atman=Brahman des religions orientales.

Il y a aussi eu des expériences télépathiques vraiment étonnantes. Et une vision de ma vie personnelle comme une série infinie de vies en tant que mathématicien (qui était ma véritable identité).  Dans ces vies, je rencontrais ma femme encore et encore et nous vivions des vies plus ou moins heureuses. Mais nous nous retrouverions certainement dans une autre galaxie ou peut-être dans une forme d'existence totalement différente. L'une des expériences mathématiques a été que le nombre "3" est en quelque sorte le nombre de base des mathématiques et de toute l'existence. Il s'agit, bien sûr, de la Sainte Trinité des religions et des mystiques.

J'ai eu des visions de vies parallèles que je vis ici sur Terre.  Par exemple, j'ai appris que je vivrais comme un militaire et que je mourrais dans un accident d'avion à une certaine date (dont je ne me souviens plus).

Il y avait aussi l'idée de quelque chose que j'appelais "flogiston" sans me souvenir qu'il s'agissait du fluide calorique introduit dans les premières tentatives de construction de la thermodynamique. C'était quelque chose qui rendait les systèmes vivants vivants et ils se battaient, se tuaient et se mangeaient continuellement pour obtenir ce mystérieux "flogiston". Curieusement, cette vision peut également être considérée comme une anticipation des idées sur les biosystèmes en tant que systèmes quantiques macroscopiques (intrication quantique et condensats de Bose-Einstein à trou de ver).

La deuxième "Grande Expérience" s'est produite pendant les vacances de Noël (probablement 3 ans plus tard, peu avant mon divorce). J'étais très malade, déprimé et amer. Notre mariage était sur le point de se terminer.

Soudain, une paix totale m'a envahie. Je pouvais vraiment pardonner et j'ai senti de manière absolument concrète que mon passé avait changé. D'une certaine manière, toutes les mauvaises actions qui avaient créé de l'amertume en moi ont été annulées. C'était merveilleux de réaliser que ce que nous appelons "notre passé" n'est pas absolu. Au moment de la Miséricorde, cette lourde charge mortelle disparaît.

Il y a eu aussi une sorte d'illumination mathématique. J'ai eu une prémonition sur les nombres p-adiques. J'ai compris que je devais construire une théorie sur les nombres qui étaient infinis mais complètement physiques. Eh bien, j'ai essayé. Mais il m'a fallu deux jours pour me convaincre que je n'avais pas la moindre idée de ce que pouvaient être ces nombres ! J'ai appris bien plus tard l'existence des nombres p-adiques qui sont typiquement infinis comme les nombres rationnels ordinaires.

Peut-être que la prise de conscience la plus importante dans ces deux grandes expériences fut que le problème vraiment intéressant était le mystère de la Conscience.  Dans le même ordre d'idées, j'ai réalisé que le libre arbitre était réel et que, dans un certain sens, notre passé subjectif était une fiction (ou du moins quelque chose de "modifiable").

Toutes ces idées, je les ai redécouvertes par la suite en tentant de trouver une interprétation cohérente pour le TGD, sans même me rendre compte immédiatement qu'une redécouverte était en question.

Auteur: Pitkänen Matti

Info: http://www.stealthskater.com/Documents/Pitkanen_01.do

[ inspiration ] [ songe ]

neurologie

Construire de meilleures cartes mentales

Des techniques innovantes d'analyse de la fonction et de la structure cérébrales révèlent des détails remarquables de l'architecture neuronale, offrant ainsi de nouvelles pistes pour le diagnostic et le traitement des maladies cérébrales.

Bien que le cerveau humain soit un objet de fascination scientifique depuis des siècles, nous ne faisons qu'effleurer la surface en termes de compréhension de sa fonctionnalité et de sa complexité. Nous connaissons bien les zones fonctionnelles générales du cerveau, mais la manière dont ce réseau interconnecté de neurones traite et transmet les informations pour donner naissance à la pensée et à la mémoire reste un domaine de recherche très actif.

L'étude du fonctionnement du cerveau au niveau physiologique fondamental est l'un des domaines de recherche les plus difficiles, nécessitant de nouvelles méthodes d'expérimentation et de détection de l'activité cérébrale à l'échelle neuronale. Les progrès récents des techniques d'imagerie cérébrale et la compréhension de la structure fine du cerveau ont permis d'explorer les fonctions cérébrales d'une nouvelle manière. Ces découvertes ont des répercussions sur la santé du cerveau et l'intelligence artificielle.

Cerveau/ESPRITS et au-delà

Les projets japonais Brain Mapping by Integrated Neurotechnologies for Disease Studies (Brain/MINDS) et Strategic International Brain Science Research Promotion Program (Brain/MINDS Beyond), qui font partie de plusieurs projets nationaux de recherche à grande échelle sur le cerveau lancés ces dernières années dans le monde entier, visent à étudier les circuits neuronaux qui sous-tendent les fonctions cérébrales supérieures. Il s'agit d'initiatives nationales auxquelles participent des dizaines d'institutions, chacune spécialisée dans un domaine particulier de l'étude du cerveau.

L'étude des primates non humains à l'Université de Tokyo et à l'Institut national des sciences et technologies quantiques (QST) est un domaine qui apporte de nouvelles connaissances sur l'architecture du cerveau.

"Lorsqu'il s'agit de comprendre le cerveau humain et les troubles qui peuvent l'affecter, seuls les autres primates partagent nos fonctions supérieures, telles qu'un cortex visuel hiérarchisé et un cortex préfrontal hautement développé responsable de la fonction exécutive et de la prise de décision", explique Takafumi Minamimoto, qui dirige le groupe des systèmes et circuits neuronaux du département d'imagerie cérébrale fonctionnelle de l'Institut national des sciences et technologies quantiques.

"La recherche sur le cerveau des primates est difficile et coûteuse, mais indispensable. Elle nous permet de mieux comprendre le fonctionnement du cerveau, ce qui peut nous aider à comprendre et à traiter les troubles cérébraux chez l'homme".

L'équipe de Minamimoto se concentre sur le développement de méthodes plus précises d'analyse des fonctions cérébrales. Leur plus grande réussite a été la mise au point d'une méthode chimiogénétique pour désactiver l'activité cérébrale au niveau d'un neurone unique, combinée à la tomographie par émission de positrons (TEP) - une technique d'imagerie pour des molécules spécifiques. Cela a permis de visualiser non seulement l'activité des neurones des primates, mais aussi leur connexion avec d'autres zones du cerveau.

"Avec la chimiogénétique, nous injectons une solution virale inoffensive dans une zone spécifique du cerveau pour modifier génétiquement les neurones afin de les rendre sensibles à un produit chimique suppresseur", explique Minamimoto. "Nous pouvons ensuite injecter le suppresseur afin d'éteindre les neurones modifiés pendant plusieurs heures".

L'équipe a récemment mis au point un produit chimique suppresseur 100 fois plus efficace, ce qui lui permet d'injecter de minuscules doses de ce suppresseur pour affecter sélectivement des groupes individuels de neurones et leurs connexions axonales. Ils ont utilisé cette technique pour réduire au silence des connexions spécifiques afin de découvrir les circuits responsables de la mémoire de travail et de la prise de décision.

Cette approche est également prometteuse pour le traitement des troubles cérébraux chez l'homme. Par exemple, comme modèle potentiel de traitement chez l'homme, le groupe a récemment rapporté que la chimiogénétique peut supprimer les crises d'épilepsie chez les macaques.

Le système visuel

Une autre équipe, située à l'université de Tokyo et dirigée par Kenichi Ohki, étudie la manière dont les informations visuelles sont traitées chez les primates, dont le cortex visuel est très développé et hiérarchisé. Les recherches du groupe sur les ouistitis utilisent une technique d'imagerie calcique à haute sensibilité qui permet de visualiser la façon dont des parties spécifiques du cerveau réagissent à différents stimuli.

"L'imagerie au calcium est une technique utilisée depuis longtemps pour observer le fonctionnement du cerveau chez les souris, mais elle n'était pas assez sensible pour visualiser des groupes discrets de neurones chez les primates avec la même qualité que chez les souris", explique M. Ohki. "En collaboration avec Tetsuo Yamamori du RIKEN, nous avons mis au point une méthode améliorée qui a augmenté de manière significative l'expression de la protéine fluorescente GCaMP6 dans le cerveau des primates, ce qui, combiné à l'imagerie à deux photons basée sur le laser, nous permet de visualiser l'activité des neurones avec une étonnante précision dans des détails.

Le système visuel représente plus de la moitié du cortex cérébral chez les primates et se constitue vie une hiérarchie élaborée d'étapes de traitement de l'information. Il existe des zones distinctes qui traitent les motifs et les angles, par exemple, et les recherches d'Ohki ont montré que les neurones se déclenchent selon des schémas coordonnés sensibles à ces différents stimuli, avec des fonctionnalités différentes au niveau cellulaire.

"L'une des conclusions fascinantes de nos travaux est que la hiérarchie du système visuel semble traiter le bruit dans une direction opposée à celle dont les réseaux neuronaux artificiels traitent généralement les stimuli sonores", explique Ohki. "Il serait intéressant de construire un réseau neuronal artificiel qui permette une telle méthode de traitement du bruit dans le système visuel des primates.

Le groupe de recherche d'Ohki étudie en détail la façon dont le bruit est traité dans ces connexions cortico-corticales, qui semblent fondamentales pour le fonctionnement du cerveau chez les primates. Ces connexions peuvent également expliquer la plasticité du cerveau et la façon dont différentes zones peuvent être enrôlées pour le traitement de l'information si la connexion primaire est entravée.

"Par exemple, nous avons découvert que le développement du système visuel se produit chez le nouveau-né à la suite d'une activité ondulatoire à travers la rétine, qui stimule les connexions thalamo-corticales qui construisent cette structure hiérarchique", explique Ohki4.

Sans ces stimuli, les connexions ne peuvent pas se développer du cortex visuel primaire vers le cortex visuel supérieur. Par ailleurs, si ces connexions ne se développent pas, on peut s'attendre à ce que des connexions alternatives soient établies à partir d'autres zones, telles que le cortex somatosensoriel, vers le cortex visuel supérieur. Ohki suggère que cela pourrait également expliquer comment les patients aveugles utilisent le cortex visuel pour "lire" le braille, bien qu'il s'agisse d'une fonction tactile.

"Les résultats de nos études sur les primates fournissent des indications précieuses sur les troubles neuropsychiatriques humains, en particulier ceux qui sont liés à une mauvaise communication dans le cerveau. Nos techniques seront utiles pour orienter la recherche spécifique et transposer les connaissances des primates à l'homme", déclare M. Minamimoto.

"Nous espérons partager ces connaissances et cette technologie avec le monde entier et collaborer avec d'autres groupes pour faire avancer ce domaine important de la recherche sur le cerveau.

Auteur: Internet

Info: https://www.nature.com, article publicitaire, Réf : Nagai, Y. et al. Nat. Comm. 7, 13605 (2016), Neuro. 23, 1157-1167 (2020), Miyakawa, N. et al. Nat 608, 578-585 (2022). Comm. 14, 971 (2023)

[ visualisation ] [ primatocentrisme ]

interaction

Le mystère de la vie affective des plantes
Les plantes sont-elles plus que des "légumes" ? Ont-elles des émotions ? Que ressentent-elles au contact humain ? Communiquent-elles ?
Aristote pensait que les plantes avaient une âme. Goethe qui était botaniste en plus de sa passion pour la poésie, avait fait des découvertes fondamentales sur la métamorphose des plantes et envisageait une certaine "essence spirituelle' derrière leur forme matérielle.
Bien des gens, moi le premier, trouvent ces affirmations chancelantes voire grotesques. Étant quelqu'un de très rationnel qui considère que seules les preuves scientifiques sont fiables, je me suis intéressé aux différentes expériences, peu connues du grand public, qui pourraient appuyer ces affirmations "philosophiques".
Certains tests cependant démontrent que les plantes peuvent éprouver des émotions, lire la pensée humaine et tentent même de communiquer avec nous ! Intrigués ? Ce n'est qu'un début...
New York. 1963. Cleve Backster, consultant auprès de la police, s'amuse avec un détecteur de mensonge et place les électrodes sur une feuille de dracaena. Il arrose la plante et s'attend à ce que l'aiguille du galvanomètre indique une résistance plus faible au courant électrique (à la suite d'une teneur en eau accrue) mais c'est précisément le contraire qui se produit. Perplexe, Backster teste ensuite la réaction de cette même feuille au contact du feu. A peine le briquet sorti de sa poche, l'aiguille enregistreuse bondit soudainement. Le tracé graphique lui rappelle curieusement celui d'un homme soumis à une question piège ou lorsqu'on le menace.
D'expériences en expériences, Backster devint convaincu que les plantes percevaient les sentiments humains. Une autre expérience fut entreprise à laquelle ont participé quelques agents de la police new-yorkaise, semblait démontrer que les plantes ont également une mémoire.
Six sujets, les yeux bandés, tiraient au hasard un papier plié. Sur l'un des papiers était rédigé l'ordre d'arracher et de détruire l'une des deux plantes se trouvant dans la pièce. Le crime était ensuite exécuté en secret, sans que ni les sujets, ni Backster lui-même, ne sachent qui était le coupable - le seul témoin était l'autre plante, celle qui n'était pas détruite. On fixait ensuite des électrodes sur la plante témoin et les suspects défilaient devant elle chacun leur tour. On observait alors que lorsque le coupable s'en approchait, l'aiguille du galvanomètre s'affolait. La plante "reconnaissait" celui qui avait tué l'un des siens. Backster émis l'idée qu'elle percevait la culpabilité que le criminel essayait de dissimuler.
La détection de mensonge
Lors d'une autre expérience, qui a été plusieurs fois répétée devant des jurys scientifiques, Backster réussit à transformer une plante en détecteur de mensonge. Des électrodes étaient placées sur une plante, et un homme - sans électrodes - s'asseyait devant elle. Backster disait à l'homme qu'il allait lui citer une série d'années en lui demandant si elles correspondaient à sa date de naissance, et qu'il fallait toujours répondre "non". Invariablement, Backster pouvait deviner l'année de naissance - qui correspondait sur le graphique à une courbe galvanique bien marquée.
Les émotions
Une autre expérience réalisée pour éliminer tout facteur humain et subjectif, consistait à placer dans une pièce close quelques crevettes vivantes sur un plateau. Lorsque le plateau basculait (en l'absence de toute intervention humaine) les crevettes tombaient dans une casserole d'eau bouillante. Dans une chambre voisine, close également, une plante branchée sur galvanomètre émettait au moment de la mort des crevettes un tracé soudainement turbulent.
Le tracé était différent de celui qui enregistrait une émotion, et Backster se demanda s'il ne correspondait pas à une sorte de perception par un groupe de cellules de la mort d'un autre groupe de cellules. De nouvelles expériences lui permirent d'établir que la même forme de réaction se retrouvait lors de la mort "perçue" par la plante, de bactéries, levures, cellules sanguines et spermatozoïdes.
Il semblerait même que lorsqu'une "empathie" (faculté intuitive de se mettre à la place d'autrui, de percevoir ce qu'il ressent) est établie entre une plante et son maître, ni la distance, ni les obstacles n'interrompent le "rapport". Des expériences lors desquelles le tracé de plantes était enregistré pendant que le "maître" voyageait, montraient des réactionss galvaniques correspondant aux moments mêmes des diverses péripéties du voyage. Pierre Paul Sauvin, un ingénieur électronicien américain, a constaté, en rentrant dans son laboratoire, après un week-end à la campagne, pendant lequel l'activité galvanique de ses plantes était automatiquement enregistrée, des paroxysmes correspondaient au moment même de ses ébats amoureux avec une amie.
Un psychologue moscovite V.N. Pouchkine a vérifié avec soin les expériences de Backster, et en arrivent à peu près aux mêmes conclusions. En tentant d'expliquer ce qui se passait, Pouchkine écrit :
Il se peut qu'entre deux systèmes d'information, les cellules de la plante et les cellules nerveuses, existe un lien. Le langage de la cellule de la plante peut être en rapport avec celui de la cellule nerveuse. Ainsi deux types de cellules totalement différentes les unes des autres peuvent "se comprendre".
La communication
Les plantes, aussi invraisemblable que cela puisse paraître, manifestent également un certain éclectisme musical. Plusieurs expériences dans ce domaine ont été réalisées avec une rigueur toute scientifique par une musicienne en collaboration avec un professeur de biologie, Francis F. Broman. Trois chambres ont été utilisées dans une expérience sur une multitude de plantes (philodendrons, radis, maïs, géranium, violettes africaines...). Toutes les plantes étaient placées dans des conditions identiques. La seule différence fut qu'une chambre expérimentale était totalement silencieuse, une autre contenait un haut-parleur émettant de la musique classique et une troisième, de la musique "rock".
On constatait - sans pouvoir expliquer le phénomène - que les plantes dans la seconde chambre se développaient en se penchant vers la source de musique classique, alors que celles dans la troisième se penchaient dans la direction opposée, comme si elles tentaient de fuir la musique moderne.
Selon le Dr Hashimoto, qui dirige un centre de recherches électroniques ainsi que les services de recherche de l'importante firme industrielle Fuji Electric Industries, il y aurait, au-delà du monde tridimensionnel que nous connaissons, un monde à quatre dimensions, non matériel et dominé par l'esprit. C'est dans ce monde-là que les plantes, et toutes les créatures vivantes, seraient en communication entre elles...
Li Hongzhi, fondateur du Falun Dafa (mouvement spirituel chinois) affirme : Nous vous disons que l'arbre est vivant lui aussi, non seulement il est doté de vie, mais aussi de l'activité d'une pensée supérieure (...) Les botanistes de tous les pays ont fait des recherches la dessus, y compris en Chine. Ce sujet n'est plus du domaine de la superstition. Dernièrement, j'ai dit que tout ce qui arrive maintenant à notre humanité, tout ce qui vient d'être inventé et découvert est déjà suffisant pour refondre les manuels d'enseignement actuels. Cependant, bornés par les conception traditionnelles, les gens refusent de le reconnaître, personne ne recueille et organise systématiquement ces informations.
Ces découvertes qui pendant longtemps n'étaient connues que de quelques initiés et spécialistes peuvent paraître déroutantes. Que croire ? A ce jour, personne ne connaît les vérités. Je me suis posé la problématique de la crédibilité des détecteurs de mensonge qui a vivement été critiqué. Des études récentes de fiabilité montrent un très grand taux d'erreurs si bien que les institutions scientifiques considèrent le détecteur de mensonge comme un outil non fiable...
Et vous, que pensez-vous de ces mystérieuses émotions végétales ? Sentez-vous coupable en offrant des fleurs ? Emettez-vous une certaine culpabilité quand vous pensez à leur possible "souffrance" ? Pensez-vous que parler à ses plantes influe sur leur développement ?
Des études montrent par exemple qu'employer une certaine douceur avec les carottes stimulerait leur croissance...

Auteur: Internet

Info: News Of Tomorrow, mercredi 21 juillet 2010

médecine

L'intelligence artificielle peut prédire l'activité sur et hors cible des outils CRISPR qui ciblent l'ARN au lieu de l'ADN, selon une nouvelle recherche publiée dans Nature Biotechnology.

L'étude menée par des chercheurs de l'université de New York, de l'université Columbia et du New York Genome Center associe un modèle d'apprentissage profond à des écrans CRISPR pour contrôler l'expression des gènes humains de différentes manières, comme si l'on appuyait sur un interrupteur pour les éteindre complètement ou si l'on utilisait un bouton d'atténuation pour réduire partiellement leur activité. Ces contrôles précis des gènes pourraient être utilisés pour développer de nouvelles thérapies basées sur CRISPR.

CRISPR est une technologie d'édition de gènes qui a de nombreuses applications en biomédecine et au-delà, du traitement de la drépanocytose à la fabrication de feuilles de moutarde plus savoureuses. Elle fonctionne souvent en ciblant l'ADN à l'aide d'une enzyme appelée Cas9. Ces dernières années, les scientifiques ont découvert un autre type de CRISPR qui cible l'ARN à l'aide d'une enzyme appelée Cas13.

Les CRISPR ciblant l'ARN peuvent être utilisés dans un large éventail d'applications, notamment l'édition de l'ARN, l'élimination de l'ARN pour bloquer l'expression d'un gène particulier et le criblage à haut débit pour déterminer les candidats médicaments prometteurs. Des chercheurs de l'Université de New York et du New York Genome Center ont créé une plateforme de criblage CRISPR ciblant l'ARN et utilisant Cas13 pour mieux comprendre la régulation de l'ARN et identifier la fonction des ARN non codants. L'ARN étant le principal matériel génétique des virus, notamment du SRAS-CoV-2 et de la grippe, les CRISPR ciblant l'ARN sont également prometteurs pour le développement de nouvelles méthodes de prévention ou de traitement des infections virales. Par ailleurs, dans les cellules humaines, lorsqu'un gène est exprimé, l'une des premières étapes est la création d'ARN à partir de l'ADN du génome.

L'un des principaux objectifs de l'étude est de maximiser l'activité des CRISPR ciblant l'ARN sur l'ARN cible prévu et de minimiser l'activité sur d'autres ARN qui pourraient avoir des effets secondaires préjudiciables pour la cellule. L'activité hors cible comprend à la fois les mésappariements entre l'ARN guide et l'ARN cible, ainsi que les mutations d'insertion et de délétion. 

Les études antérieures sur les CRISPR ciblant l'ARN se sont concentrées uniquement sur l'activité sur la cible et les mésappariements ; la prédiction de l'activité hors cible, en particulier les mutations d'insertion et de délétion, n'a pas fait l'objet d'études approfondies. Dans les populations humaines, environ une mutation sur cinq est une insertion ou une délétion ; il s'agit donc d'un type important de cibles potentielles à prendre en compte dans la conception des CRISPR.

"À l'instar des CRISPR ciblant l'ADN tels que Cas9, nous prévoyons que les CRISPR ciblant l'ARN tels que Cas13 auront un impact considérable sur la biologie moléculaire et les applications biomédicales dans les années à venir", a déclaré Neville Sanjana, professeur agrégé de biologie à l'université de New York, professeur agrégé de neurosciences et de physiologie à l'école de médecine Grossman de l'université de New York, membre de la faculté principale du New York Genome Center et coauteur principal de l'étude. "La prédiction précise des guides et l'identification hors cible seront d'une grande valeur pour ce nouveau domaine de développement et pour les thérapies.

Dans leur étude publiée dans Nature Biotechnology, Sanjana et ses collègues ont effectué une série de criblages CRISPR de ciblage de l'ARN dans des cellules humaines. Ils ont mesuré l'activité de 200 000 ARN guides ciblant des gènes essentiels dans les cellules humaines, y compris les ARN guides "parfaitement adaptés" et les désadaptations, insertions et suppressions hors cible.

Le laboratoire de Sanjana s'est associé à celui de David Knowles, expert en apprentissage automatique, pour concevoir un modèle d'apprentissage profond baptisé TIGER (Targeted Inhibition of Gene Expression via guide RNA design) qui a été entraîné sur les données des cribles CRISPR. En comparant les prédictions générées par le modèle d'apprentissage profond et les tests en laboratoire sur des cellules humaines, TIGER a été capable de prédire l'activité sur cible et hors cible, surpassant les modèles précédents développés pour la conception de guides sur cible Cas13 et fournissant le premier outil de prédiction de l'activité hors cible des CRISPR ciblant l'ARN.

"L'apprentissage automatique et l'apprentissage profond montrent leur force en génomique parce qu'ils peuvent tirer parti des énormes ensembles de données qui peuvent maintenant être générés par les expériences modernes à haut débit. Il est important de noter que nous avons également pu utiliser l'"apprentissage automatique interprétable" pour comprendre pourquoi le modèle prédit qu'un guide spécifique fonctionnera bien", a déclaré M. Knowles, professeur adjoint d'informatique et de biologie des systèmes à la School of Engineering and Applied Science de l'université Columbia, membre de la faculté principale du New York Genome Center et coauteur principal de l'étude.

"Nos recherches antérieures ont montré comment concevoir des guides Cas13 capables d'éliminer un ARN particulier. Avec TIGER, nous pouvons maintenant concevoir des guides Cas13 qui trouvent un équilibre entre l'élimination sur la cible et l'évitement de l'activité hors cible", a déclaré Hans-Hermann (Harm) Wessels, coauteur de l'étude et scientifique principal au New York Genome Center, qui était auparavant chercheur postdoctoral dans le laboratoire de Sanjana.

 Les chercheurs ont également démontré que les prédictions hors cible de TIGER peuvent être utilisées pour moduler précisément le dosage des gènes - la quantité d'un gène particulier qui est exprimée - en permettant l'inhibition partielle de l'expression des gènes dans les cellules avec des guides de mésappariement. Cela peut être utile pour les maladies dans lesquelles il y a trop de copies d'un gène, comme le syndrome de Down, certaines formes de schizophrénie, la maladie de Charcot-Marie-Tooth (une maladie nerveuse héréditaire), ou dans les cancers où l'expression aberrante d'un gène peut conduire à une croissance incontrôlée de la tumeur.

Notre modèle d'apprentissage profond peut nous indiquer non seulement comment concevoir un ARN guide qui supprime complètement un transcrit, mais aussi comment le "régler", par exemple en lui faisant produire seulement 70 % du transcrit d'un gène spécifique", a déclaré Andrew Stirn, doctorant à Columbia Engineering et au New York Genome Center, et coauteur de l'étude.

En associant l'intelligence artificielle à un crible CRISPR ciblant l'ARN, les chercheurs pensent que les prédictions de TIGER permettront d'éviter une activité CRISPR hors cible indésirable et de stimuler le développement d'une nouvelle génération de thérapies ciblant l'ARN.

"À mesure que nous recueillons des ensembles de données plus importants à partir des cribles CRISPR, les possibilités d'appliquer des modèles d'apprentissage automatique sophistiqués sont de plus en plus rapides. Nous avons la chance d'avoir le laboratoire de David à côté du nôtre pour faciliter cette merveilleuse collaboration interdisciplinaire. Grâce à TIGER, nous pouvons prédire les cibles non ciblées et moduler avec précision le dosage des gènes, ce qui ouvre la voie à de nouvelles applications passionnantes pour les CRISPR ciblant l'ARN dans le domaine de la biomédecine", a déclaré Sanjana.

Cette dernière étude fait progresser la large applicabilité des CRISPR ciblant l'ARN pour la génétique humaine et la découverte de médicaments, en s'appuyant sur les travaux antérieurs de l'équipe de l'Université de New York pour développer des règles de conception de l'ARN guide, cibler les ARN dans divers organismes, y compris des virus comme le SRAS-CoV-2, concevoir des protéines et des ARN thérapeutiques, et exploiter la biologie de la cellule unique pour révéler des combinaisons synergiques de médicaments contre la leucémie.

Auteur: Internet

Info: L'IA combinée à CRISPR contrôle précisément l'expression des gènes par l'Université de New York. https://phys.org/, 3 juillet 2023 - Nature Biotechnology. Prediction of on-target and off-target activity of CRISPR-Cas13d guide RNAs using deep learning, Nature Biotechnology (2023). DOI: 10.1038/s41587-023-01830-8

[ génie génétique ]