homme-machine

L'argument de la chambre chinoise de John Searle remet en question l'idée que les ordinateurs puissent véritablement comprendre le langage. Il présente un scénario dans lequel une personne dans une pièce suit des instructions en anglais pour répondre à des symboles chinois, sans réellement comprendre la signification de ces symboles. Selon Searle, cette situation est similaire à la manière dont les ordinateurs traitent l'information : ils manipulent les symboles sur la base de règles prédéfinies, mais ne les comprennent pas vraiment. Il estime que la compréhension nécessite une conscience et une intentionnalité que les machines ne possèdent pas. En substance, l'argument de Searle suggère que les ordinateurs peuvent simuler le traitement du langage, mais qu'ils ne comprennent pas vraiment le sens des symboles qu'ils manipulent. En résumé :

- Un ordinateur programmé pour parler chinois ne comprend pas le chinois. Il ne fait que suivre des règles.

- L'intelligence humaine comprend le chinois.

- L'intelligence artificielle ne peut donc pas être confondue avec l'intelligence humaine.

Ainsi, selon cette triple perspective : celle de chatGPT4, le point de vue "FLP post Peirce", ainsi que les règles de notre application... ce concept de chambre chinoise implique qu'une race organique comme les humains, nécessite une priméité commune, un monde partagé, afin de pouvoir réellement communiquer-traduire avec ses semblables lorsqu'ils parlent un autre idiome. Dit autrement lors d'un échange-transposition, via l'utilisation de mots symboles (qui sont des univers en eux-mêmes), les entités organiques d'une même espèce doivent partager le même univers source - même si cette idée peut apparaitre come un truisme.

Il sera certes possible d'affiner très avant tous les concepts possibles pour une machine, mais il manquera toujours à pareil logiciel hors-sol un certain nombres de compétences-capacités-attributs que possèdent les êtres organiques-grégaires. Dans le désordre : La capacité poétique, le sens du jeu avec les mots (univers eux-mêmes), du contrepied sémantique et de l'humour... Une souplesse d'adaptation tous azimuts en fonction des contextes, humeurs, vitesse du vent, etc...  Et probablement, par dessus tout, la capacité de mentir, de jouer avec les apparences.

Il est certain que lA dominera l'humain dans beaucoup de domaines hyper-complexes - où elle devra être utilisée comme outil spécialisé. Mais, pour ce qui est d'une " prise avec le réel ", d'une capacité à saisir tel ou tel langage corporel dans l'instant, de communiquer-interagir sensuellement avec un chat ou même un végétal... On demande à voir.

Ces problématiques seront probablement analysables avec un surcroit d'acuité le jour d'une rencontre avec des organiques évolués non-humains et non-issus de Gaïa.  Apprenons d'abord à mieux nous intégrer dans cette dernière, probablement par l'usage d'une nouvelle logique, tétravalente... moins dépendante de son langage... preuve en étant apportée par les capacités d'expansion-adaptation des constructions permises par le carbone tétravalent.

Auteur: Mg

Info:

[ machine-homme ] [ chatbot tiercité hors-sol ] [ apprentissage automatique ] [ transposition ] [ xénolinguistique ]

insaisissable

Essence même du scepticisme : Comment savoir ce qu'il faut croire et ce dont il faut douter ?

Dès que l'on commence à se poser des questions telles que "Comment pouvons-nous réellement savoir quelque chose ?", nos croyances commencent à s'effondrer une à une.

Auteur: Novella Steven

Info: The Skeptics' Guide to the Universe : Comment savoir ce qui est vraiment réel dans un monde de plus en plus rempli de faux

[ aucun point fixe ] [ vieillir ]

data élagage

IA : Cette technique oubliée du 18e siècle rend le Deep Learning inutile

Et si le deep learning devenait inutile au développement de l’intelligence artificielle ? Cette technique oubliée du 18e siècle pourrait le remplacer.

Jusqu’à maintenant, le deep learning ou l’apprentissage profond est présenté comme un processus essentiel au développement de l’intelligence artificielle. Il consiste à entraîner les grands modèles de langage (LLM) avec un énorme volume de données. Mais des chercheurs finlandais avancent que le deep learning pourrait devenir inutile.

Ces chercheurs font partie d’une équipe de l’université de Jyväskylä qui effectue des travaux sur les techniques de développement de l’intelligence artificielle. Ils ont publié le mois dernier, dans la revue Neurocomputing, un papier intéressant sur une ancienne méthode mathématique du 18e siècle.

Cette technique est plus simple et plus performante que l’apprentissage profond, défendent les auteurs dans leur papier. Notons que cette conclusion constitue l’aboutissement de six années de recherche.

Il faut que le deep learning devienne inutile…

Le deep learning s’apparente aux techniques d’intelligence artificielle exploitant massivement des données et des ressources informatiques. Celles-ci servent à entraîner des réseaux neuronaux pour avoir des LLM. Rappelons que ces derniers se trouvent au cœur des IA génératives comme le populaire Chat-GPT.

Mais il ne faut pas croire que l’apprentissage profond est infaillible. Le volume des données à traiter en fait une méthode complexe et souvent sujette à des erreurs. Cela impacte significativement les performances des modèles génératifs obtenus.

En effet, la complexité du deep learning se retrouve dans la structure d’un LLM (large miodèle de langage). Cela peut instaurer une boîte noire sur le mécanisme du modèle IA. Dans la mesure où son fonctionnement n’est pas maîtrisé, les performances ne seront pas au rendez-vous. L’opacité du mécanisme IA peut même exposer à des risques.

Des modèles IA performants sans deep learning

L’équipe de l’université de Jyväskylä travaille ainsi depuis six ans sur l’amélioration des procédés d’apprentissage profond. Leurs travaux consistaient notamment à explorer la piste de la réduction des données. L’objectif est de trouver un moyen pratique pour alimenter les LLM sans pour autant les noyer de données.

Les auteurs de la recherche pensent avoir trouvé la solution dans les applications linéaire et non-linéaire. Il s’agit d’un concept mathématique dont le perfectionnement a eu lieu du 17e au 18e siècle. Celui-ci s’appuie principalement sur la combinaison des fonctions et des équations différentielles.

Les applications linéaire et non-linéaire permettent ainsi de générer un nouvel ordre de modèles de langage. Il en résulte des LLM avec une structure beaucoup moins complexe. Par ailleurs, son fonctionnement ne requiert pas un énorme volume de données. Cela n’a pourtant aucun impact négatif sur la performance.

Les mathématiques du 18e siècle pour moderniser l’IA…

L’importance de l’intelligence artificielle dans la technologie moderne augmente rapidement. La compréhension et la vraie maîtrise des grands modèles de langage deviennent indispensables. Les chercheurs finlandais pensent que leur nouvelle méthode peut résoudre certains problèmes en lien avec le développement de l’intelligence artificielle.

En effet, plus le développement de l’IA sera simple et transparent, il sera davantage facile d’envisager son utilisation éthique. L’accent est également mis sur la dimension écologique du nouveau procédé. Des LLM plus simples requièrent beaucoup moins de ressources informatiques et sont moins énergivores.

Néanmoins, les chercheurs craignent le scepticisme des actuels principaux acteurs de l’IA. "Le deep learning occupe une place si importante dans la recherche, le développement de l’intelligence artificielle (…) Même si la science progresse, la communauté elle-même peut se montrer réticente au changement", explique l’un des auteurs de la recherche.

Auteur: Internet

Info: https://www.lebigdata.fr/, Magloire 12 octobre 2023

[ limitation de la force brute ] [ vectorisation sémantique ] [ émondage taxonomique ]

focalisation

Plutôt qu'une série de niveaux, nous avons un niveau distingué, le niveau auquel l'interprétation des symboles relève du domaine intentionnel, ou cognitif, ou du domaine des objets de la pensée.

Auteur: Pylyshyn Zenon Walter

Info: Computation et cognition, 1984, p. 95

[ aveuglement ]

homme-machine

Si nous équipons l'ordinateur programmé de transducteurs* afin qu'il puisse interagir librement avec un environnement naturel et un environnement linguistique, ainsi que du pouvoir de faire des inférences, il est loin d'être évident que le théoricien (qui sait comment les transducteurs fonctionnent et donc à quoi ils répondent) dispose encore d'une marge de manœuvre pour attribuer une interprétation cohérente aux états fonctionnels afin de saisir les régularités psychologiques pertinentes du comportement. Si la réponse est que le théoricien ne dispose d'aucune latitude au-delà de l'indéterminisme inductif habituel de toutes les théories face à des données finies, il serait pervers de nier que ces états ont le contenu sémantique qui leur est attribué par la théorie.

Auteur: Pylyshyn Zenon Walter

Info: Computation et cognition, 1984, p. 44. *Le principe de transduction sémantique est avancé pour extraire et formaliser des énoncés du langage naturel. Dans un second temps, les propriétés algébriques de modèles de spécification sont étudiés pour définir une théorie permettant de vérifier la consistance des exigences d'un cahier des charges.

[ machine-homme ] [ instable secondéité ]

savoirs

Le terme de "connaissance" fait froncer les sourcils du philosophe - parler de croyances serait plus judicieux.

Auteur: Pylyshyn Zenon Walter

Info: Computation et cognition, 1984, p. 130

[ transitoires ]

entendement

Lorsqu'il est considéré comme un moyen de modéliser l'architecture cognitive, le connexionnisme* représente réellement une approche très différente de celle de la science cognitive classique qu'il cherche à remplacer. Les modèles classiques de l'esprit ont été dérivés de la structure des machines de Turing et de Von Neumann. Ils ne s'attachent pas, bien entendu, aux détails de ces machines tels qu'ils sont illustrés dans la formulation originale de Turing ou dans les ordinateurs commerciaux typiques, mais seulement à l'idée de base selon laquelle le type d'informatique pertinent pour comprendre la cognition implique des opérations sur des symboles... En revanche, les connexionnistes proposent de concevoir des systèmes capables d'afficher un comportement intelligent sans stocker, récupérer ou opérer sur des expressions symboliques structurées. Le style de traitement effectué dans de tels modèles est donc étonnamment différent de ce qui se passe lorsque des machines conventionnelles calculent une fonction quelconque.

Auteur: Pylyshyn Zenon Walter

Info: "Connectionism and cognitive architecture : A critical analysis." Cognition 28.1-2 (1988) : 3-71. With Jerry A. Fodor . *approche utilisée en sciences cognitives, neurosciences, psychologie et philosophie de l'esprit. Le connexionnisme modélise les phénomènes mentaux ou comportementaux comme des processus émergents de réseaux d'unités simples interconnectées. Par exemple des neurones ou réseaux de neurones.

[ engrammes intriqués ]

population positiviste

Mais je me méfie un peu de ma popularité aux États-Unis : l’intérêt américain pour la psychanalyse reste superficiel. La popularité mène à une acceptation superficielle, qui se passe de recherches sérieuses. Les gens ne font que répéter les phrases qu’ils apprennent au théâtre ou dans les revues. Ils croient comprendre quelque chose à la psychanalyse parce qu’ils peuvent répéter comme des perroquets son jargon. Je préfère l’étude plus approfondie de la psychanalyse, effectuée dans les centres européens, bien que les États-Unis aient été le premier pays à me reconnaître officiellement. La Clark University m’a accordé un diplôme honoraire tandis que j’étais encore frappé d’ostracisme en Europe. Pourtant, les États-Unis apportent peu de contributions originales à la psychanalyse. Les Américains sont des généralisateurs intelligents, mais rarement des penseurs créatifs. Les médecins aux États-Unis et occasionnellement en Europe, essaient de monopoliser la psychanalyse. Mais ce serait un danger pour la psychanalyse que de la laisser exclusivement aux mains des médecins, car une formation strictement médicale constitue aussi souvent un empêchement qu’un avantage pour la psychanalyse. Quand certaines conceptions scientifiques traditionnelles sont enracinées dans le cerveau, elles sont toujours un empêchement.

Auteur: Freud Sigmund

Info: Entretien par G.S. Viereck, 1926

[ récupération ] [ mécompréhension ] [ discours scientifique ]

écrivain

[Bernard] Shaw ne comprend rien au sexe. Il n’a même pas la plus vague conception de l’amour. Aucune de ses pièces ne présente de véritable histoire d’amour. Il fait une farce de l’amour de Jules César – qui est peut-être la plus grande passion de l’histoire –. Avec méchanceté, il dépouille délibérément Cléopâtre de toute grandeur pour en faire une simple jeune fille insignifiante. La raison de l’étrange attitude de Shaw envers l’amour, qu’il nie être le mobile de toutes choses humaines (ce qui fait ses pièces n’atteignent pas à une acclamation universelle malgré leur immense portée intellectuelle), est inhérente à sa psychologie. Dans l’une de ses préfaces, il souligne lui-même l’aspect ascétique de son tempérament.

Auteur: Freud Sigmund

Info: Entretien par G.S. Viereck, 1926

[ critique ]

Dieu

Ce qui se meut toujours est éternel ; en revanche, ce qui donne le mouvement à autre chose en étant soi-même mis en mouvement de l’extérieur doit nécessairement cesser de vivre lorsque cesse son propre mouvement. Il en résulte que seul ce qui se meut soi-même ne cesse jamais de se mouvoir, parce qu’il ne se fait jamais défaut à lui-même. Bien plus : à l’égard de tout ce qui est mû, il est source, il est le principe de ce mouvement. Or un principe n’a pas d’origine : toutes choses en effet proviennent d’un principe ; mais le principe lui-même ne peut naître de nulle autre chose, car s’il naissait d’autre chose, ce ne serait pas un principe. N’ayant jamais pris naissance, il ne connaîtra jamais la mort non plus, car un principe détruit ne renaîtra jamais lui-même d’un autre, pas plus qu’il n’en fera sortir un autre de lui-même, tant il est nécessaire que toutes choses dérivent d’un principe. On doit conclure de cela que le principe du mouvement tient à l’être qui se meut soi-même, et que cet être ne peut ni naître ni mourir, ou alors, nécessairement, le ciel entier s’écroulerait et toute la nature s’arrêterait sans pouvoir jamais retrouver une force sous l’impulsion de laquelle reprendre son premier mouvement.

Auteur: Cicéron

Info: "Le Songe de Scipion", trad. Jean-Louis Poirier, Les Belles Lettres, 2023, pages 90-91

[ premier moteur ]