pouvoir sémantique

La plupart des critiques littéraires s'accordent à dire que la fiction ne peut être réduite à un simple mensonge. Les protagonistes bien conçus prennent vie, la pornographie provoque des orgasmes, et le fait de prétendre que la vie est ce que nous voulons qu'elle soit peut, de manière concevable, provoquer la condition souhaitée. D'où les paraboles religieuses, le réalisme socialiste, la propagande nazie. Et si ce récit est également empreint d'un supernaturalisme réactionnaire, c'est peut-être parce que son auteur aspire à voir des lettres se déplacer sur les plafonds, amorçant prudemment leur réification en anges. Car si elles pouvaient le faire, pourquoi pas nous ?

Auteur: Vollmann William T.

Info: Europe Central

[ onrique ] [ littérature ]

biochimie

L'IA prédit la fonction des enzymes mieux que les principaux outils

Un nouvel outil d'intelligence artificielle peut prédire les fonctions des enzymes sur la base de leurs séquences d'acides aminés, même lorsque ces enzymes sont peu étudiées ou mal comprises. Selon les chercheurs, l'outil d'intelligence artificielle, baptisé CLEAN, surpasse les principaux outils de pointe en termes de précision, de fiabilité et de sensibilité. Une meilleure compréhension des enzymes et de leurs fonctions serait une aubaine pour la recherche en génomique, en chimie, en matériaux industriels, en médecine, en produits pharmaceutiques, etc.

"Tout comme ChatGPT utilise les données du langage écrit pour créer un texte prédictif, nous tirons parti du langage des protéines pour prédire leur activité", a déclaré Huimin Zhao, responsable de l'étude et professeur d'ingénierie chimique et biomoléculaire à l'université de l'Illinois Urbana-Champaign. "Presque tous les chercheurs, lorsqu'ils travaillent avec une nouvelle séquence de protéine, veulent savoir immédiatement ce que fait la protéine. En outre, lors de la fabrication de produits chimiques pour n'importe quelle application - biologie, médecine, industrie - cet outil aidera les chercheurs à identifier rapidement les enzymes appropriées nécessaires à la synthèse de produits chimiques et de matériaux".

Les chercheurs publieront leurs résultats dans la revue Science et rendront CLEAN accessible en ligne le 31 mars.

Grâce aux progrès de la génomique, de nombreuses enzymes ont été identifiées et séquencées, mais les scientifiques n'ont que peu ou pas d'informations sur le rôle de ces enzymes, a déclaré Zhao, membre de l'Institut Carl R. Woese de biologie génomique de l'Illinois.

D'autres outils informatiques tentent de prédire les fonctions des enzymes. En général, ils tentent d'attribuer un numéro de commission enzymatique - un code d'identification qui indique le type de réaction catalysée par une enzyme - en comparant une séquence interrogée avec un catalogue d'enzymes connues et en trouvant des séquences similaires. Toutefois, ces outils ne fonctionnent pas aussi bien avec les enzymes moins étudiées ou non caractérisées, ou avec les enzymes qui effectuent des tâches multiples, a déclaré Zhao.

"Nous ne sommes pas les premiers à utiliser des outils d'IA pour prédire les numéros de commission des enzymes, mais nous sommes les premiers à utiliser ce nouvel algorithme d'apprentissage profond appelé apprentissage contrastif pour prédire la fonction des enzymes. Nous avons constaté que cet algorithme fonctionne beaucoup mieux que les outils d'IA utilisés par d'autres", a déclaré M. Zhao. "Nous ne pouvons pas garantir que le produit de chacun sera correctement prédit, mais nous pouvons obtenir une plus grande précision que les deux ou trois autres méthodes."

Les chercheurs ont vérifié leur outil de manière expérimentale à l'aide d'expériences informatiques et in vitro. Ils ont constaté que non seulement l'outil pouvait prédire la fonction d'enzymes non caractérisées auparavant, mais qu'il corrigeait également les enzymes mal étiquetées par les principaux logiciels et qu'il identifiait correctement les enzymes ayant deux fonctions ou plus.

Le groupe de Zhao rend CLEAN accessible en ligne pour d'autres chercheurs cherchant à caractériser une enzyme ou à déterminer si une enzyme peut catalyser une réaction souhaitée.

"Nous espérons que cet outil sera largement utilisé par l'ensemble de la communauté des chercheurs", a déclaré M. Zhao. "Avec l'interface web, les chercheurs peuvent simplement entrer la séquence dans une boîte de recherche, comme dans un moteur de recherche, et voir les résultats.

M. Zhao a indiqué que son groupe prévoyait d'étendre l'intelligence artificielle de CLEAN à la caractérisation d'autres protéines, telles que les protéines de liaison. L'équipe espère également développer davantage les algorithmes d'apprentissage automatique afin qu'un utilisateur puisse rechercher une réaction souhaitée et que l'IA lui indique l'enzyme appropriée.

"Il existe de nombreuses protéines de liaison non caractérisées, telles que les récepteurs et les facteurs de transcription. Nous voulons également prédire leurs fonctions", a déclaré Zhao. "Nous voulons prédire les fonctions de toutes les protéines afin de connaître toutes les protéines d'une cellule et de mieux étudier ou concevoir la cellule entière pour des applications biotechnologiques ou biomédicales.

Zhao est également professeur de bio-ingénierie, de chimie et de sciences biomédicales et translationnelles au Carle Illinois College of Medicine. 

Auteur: Internet

Info: "Enzyme function prediction using contrastive learning, "30 mars 2023. Université de l'Illinois à Urbana-Champaign

[ cofacteurs ]

observateur

Une fréquence peut produire n'importe quelle forme ?

Il n'y a aucune forme ou géométrie spécifique intrinsèquement associée à une fréquence spécifique. On peut faire apparaître une fréquence donnée sous n'importe quelle forme, dans certaines limites physiques - tout ce qu'il faut faire est de choisir le bon diamètre pour l'antenne ou le récepteur, et la bonne viscosité ainsi que la tension superficielle du fluide... Alors la fréquence d'entrée produira la géométrie d'onde stationnaire souhaitée.

Nous avons tous fait l'expérience de cette vérité fondamentale en résonance avec nos voix dans une pièce vide. Dans une pièce vide d'ornements muraux, on peut faire résonner différentes tonalités sur une octave. Avec une attention particulière, on peut trouver une ou plusieurs tonalités qui semblent résonner plus longtemps dans la pièce, ou même s'amplifier en volume lorsqu'on chante la note. Ces sons particuliers sont des fréquences qui résonnent avec la géométrie de la pièce et l'air qui la remplit. Si vous changez l'air de la pièce par de l'hélium pur, les sons que vous essayez se comporteront différemment. Si vous modifiez les dimensions de la pièce, vous entendrez différentes tonalités résonner avec l'espace. On a le même concept avec la cymatique liquide. Le fait qu'un certain son résonne bien dans une pièce spécifique ne signifie pas que le son lui-même soit magique - cela signifie simplement qu'il est magique spécifiquement avec cette endroit et l'air qui le remplit. Il se peut pareillement qu'une journée plus humide avec une pression barométrique plus élevée modifie les propriétés de l'air dans cet espace et change ainsi les fréquences de résonance de l'espace.

Ainsi, si on désire une résonance dans la cymatique liquide, il faut choisir le bon espace rempli du bon médium. Base de l'ingénierie de résonance sonique dans l'application de la cymatique liquide.

La conclusion de tout cela est de comprendre que lorsque nous voyons une image cymatique liquide (appelée hydroglyphe), nous visualisons le résultat de la façon dont une certaine fréquence se comportent dans un espace donné ; c'est la relation géométrique spécifique entre la fréquence d'entrée et le fluide dans la cuve utilisée.

Cela amène à parler de l'engouement pour le 432Hz, puisque les gens prétendent que la cymatique du 432Hz est plus "jolie" que celle du 440Hz. Cependant, ce qui manque ici, c'est la reconnaissance du diamètre du conteneur récepteur et du fluide utilisé ; il n'y a pas non plus de prise en considération pour le fait fondamental que si on avait changé le diamètre de ce conteneur ou les propriétés du fluide, on aurait pu rendre le 440Hz "joli" et le 432Hz distordu. En un sens, c'est un mensonge. On peut faire en sorte que *n'importe quelle* fréquence soit jolie alors qu'une autre fréquence proche sera modifiée (440Hz est suffisamment proche de 432Hz pour y ressembler mais être déformée). En ce sens, il n'y a rien de spécial à accorder notre musique sur A432 ou A440. Du moins, jusqu'à ce qu'on examine les dimensions de la forme humaine et les viscosités et tensions superficielles de notre sang.

C'est peut-être à ce moment qu'on trouvera une certaine "magie" dans les fréquences d'un accordage à 432, où les tons résonnent mieux avec les cavités et les fluides spécifiques de la forme humaine. Tant que cette étude n'est pas réalisée, on ne peut pas dire que ce niveau de 432Hz possède une quelconque magie inhérente, même en se basant sur la beauté mathématique des ratios de cet accord.

Ceci apporte un peu lumière sur le phénomène de la cymatique liquide et sur les hydroglyphes qui sont produits ici et là

(Suivent deux photos où on voit 15,6 Hz dans deux espaces distincts remplis du même liquide, une tasse de 2 pouces de diamètre et l'autre de 2,875 pouces de diamètre. Avec des réseaux de couleurs différentes qui éclairent chaque espace, et on peut clairement voir que l'un est une géométrie triple et l'autre une géométrie quadruple. Ainsi, on ne peut pas dire "C'est à ça que ressemble 15,6 Hz", puisqu'on peut faire en sorte que 15,6 Hz ressemble à n'importe quelle forme.)

Ceci étant expliqué, on constatera que seul "l'esprit attentif" apporte une certaine cohérence rationnelle à ce qui précède...

Il semble correct de constater que n'importe quel humain - éventuellement n'importe quel être, puisse être d'accord sur une telle démonstration du rôle de recepteur.

Et donc, même si nous "ressentons" tous les choses différemment, nous sommes ici capable de partager ce concept... Mais pour l'instant uniquement dans le domaine humain... Au même niveau, celui de notre espèce... Pas plus.

Pouvons-nous dire que ceci est possible parce que nous partageons tous un accordage des sens similaire ?... De la même syntonisation avec le réel, qui nous permet de créer et partager un univers consensuel ?

Auteur: Internet

Info: Post FB de Mr. E-Scholar, 13 janv 2023. Adaptation Mg

[ point de singularité ] [ totale relativité ] [ pur esprit désincarné ] [ question ]

linguistique de masse

L'intelligence artificielle travaille-t-elle en anglais ? 

Des scientifiques de l’EPFL ont montré que les grands modèles de langage semblent utiliser l’anglais en interne même lorsqu’ils sont sollicités dans une autre langue, ce qui pourrait avoir des conséquences en termes de biais linguistiques et culturels.

Les grands modèles de langage (LLM), tels que ChatGPT d’Open AI et Gemini de Google, ont conquis le monde et surprennent par leur capacité à comprendre les utilisatrices et utilisateurs et à leur répondre avec un discours en apparence naturel.

Bien qu’il soit possible d’interagir avec ces LLM dans n’importe quelle langue, ces derniers sont entraînés avec des centaines de milliards de paramètres textuels, principalement en anglais. Certaines personnes ont émis l’hypothèse qu’ils effectuaient la majeure partie de leur traitement interne en anglais et traduisaient ensuite dans la langue cible au tout dernier moment. Mais il y avait peu de preuves de cela, jusqu’à aujourd’hui.

Tests de Llama

Des chercheuses et chercheurs du Laboratoire de science des données (DLAB) de la Faculté informatique et communications de l’EPFL ont étudié le LLM open source Llama-2 (grand modèle de langage IA développé par Meta) pour essayer de déterminer quelles langues étaient utilisées à quels stades de la chaîne informatique.

" Les grands modèles de langage sont entraînés pour prédire le mot suivant. Pour cela, ils font correspondre chaque mot à un vecteur de nombres, c’est-à-dire à un point de données multidimensionnel. Par exemple, l’article le se trouvera toujours exactement à la même coordonnée fixe des nombres ", explique le professeur Robert West, responsable du DLAB.

" Les modèles enchaînent environ 80 couches de blocs de calcul identiques, chacun transformant un vecteur qui représente un mot en un autre vecteur. À la fin de cette séquence de 80 transformations, on obtient un vecteur représentant le mot suivant. Le nombre de calculs est déterminé par le nombre de couches de blocs de calcul. Plus il y a de calculs, plus votre modèle est puissant et plus le mot suivant a de chances d’être correct. "

Comme l’explique la prépublication intitulée Do Llamas Work in English? On the Latent Language of Multilingual Transformers, Robert West et son équipe ont forcé le modèle à répondre après chaque couche chaque fois qu’il essayait de prédire le mot suivant au lieu de le laisser effectuer les calculs à partir de ses 80 couches. Ils ont ainsi pu voir quel mot le modèle aurait prédit à ce moment-là. Ils ont mis en place différentes tâches telles que demander au modèle de traduire une série de mots français en chinois.

" Nous lui avons donné un mot français, puis la traduction en chinois, un autre mot français et la traduction en chinois, etc., de sorte que le modèle sache qu’il est censé traduire le mot français en chinois. Idéalement, le modèle devrait donner une probabilité de 100% pour le mot chinois. Mais lorsque nous l’avons forcé à faire des prédictions avant la dernière couche, nous avons remarqué que la plupart du temps, il prédisait la traduction anglaise du mot français, bien que l’anglais n’apparaisse nulle part dans cette tâche. Ce n’est qu’au cours des quatre ou cinq dernières couches que le chinois est en fait plus probable que l’anglais ", affirme Robert West.

Des mots aux concepts

Une hypothèse simple serait que le modèle traduit la totalité de l’entrée en anglais et la traduit à nouveau dans la langue cible juste à la fin. Mais en analysant les données, les chercheuses et chercheurs sont parvenus à une théorie bien plus intéressante.

Dans la première phase des calculs, aucune probabilité n’est attribuée à l’un ou l’autre mot. Selon eux, le modèle s’attache à résoudre les problèmes d’entrée. Dans la seconde phase, où l’anglais domine, les chercheuses et chercheurs pensent que le modèle se trouve dans une sorte d’espace sémantique abstrait où il ne raisonne pas sur des mots isolés mais sur d’autres types de représentations qui concernent davantage des concepts, sont universels dans toutes les langues et représentent plus un modèle du monde. C’est important car, pour bien prédire le mot suivant, le modèle doit en savoir beaucoup sur le monde et l’un des moyens d’y parvenir est d’avoir cette représentation des concepts.

" Nous supposons que cette représentation du monde en termes de concepts est biaisée en faveur de l’anglais, ce qui serait très logique car les données utilisées pour entraîner ces modèles sont à environ 90% en anglais. Ils cartographient les mots en entrée à partir d’un espace de mots superficiel, dans un espace de signification plus profond avec des représentations de la façon dont ces concepts sont liés les uns aux autres dans la réalité – et les concepts sont représentés de la même manière que les mots anglais, plutôt que les mots correspondants dans la langue d’entrée réelle ", déclare Robert West.

Monoculture et biais

Cette domination de l’anglais amène à se poser la question suivante: " est-ce important "? Les chercheuses et chercheurs pensent que oui. D’après de nombreuses recherches, les structures qui existent dans le langage influencent la manière dont nous construisons la réalité et les mots que nous employons sont profondément liés à la façon dont nous pensons le monde. Robert West suggère de commencer à étudier la psychologie des modèles de langage en les traitant comme des êtres humains et, dans différentes langues, en les interrogeant, en les soumettant à des tests de comportement et en évaluant leurs biais.

" Je pense que cette recherche a vraiment touché un point sensible, car les gens s’inquiètent de plus en plus de ce genre de problème de monoculture potentielle. Les modèles étant meilleurs en anglais, bon nombre de chercheuses et chercheurs étudient aujourd’hui la possibilité d’introduire un contenu en anglais et de le traduire dans la langue souhaitée. D’un point de vue technique, cela pourrait fonctionner, mais je pense que nous perdons beaucoup de nuances, car ce que vous ne pouvez pas exprimer en anglais ne sera pas exprimé ", conclut Robert West.

Auteur: Internet

Info: https://actu.epfl.ch/news/l-intelligence-artificielle-travaille-t-elle-en--2/#:~:text=Les%20chercheuses%20et%20chercheurs%20pensent%20que%20oui.,dont%20nous%20pensons%20le%20monde.

[ anglocentrisme ] [ spécificités des idiomes ] [ homme-machine ] [ symboles univers ] [ ethnocentrisme ]