pensée magique

J’ai découvert en moi il y a quelques années la conviction que je mourrais entre l’âge de 61 et 62 ans, ce qui m’apparaissait alors encore comme un long délai (aujourd’hui ce ne sont plus que 8 ans). Je suis ensuite allé en Grèce avec mon frère, et là cela a été réellement inquiétant de voir le nombre 61 ou 60, combiné avec 1 ou 2, revenir à l’occasion de toutes les appellations de tous les objets numérotés, en particulier des moyens de transport, ce que je notai consciencieusement. D’humeur oppressée, j’espérai reprendre souffle à l’hôtel d’Athènes quand on nous donna des chambres au premier étage ; le numéro 62 ne pouvait pas entrer en ligne de compte. Certes, mais je reçus du moins le n°31 […], et ce nombre plus jeune et plus agile s’avéra encore plus endurant dans la persécution que le premier. Depuis mon retour jusqu’à des temps tout à fait récents, le 31, au voisinage duquel se trouvait volontiers un 2, m’est resté fidèle. Comme j’ai aussi dans mon système des régions où je suis seulement avide de savoir et nullement superstitieux, j’ai tenté depuis lors l’analyse de cette conviction ; la voici. Elle s’est constituée en 1899. Deux événements ont alors eu lieu simultanément. Premièrement j’ai écrit L’Interprétation des rêves (qui a parue antidatée avec la mention 1900), deuxièmement j’ai reçu un nouveau numéro de téléphone, que j’ai encore actuellement : 14 362. Ce qui est commun à ces deux faits est facile à établir : en 1899, quand j’ai écrit L’Interprétation, j’avais 43 ans. Quoi donc de plus proche que de penser que les deux autres chiffres devaient signifier la fin de ma vie, donc 61 ou 62. – Soudain il entre de la méthode dans l’absurdité. La superstition que je mourrai entre 61 et 62 ans se révèle être l’équivalent de la conviction qu’avec L’Interprétation j’ai achevé l’œuvre de ma vie, que je n’ai plus besoin de rien faire, et que je peux mourir tranquillement.

Auteur: Freud Sigmund

Info: Dans la "Correspondance Jung-Freud, tome 1 : 1906-1909", trad. de l'allemand et de l'anglais par Ruth Fivaz-Silbermann, éd. Gallimard, 1975, lettre du 16 avril 1909

[ mort ] [ psychanalyse ] [ élucidation raisonnable ] [ signification ]

Internet

Si les Etats continuent à confier leur communication et leurs archives confidentielles à Internet ou d’autres formes de mémoire électronique, aucun gouvernement au monde ne pourra plus nourrir des zones de secret, et pas seulement les États-Unis, mais même pas la République de Saint-Marin ou la principauté de Monaco (peut être que seule Andorre sera épargnée).

Essayons de saisir la portée du phénomène. Jadis, au temps d’Orwell, on pouvait concevoir le Pouvoir comme un Big Brother qui contrôlerait chaque mouvement de ses sujets, même et surtout si personne ne s’en rendait compte. […] Mais ce qui, à l’époque d’Orwell, n’était qu’une prophétie s’est avéré. En effet, le Pouvoir peut contrôler chaque mouvement de ses sujets par leur téléphone portable, chaque transaction, chaque hôtel fréquenté, chaque autoroute parcourue grâce aux cartes de crédit, chaque présence dans un supermarché grâce aux télévisions en circuit fermé, etc. Ainsi, le citoyen est devenu la victime totale de l’œil d’un immense Big Brother.

C’est du moins ce que nous pensions jusqu’à hier. Mais aujourd’hui, il est prouvé que même les secrets les plus impénétrables du Pouvoir ne peuvent échapper au contrôle d’un hacker, si bien que le rapport de contrôle cesse d’être unidirectionnel et devient circulaire. Le Pouvoir contrôle chaque citoyen, mais chaque citoyen, ou du moins le hacker, élu comme vengeur du citoyen, peut connaître tous les secrets du Pouvoir.

Et même si la grande masse des citoyens n’est pas en mesure d’examiner et d’évaluer la quantité de matériel que le hacker capture et diffuse, la presse joue désormais un nouveau rôle (elle a déjà commencé à l’interpréter) : au lieu de relayer les nouvelles vraiment importantes – jadis, c’étaient les gouvernements qui décidaient des nouvelles vraiment importantes, en déclarant une guerre, en dévaluant une monnaie, en signant une alliance –, aujourd’hui, c’est elle qui décide en toute autonomie des nouvelles qui doivent devenir importantes et de celles qui peuvent être passées sous silence, allant jusqu’à pactiser (cela est arrivé) avec le pouvoir politique pour savoir quels "secrets" dévoilés il convenait de révéler et ceux qu’il fallait taire.

Auteur: Eco Umberto

Info: "Réflexions sur WikiLeaks", in Construire l’ennemi et autres écrits occasionnels, 2014

[ World Wide Web ] [ médias descendants ]

laboratoires haute sécurité

Des incidents liés à la recherche arrivent fréquemment dans tous les pays (sans, d'ailleurs, qu'ils soient systématiquement enregistrés et publiés). En effet, selon Frédéric Tangy, responsable de recherches sur les vaccins à l'Institut Pasteur : "Il suffit qu'un chercheur renverse un flacon. Malgré la hotte aspirante, un aérosol se forme et il est infecté sans s'en rendre compte. À la fin de la journée, il quitte le laboratoire, et contamine toute sa famille et ceux qu'il croise." En 2004, un article de The Lancet recensait des incidents liés à la variole, à la polio et au SARS. Le virus de cette dernière maladie, le SARS-CoV, a infecté des chercheurs à au moins six reprises, même après la fin de l'épidémie en juillet 2003. Aux Etats-Unis, la liste des incidents est longue, comme la Chine vient de le rappeler ; par exemple, entre 2004 et 2015, des centaines d'envois d'anthrax d'un laboratoire à un autre n'avaient, par erreur, pas été inactivés. En Chine, début 2020, un chercheur senior est infecté par le SARS-CoV-2 dans un prestigieux laboratoire de Beijing ; en 2019, des contaminations massives à la brucellose sont dues aux rejets d'une usine. En France, le 27 juillet 2021, la deuxième infection accidentelle par un prion dans un laboratoire de l'Institut national de recherche pour l'agriculture, l'alimentation et l'environnement (INRAE) entraîne l'interdiction de toutes les recherches sur le sujet pendant trois mois. Au Royaume-Uni, plus d'une centaine de violations des règles de sécurité durant les 15 dernières années ont eu lieu dans des laboratoires qui manipulent des pathogènes ; par exemple, du personnel manipulait des animaux infectés par Ebola alors que ses vêtements de protection avaient des accrocs ; surtout, la fièvre aphteuse de 2007 est la preuve qu'il arrive qu'une épidémie émane d'une fuite d'un laboratoire de niveau 4.

Par ailleurs, ces installations ultra-sécurisées sont-elles à la merci d'intrusions malveillantes ? Un élément de réponse est fourni un soir de 2016 par un fait divers anodin dû à... un sans-abri saoûl. Cherchant un bâtiment où s'abriter pour la nuit, grâce à sa pince coupante il entre sans le savoir dans un laboratoire de niveau 4 recélant des souches bactériennes et des virus extrêmement dangereux, du type Ebola. Or c'est ce laboratoire lyonnais qui a servi de modèle pour la construction de celui de Wuhan.

Auteur: PMO Pièces et main-d'oeuvre

Info: https://www.piecesetmaindoeuvre.com/IMG/pdf/virus_et_recherche.pdf

[ virologie ]

intelligence artificielle

Une IA envoie 5 champions de Poker au tapis en même temps

Pluribus, c'est son nom, a réussi pour la première fois à battre 5 joueurs à la fois au Texas Hold'em no limit. Développé par Facebook et l'Université de Carnegie-Mellon à Pittsburgh en Pennsylvanie, cette IA réalise pour la première fois ce qu'aucune autre n'avait accompli jusqu'ici.

En 1997, et pour la toute première fois, une IA battait un champion du monde d'échecs... Depuis de l'eau a coulé sous les ponts puisqu'une IA a récemment réussi à vaincre cinq adversaires au Poker Texas Hold'em, faisant ainsi d'elle la première IA victorieuse dans un jeu multijoueurs.

Une configuration plutôt modeste
L'IA Pluribus s'est "formé" une stratégie globale en 8 jours de calcul sur un serveur doté de 64 cœurs et aura nécessité moins de 512 Go de RAM. C'est donc assez peu par rapport aux autres IAs déployées ces dernières années pour battre des humains au jeux.

Là où Pluribus fait encore plus fort, c'est que celle-ci ne s'est pas entraînée contre un humain, mais simplement contre elle-même, encore et encore jusqu'à atteindre son meilleur niveau.

Une manière de jouer très personnelle
Seule, pendant une semaine, l'IA à pratiqué ce que ses programmeurs ont appelé le Monte Carlo counterfactual regret minimization. Le principe du Monte Carlo repose sur le fait de réfléchir toujours selon trois possibilités et de construire trois schémas des jeux possibles en prévision des coups à venir, un peu comme un arbre. Regret minimization, quant à lui, est le fait de prédire ce qui peut être joué et de mettre en place celui qui créera le moins de regrets une fois la décision prise.

L'IA a donc montré sa supériorité en évitant les erreurs que pourraient faire d'autres systèmes de ce type, car en un contre un, il est facile de connaître la main de l'adversaire, mais cela se complique lorsque quatre autres personnes sont à prendre en compte.

La plupart des IA sont ainsi battues en répétant finalement une habitude que l'adversaire humain pourrait repérer et mettre à son avantage. De la même façon, Pluribus est capable de changer de tactique en moins d'une minute, passant de la relance au bluff, la rendant ainsi inlisible et imprévisible. C'est donc encore une victoire pour l'IA, reste à savoir quel sera le prochain défi que les chercheurs parviendront à lui faire relever.

Auteur: Internet

Info: https://www.clubic.com. Laura Léger, contributrice, 15 juillet 2019

[ informatique ]

dernières paroles

Malheureusement, dans ce pays, nous subissons un lavage de cerveau dès notre plus jeune âge pour nous faire croire qu'en échange de notre dévouement et de nos services, le gouvernement oeuvre pour la justice pour tous (...), qu'il y a de la liberté dans ce pays, et que nous devrions être prêts à donner notre vie pour les nobles principes de nos pères fondateurs. (...) J'ai passé toute ma vie d'adulte à essayer de me sortir tout ce bordel de la tête." (...) les hommes politiques, "des voleurs et des menteurs qui ne pensent qu'à leur propre intérêt", le sauvetage des banques et des grandes entreprises "qui se sont écroulées sous le poids de leur gloutonnerie", comme General Motors, le système de santé et les compagnies d'assurances qui "tuent des dizaines de milliers de gens", ou encore les lois : "On demande une signature sur la déclaration d'impôts, mais qui peut dire qu'il comprend vraiment ce qu'il signe ? (...) Si ceci n'est pas une mesure digne d'un régime totalitaire..." (...) ... En moins de trente ans j'ai perdu plusieurs fois toutes mes économies avant de rebondir, pour retomber de nouveau. Mal conseillé par un avocat fiscaliste, j'ai fini par me retrouver "planté au milieu du désastre", poursuivi par le fisc. Après avoir monté deux sociétés de logiciels informatiques, toute deux suspendues par l'administration fiscale, en 2000 et 2004. (...) J'en ai eu plus que je ne peux supporter. Dire que les gens ne meurent plus pour leur liberté dans ce pays est un mythe (...). Je sais qu'il y a eu des victimes avant moi, qu'il y en aura d'autres après. Mais je sais aussi que si je n'ajoute pas mon corps au bilan des morts, rien ne changera" (...) "Je choisis de ne pas continuer à regarder Big Brother me désosser, je choisis de ne pas ignorer ce qu'il se passe autour de moi, je choisis de ne pas prétendre que le "business as usual" ne continuera pas, j'ai eu mon compte. Je peux juste espérer que le nombre de cadavres sera bientôt trop important pour (...) être ignoré et que les zombies américains vont se réveiller et se révolter".
Le credo communiste : de chacun selon ses capacités, à chacun selon ses besoins ; le credo capitaliste : de chacun selon sa crédulité, à chacun selon son avidité.

Auteur: Stack Joe

Info:

[ suicide ]

économie

Les USA ont petit à petit imprégnés nos sociétés de leur esprit corporate, c'est à dire la tendance qu'ont les membres d'un corps professionnel, étatique ou administratif à privilégier leurs intérêts matériels au détriment de ceux du public qu'ils servent (consommateurs, administrés, justiciables, usagers, élèves, clients, patients, etc.). Avec le Dieu argent comme motif.
Nous avons donc toutes ces structures qui s'auto protègent sur ce modèle et qui commandent nos nations. Bien plus que les peuples puisque les lois les plus importantes pour l'économie aveugle sont pilotées, via lobbying, afin de correspondre aux intérêts des multinationales concernées. Et ces multinationales sont condamnées à s'agrandir, à fusionner, car l'imbécile humain est totalement incapable d'imaginer une société qui ne serait pas "en croissance" - ce qui donne déjà une idée de sa dinguerie intrinsèque. Sous cet angle l'homme n'est qu'un singe savant, juste bon à se référer à des phrases ou à des recettes anciennes qu'il ne fait que remettre en perspective, se donnant l'impression de créer. Alors qu'il resuce.
Ce "fond de sauce" sociétal s'exerce en Suisse, poussé par la droite enthousiaste et consolidé par un socialisme politique serré et normatif, qui a pu se développer ici grâce au génie structurant helvète et à son niveau financier.
La Suisse est quelque part à la pointe de ce délire mondial. Elle est en train d'en faire l'expérimentation "in vivo" malgré sa démocratie directe. Probablement parce que la nature ayant horreur du vide, (ou si vous préférez "l'humain étant trop con"), tout ceci se déroule à flux tendu. C'est à dire que cela participe d'une fuite en avant irraisonnée, sous pression de la compétition entre les pays du monde pour plus de rendement, de confort et d'"avoir".
Personne n'est prêt à ralentir. Pire : le système corporate amène naturellement les individus les plus formatés pour reproduire ses tares comme l'a si bien décrit Albert Jacquard.
Nous le voyons bien, même ici, de cette disparation lente des sociétés villageoises, directement démocratiques et empathiques, avec des problèmes locaux, dont plus faciles à traiter, nous sommes sur le chemin de l'inconnu. Un chemin mystérieux qui laisse néanmoins apparaitre la triade suivante.
- nous décrochons lentement du réel terrien puisque le monde vit de plus en plus à crédit sous la pression démentielle de la finance
- dépendants de grands systèmes nous nous éloignons sans vouloir l'admettre de la capacité tribale de survivre de manière locale.
- notre trésor, la planète terre, envahie par les insectes humains, s'appauvrit, perdant petit à petit les ressources sur lesquelles nous vivons.
Oui les arbres continuent de pousser, oui il faut demeurer optimiste, mais le différentiel entre les besoins et le ressources se creuse de manière inexorable.
La Suisse ne s'en rend pas compte. Sous ses apparences d'Eden où tout va bien, ce qui est encore relativement exact de nos jours, elle risque fort de se retrouver en plus mauvaise posture que les autres pays.
Elle tombera de plus haut.

Auteur: Mg

Info: 1 janvier 2014

[ helvète ] [ pessimisme ]

fiasco

Echec du lancement de Galactica, IA générative scientifique de Meta

Le 15 novembre dernier, Meta a mis en ligne une version démo de Galactica, une IA développée pour la recherche scientifique. Deux jours après son lancement, elle a été retirée du Web pour avoir débité des inepties. 

Galactica est un modèle de langage à grande échelle (LLM), entraînée sur 48 millions de données scientifiques comprenant 120 milliards de paramètres. Il a pour mission de "résumer des articles universitaires, résoudre des problèmes mathématiques, générer des articles Wiki, écrire du code scientifique, annoter des molécules et des protéines, et bien plus encore".

Dès sa diffusion sur le Web, de nombreuses réponses aux questions posées par les utilisateurs se sont révélées confuses, absurdes ou fausses.

Par exemple, l’IA a inventé l’existence d’un logiciel Gaydar pour trouver des homosexuels sur Facebook et a proposé une étude sur les avantages de manger du verre pilé. Dans d’autres résultats de recherche, de nombreuses références et citations étaient fabriquées de toute pièce et attribuées à des vrais scientifiques.

Selon Carl Bergstrom, professeur de biologie à l’Université de Washington, il s’agit - pardonnez l’expression - "d’un générateur de conneries aléatoires".

D’après Dan Hendrycks, chercheur en sécurité de l’intelligence artificielle à l’Université de Californie à Berkeley, interrogé dans C/Net, Meta aurait dû sonder leur IA pour ce type de dérives avant de la diffuser et souligne au passage que "la division IA de Meta ne dispose pas d’une équipe chargée de la sécurité, contrairement à ses homologues, DeepMind, Anthropic et OpenAI".

C’est incompréhensible que le géant du Web ait rendu publique cette version aussi imparfaite que dangereuse. D’ailleurs chaque résultat généré était accompagné de l’avertissement: "Les résultats peuvent être peu fiables. Les modèles de langage ont tendance à inventer".

De nombreuses études le démontrent, le défaut l’IA générative - un fait connu et reconnu - est sa tendance à halluciner le matériel qu’elle présente dans le contexte d’informations factuelles.

Il faut toujours vérifier les faits énoncés par un logiciel IA de rédaction. L’utilisation de ce type d’outils demande un esprit critique, car à chaque nouveau prompt ou invite, l’IA débite un nouveau texte, parfois en contradiction avec le précédent.

L’objectif de Galactica est louable en voulant aider les scientifiques à traiter la masse pharaonique d’informations scientifiques publiées, impossible à assimiler par un cerveau humain.

Mais c’est la deuxième fois en quelques mois qu’une IA de Meta déçoit. Le robot conversationnel BlenderBot lancé en septembre, devait permettre aux utilisateurs de discuter avec lui afin d’approfondir ses connaissances, mais le niveau des échanges était tout simplement médiocre. Un timing incompréhensible, car ce lancement faisait suite à la polémique autour de LaMDA en juin, le Chatbot de Google, dont les propos étaient si sensés et profonds, qu’il avait convaincu un ingénieur d’avoir atteint le stade de la conscience.

La ferveur est grande autour de l’IA générative, elle est décrite comme le "BIG BANG de la Silicon Valley" et "l’invention qui va définir la décennie à venir".

En lançant cette version prématurée de Galactica, Meta a jeté un discrédit sur ces logiciels. Il ne faut pas en tenir compte. Une véritable révolution est en marche et tous les secteurs de l’économie seront touchés.  

Auteur: Turrettini Emily

Info: Bilan.ch, 24 nov 2022. Sources de l'auteure : C/Net / Cosmos / Venture Beat / TechTalk / The Daily Beast

[ ratage ] [ traitement des métadonnées ] [ bêtise encyclopédique ]

songes

Le travail du rêve [...] fait subir au matériel de pensées mis au mode optatif une élaboration tout à fait singulière. Tout d’abord, il fait le pas qui mène de l’optatif au présent, il substitue à la tournure "Ah, si seulement il était possible... " un : "Cela est." Ce "Cela est" a une destination, la figure hallucinatoire, processus que j’ai désigné du nom de "régression" du travail du rêve : la voie qui mène des pensées aux images perceptives, ou bien [...] la voie qui mène de la région des formations de pensée à celle des perceptions sensibles. En empruntant cette voie, qui est à l’opposé de la direction dans laquelle se développent les processus de complication psychique, les pensées du rêve gagnent en caractère concret ; ce qui apparaît, en fin de compte, c’est une situation plastique, qui est le noyau de l’ "image manifeste du rêve". [...] On comprend comme un nécessaire succès annexe de la régression le fait que presque toutes les relations existant à l’intérieur des pensées, relations qui ont structuré celles-ci, sont perdues pour le rêve manifeste. Ce que le travail du rêve prend en charge pour le figurer, ce n’est, pour ainsi dire, que le matériel brut des représentations, il n’y adjoint pas les rapports de pensée que celles-ci avaient les unes avec les autres, ou du moins se réserve-t-il la possibilité de n’en pas tenir compte. Par contre, il existe une autre partie du travail du rêve que nous ne pouvons faire découler de la régression, de la transformation rétroactive en images sensibles, et c’est précisément celle que nous jugeons importante pour l’analogie que nous établissons avec la formation du mot d’esprit. Durant le travail du rêve, le matériel des pensées du rêve subit une compression ou condensation tout à fait extraordinaire. [...] Les éléments communs nécessités par la condensation, qui ont été nouvellement créés, entrent dans le contenu manifeste du rêve en tant que représentants des pensées du rêve, de sorte qu’un élément du rêve correspond, pour les pensées du rêve, à un point nodal et crucial et qu’il nous faut dire de lui, en tenant compte de ces dernières, qu’il est, d’une façon très générale, "surdéterminé". Le fait que constitue la condensation est la partie du travail du rêve la plus facile à repérer : il suffit de comparer l’énoncé littéral d’un rêve tel qu’on l’a mis par écrit au texte des pensées du rêve qu’on a réussi à connaître grâce à l’analyse, pour se faire une bonne idée de l’envergure de la condensation qui est à l’œuvre dans le rêve.

Il est moins aisé de se convaincre de l’existence de la deuxième grande modification que le travail du rêve provoque en agissant sur les pensées du rêve, à savoir du processus que j’ai appelé déplacement dans le rêve. Ce dernier se manifeste comme suit : ce qui, dans le rêve manifeste, occupe une position centrale et se présente avec une grande intensité sensible, c’est cela même qui, dans les pensées du rêve, occupait une position périphérique et qui était d’importance accessoire ; et inversement. [...] Pour qu’un tel déplacement se fasse, il a fallu que l’énergie d’investissement puisse, sans être inhibée, passer des représentations importantes sur celles qui ne le sont pas, ce qui, dans la pensée préconsciente normale, ne peut que donner l’impression d’une "faute de raisonnement".

Auteur: Freud Sigmund

Info: "Le Mot d'esprit et sa relation à l'inconscient", éditions Gallimard, Paris, 1988, pages 294 à 297

[ interprétation ] [ étapes ]

particules élémentaires

Les imprévisibles effets de l'interaction forte continuent de surprendre les physiciens

Après plus d'un siècle de collision de particules, les physiciens ont une assez bonne idée de ce qui se passe au cœur de l'atome. Les électrons bourdonnent dans des nuages probabilistes autour d'un noyau de protons et de neutrons, chacun contenant un trio de particules bizarres appelées quarks. La force qui maintient tous les quarks ensemble pour former le noyau est la force forte, la bien nommée. C'est cette interaction forte qui doit être surmontée pour diviser l'atome. Et cette puissante force lie les quarks ensemble si étroitement qu'aucun quark n'a jamais été repéré en solo.

Ces caractéristiques des quarks, dont beaucoup peuvent être expliquées dans un cours de sciences au lycée, ont été établies comme des faits expérimentaux. Et pourtant, d'un point de vue théorique, les physiciens ne peuvent pas vraiment les expliquer.

Il est vrai qu'il existe une théorie de la force forte, et c'est un joyau de la physique moderne. Elle se nomme chromodynamique quantique (QCD), " chromo " faisant référence à un aspect des quarks appelé poétiquement " couleur ". Entre autres choses, la QCD décrit comment la force forte s'intensifie lorsque les quarks se séparent et s'affaiblit lorsqu'ils se rassemblent, un peu comme une bande élastique. Cette propriété est exactement à l'opposé du comportement de forces plus familières comme le magnétisme, et sa découverte dans les années 1970 a valu des prix Nobel. D'un point de vue mathématique, les quarks ont été largement démystifiés.

Cependant, les mathématiques fonctionnent mieux lorsque la force entre les particules est relativement faible, ce qui laisse beaucoup à désirer d'un point de vue expérimental. Les prédictions de la CDQ furent confirmées de manière spectaculaire lors d'expériences menées dans des collisionneurs qui rapprochèrent suffisamment les quarks pour que la force forte entre eux se relâche. Mais lorsque les quarks sont libres d'être eux-mêmes, comme c'est le cas dans le noyau, ils s'éloignent les uns des autres et exercent des pressions sur leurs liens de confinement, et la force forte devient si puissante que les calculs stylo papier sont mis en échec. Dans ces conditions, les quarks forment des protons, des neutrons et une multitude d'autres particules à deux ou trois quarks, généralement appelées hadrons, mais personne ne peut calculer pourquoi cela se produit.

Pour comprendre les bizarreries dont les quarks sont capables, les physiciens ne peuvent que lancer des simulations numériques de force brute (qui ont fait des progrès remarquables ces dernières années) ou regarder les particules ricocher dans de bonnes expériences de collisionnement à l'ancienne. Ainsi, près de 60 ans après que les physiciens aient formalisé le quark, la particule continue de surprendre.

Quoi de neuf et digne de mention

Pas plus tard que l'été dernier, la collaboration du LHCb au Grand collisionneur de hadrons en Europe a repéré des signes de deux variétés jusqu'alors inédites de quarks, les tétraquarks, furtivement observés à travers les tunnels souterrains du collisionneur. Cataloguer la diversité des comportements des quarks aide les physiciens à affiner leurs modèles pour simplifier les complexités de la force forte en fournissant de nouveaux exemples de phénomènes que la théorie doit rendre compte.

Les tétraquarks ont été découverts pour la première fois au LHC à l'été 2014, après plus d'une décennie d'indices selon lesquels les quarks pourraient former ces quatuors, ainsi que des groupes de deux ou trois. Cette découverte a alimenté un débat qui s'est enflammé malgré une question apparemment ésotérique: faut-il considérer quatre quarks comme une "molécule" formée de deux hadrons doubles quarks faiblement attirés connus sous le nom de mésons, ou s'assemblent-ils en paires plus inhabituelles connues sous le nom de diquarks?

Au cours des années qui suivirent, les physiciens des particules accumulèrent des preuves de l'existence d'une petite ménagerie de tétraquarks exotiques et de " pentaquarks " à cinq quarks. Un groupe se détacha en 2021, un tétraquark " à double charme " qui vécut des milliers de fois plus longtemps que ses frères exotiques (à 12 sextillionièmes de seconde comme le Methuselah). Il a prouvé qu'une variété de quark — le quark charme — pouvait former des paires plus résistantes que la plupart des suppositions ou des calculs minutieux l'avaient prédit.

À peu près à la même époque, les chercheurs ont mis au point une nouvelle façon de tamiser le maelström qui suit une collision proton-proton à la recherche d'indices de rencontres fortuites entre des composites de quarks. Ces brefs rendez-vous permettent de déterminer si un couple donné de hadrons attire ou repousse, une prédiction hors de portée du QCD. En 2021, les physiciens ont utilisé cette technique de "femtoscopie" pour apprendre ce qui se passe lorsqu'un proton s'approche d'une paire de quarks " étranges ". Cette découverte pourrait améliorer les théories sur ce qui se passe à l'intérieur des étoiles à neutrons.

L'année dernière, les physiciens ont appris que même les quarks de l'atome d'hélium, très étudié, cachent des secrets. Les atomes d'hélium dénudés ont inauguré le domaine de la physique nucléaire en 1909, lorsque Ernest Rutherford (ou plutôt ses jeunes collaborateurs) les projeta sur une feuille d'or et découvrit le noyau. Aujourd'hui, les atomes d'hélium sont devenus la cible de projectiles encore plus petits. Au début de l'année 2023, une équipe a tiré un flux d'électrons sur des noyaux d'hélium (composés de deux protons et de deux neutrons) et a été déconcertée de constater que les cibles remplies de quarks gonflaient bien plus que ce que la CDQ leur avait laissé supposer.

Auteur: Internet

Info: https://www.quantamagazine.org/, Charlie Wood, 19 fev 2024

[ fermions ] [ bosons ]

tour d'horizon de l'IA

Intelligence artificielle symbolique et machine learning, l’essor des technologies disruptives

Définie par le parlement Européen comme la " reproduction des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ", l’intelligence artificielle s’initie de façon spectaculaire dans nos vies. Théorisée au milieu des années 50, plusieurs approches technologiques coexistent telles que l’approche machine learning dite statistique basée sur l’apprentissage automatique, ou l’approche symbolique basée sur l’interprétation et la manipulation des symboles. Mais comment se différencient ces approches ? Et pour quels usages ?

L’intelligence artificielle, une histoire ancienne

Entre les années 1948 et 1966, l’Intelligence Artificielle a connu un essor rapide, stimulé par des financements importants du gouvernement américain pour des projets de recherche sur l’IA, notamment en linguistique. Des progrès significatifs ont été réalisés dans la résolution de problèmes de logique symbolique, mais la capacité de l’IA à traiter des données complexes et imprécises était encore limitée.

A la fin des années 70, plus précisément lors du deuxième “été de l’IA” entre 1978 et 1987,  l’IA connaît un regain d’intérêt. Les chercheurs ont commencé à explorer de nouvelles approches, notamment l’utilisation de réseaux neuronaux et de systèmes experts. Les réseaux neuronaux sont des modèles de traitement de l’information inspirés par le fonctionnement du cerveau humain, tandis que les systèmes experts sont des programmes informatiques qui simulent l’expertise humaine dans un domaine spécifique.

Il faudra attendre la fin des années 90 pour voir un renouveau de ces domaines scientifiques, stimulé par des avancées majeures dans le traitement des données et les progrès de l’apprentissage automatique. C’est d’ailleurs dans cette période qu’une IA, Deepblue, gagne contre le champion mondial Garry Kasparov aux échecs.$

Au cours des dernières années, cette technologie a connu une croissance exponentielle, stimulée par des progrès majeurs dans le deep learning, la robotique ou la compréhension du langage naturel (NLU). L’IA est maintenant utilisée dans un large éventail de domaines, notamment la médecine, l’agriculture, l’industrie et les services. C’est aujourd’hui un moteur clé de l’innovation et de la transformation de notre monde, accentué par l’essor des generative AIs. 

Parmi ces innovations, deux grandes approches en intelligence artificielle sont aujourd’hui utilisées : 

1 - Le Machine Learning : qui est un système d’apprentissage automatique basé sur l’exploitation de données, imitant un réseau neuronal

2 - L’IA Symbolique : qui se base sur un système d’exploitation de " symboles ”, ce qui inspire des technologies comme le “système expert” basé sur une suite de règles par exemple.

Mais comment fonctionnent ces deux approches et quels sont leurs avantages et leurs inconvénients ? Quels sont leurs champs d’application ? Peuvent-ils être complémentaires ?

Le machine learning

Le Machine Learning est le courant le plus populaire ces dernières années, il est notamment à l’origine de ChatGPT ou bien MidJourney, qui font beaucoup parler d’eux ces derniers temps. Le Machine Learning (ML) est une famille de méthodes d’apprentissage automatique qui permet aux ordinateurs d’apprendre à partir de données, sans être explicitement programmés. En utilisant des algorithmes, le ML permet aux ordinateurs de comprendre les structures et les relations dans les données et de les utiliser pour prendre des décisions.

Le ML consiste à entraîner des modèles informatiques sur de vastes ensembles de données. Ces modèles sont des algorithmes auto apprenant se basant sur des échantillons de données, tout en déterminant des schémas et des relations/corrélations entre elles. Le processus d’entraînement consiste à fournir à l’algorithme des données étiquetées, c’est-à-dire des données qui ont déjà été classifiées ou étiquetées pour leur attribuer une signification. L’algorithme apprend ensuite à associer les caractéristiques des données étiquetées aux catégories définies en amont. Il existe cependant une approche non-supervisée qui consiste à découvrir ce que sont les étiquettes elles-mêmes (ex: tâche de clustering).

Traditionnellement, le machine learning se divise en 4 sous-catégories : 

Apprentissage supervisé : 

Les ensembles de données sont étiquetés, ce qui permet à l’algorithme de trouver des corrélations et des relations entre les caractéristiques des données et les étiquettes correspondantes. 

Apprentissage non supervisé : 

Les ensembles de données ne sont pas étiquetés et l’algorithme doit découvrir les étiquettes par lui-même. 

Apprentissage semi-supervisé : 

L’algorithme utilise un mélange de données étiquetées et non étiquetées pour l’entraînement.

Apprentissage par renforcement : 

L’algorithme apprend à prendre des décisions en interagissant avec son environnement. Il reçoit des récompenses ou des pénalités pour chaque action, ce qui lui permet d’ajuster sa stratégie pour maximiser sa récompense globale.

Un exemple d’application du Machine Learning est la reconnaissance d’images. Des modèles d’apprentissages profonds sont entraînés sur des millions d’images pour apprendre à reconnaître des objets, des personnes, des animaux, etc. Un autre exemple est la prédiction de la demande dans le commerce de détail, où des modèles sont entraînés sur des données de ventes passées pour prédire les ventes futures.

Quels sont les avantages ? 

Étant entraîné sur un vaste corpus de données, le ML permet de prédire des tendances en fonction de données.  

- Le machine learning offre la capacité de détecter des tendances and des modèles dans les données qui peuvent échapper à l’observation humaine.

- Une fois configuré, le machine learning peut fonctionner de manière autonome, sans l’intervention humaine. Par exemple, dans le domaine de la cybersécurité, il peut surveiller en permanence le trafic réseau pour identifier les anomalies.

- Les résultats obtenus par le machine learning peuvent s’affiner et s’améliorer avec le temps, car l’algorithme peut apprendre de nouvelles informations et ajuster ses prédictions en conséquence.

- Le machine learning est capable de traiter des volumes massifs et variés de données, même dans des environnements dynamiques et complexes.

L’intelligence artificielle symbolique

L’IA symbolique est une autre approche de l’intelligence artificielle. Elle utilise des symboles and des règles de traitement de l’information pour effectuer des tâches. Les symboles peuvent être des concepts, des objets, des relations, etc. Les règles peuvent être des règles de déduction, des règles de production, des règles d’inférence…etc.

Un exemple d’application de l’IA symbolique est le système expert. Un système expert est un programme informatique qui utilise des règles de déduction pour résoudre des problèmes dans un domaine spécifique, comme le diagnostic médical ou l’aide à la décision en entreprise. Un autre exemple est la traduction automatique basée sur des règles, les règles de grammaire et de syntaxe sont utilisées pour traduire un texte d’une langue à une autre.

Quelques exemples d’usages de l’IA symbolique :

La traduction

L’IA symbolique a été utilisée pour développer des systèmes de traduction automatique basés sur des règles. Ces systèmes utilisent des règles de grammaire et de syntaxe pour convertir un texte d’une langue à une autre. Par exemple, le système SYSTRAN, développé dans les années 1960, est un des premiers systèmes de traduction automatique basé sur des règles. Ce type de système se distingue des approches basées sur le Machine Learning, comme Google Translate, qui utilisent des modèles statistiques pour apprendre à traduire des textes à partir de corpus bilingues.

Le raisonnement logique

L’IA symbolique est également utilisée pour développer des systèmes capables de raisonnement logique, en exploitant des règles et des connaissances déclaratives pour résoudre des problèmes complexes. Par exemple, les systèmes d’aide à la décision basés sur des règles peuvent être utilisés dans des domaines tels que la finance, l’assurance ou la logistique, pour aider les entreprises à prendre des décisions éclairées. Un exemple concret est le système MYCIN, développé dans les années 1970 pour aider les médecins à diagnostiquer des infections bactériennes et à prescrire des antibiotiques adaptés.

L’analyse de textes

L’IA symbolique peut être utilisée pour l’analyse de textes, en exploitant des règles et des connaissances linguistiques pour extraire des informations pertinentes à partir de documents. Par exemple, les systèmes d’extraction d’information basés sur des règles peuvent être utilisés pour identifier des entités nommées (noms de personnes, d’organisations, de lieux, etc.) et des relations entre ces entités dans des textes. Un exemple d’application est l’analyse et la catégorisation des messages entrants pour les entreprises, cœur de métier de Golem.ai avec la solution InboxCare.

Les avantages de l’IA symbolique 

L’IA symbolique est une approche qui utilise des symboles, et parfois des " règles” basées sur des connaissances, qui comporte plusieurs avantages :

- Explicablilité : Les décisions prises par les systèmes d’IA symbolique sont explicites et peuvent être expliquées en fonction des règles logiques et des connaissances déclaratives utilisées par le système. Cette transparence peut être essentielle dans des applications critiques, comme la médecine ou la défense.

- Frugalité : Contrairement au Machine Learning, l’IA symbolique ne nécessite pas d’entraînement, ce qui la rend moins gourmande en énergie à la fois lors de la conception et de l’utilisation.

- Adaptabilité : Les systèmes d’IA symbolique peuvent être facilement adaptés à de nouveaux domaines en ajoutant de nouvelles règles logiques et connaissances déclaratives à leurs bases de connaissances existantes, leurs permettant de s’adapter rapidement à de nouvelles situations.

L’intelligence artificielle hybride ou le neuro-symbolique 

Les systèmes hybrides combinent les avantages de l’IA symbolique et du Machine Learning en utilisant une approche mixte. Dans ce type de système, l’IA symbolique est utilisée pour représenter les connaissances et les règles logiques dans un domaine spécifique. Les techniques de Machine Learning sont ensuite utilisées pour améliorer les performances de l’IA symbolique en utilisant des ensembles de données pour apprendre des modèles de décision plus précis et plus flexibles. Mais nous pouvons également voir d’autres articulations comme la taxonomie de Kautz par exemple.

L’IA symbolique est souvent utilisée dans des domaines où il est important de comprendre et de contrôler la façon dont les décisions sont prises, comme la médecine, la finance ou la sécurité. En revanche, le Machine Learning est souvent utilisé pour des tâches de classification ou de prédiction à grande échelle, telles que la reconnaissance de voix ou d’image, ou pour détecter des modèles dans des données massives.

En combinant les deux approches, les systèmes hybrides peuvent bénéficier de la compréhensibilité et de la fiabilité de l’IA symbolique, tout en utilisant la flexibilité et la capacité de traitement massif de données du Machine Learning pour améliorer la performance des décisions. Ces systèmes hybrides peuvent également offrir une plus grande précision et un temps de réponse plus rapide que l’une ou l’autre approche utilisée seule.

Que retenir de ces deux approches ?

L’Intelligence Artificielle est en constante évolution et transforme de nombreux secteurs d’activité. Les deux approches principales de l’IA ont leurs avantages et inconvénients et peuvent être complémentaires. Il est donc crucial pour les entreprises de comprendre ces technologies pour rester compétitives. 

Cependant, les implications éthiques et sociales de l’IA doivent également être prises en compte. Les décisions des algorithmes peuvent avoir un impact sur la vie des personnes, leur travail, leurs droits et leurs libertés. Il est donc essentiel de mettre en place des normes éthiques et des réglementations pour garantir que l’IA soit au service de l’humanité. Les entreprises et les gouvernements doivent travailler ensemble pour développer des IA responsables, transparentes et équitables qui servent les intérêts de tous. En travaillant ensemble, nous pouvons assurer que l’IA soit une force positive pour l’humanité dans les années à venir. 



 

Auteur: Merindol Hector

Info: https://golem.ai/en/blog/technologie/ia-symbolique-machinelearning-nlp - 4 avril 2023

[ dualité ]