points de situations

En anglais originel, un benchmark (étalon ou repère en français) était un point de référence servant à effectuer une mesure. Un terme issu du vocabulaire professionnel des géomètres qui désignait à l'origine un repère de nivellement, un jalon.

Benchmark est ensuite entré dans la langue française en tant qu'anglicisme informatique, sous la définition de Banc d’essai permettant de mesurer les performances d'un système pour le comparer à d'autres. 

Il s'agit donc d'un désir de se situer, via des test en temps réel dans un cadre de rivalité antagoniste, d'émulation compétitive, voire carrément de combat. Une " étude pragmatique de la concurrence " selon les habitudes capitalistes de marketing du 20e siècle. 

L'évolution étant ce qu'elle est on comprendra aisément combien cette notion de " comment je me situe en tant qu'entité séparée  des autres " intègre l'idée d'une relativité quasi absolue.

Problématique un peu plus éblouissante encore lorsqu'il fut question d'évaluer et comparer les diverses intelligences artificielles vers les années 2020, que ce soit entre elles ou avec les humains et surtout leurs savoirs. 

L'humain, j'en suis un autre, semble quelque peu hanté par une volonté de conclure et c'est bien face à pareil défi, celui de proposer une "explication durable" des phénomènes, de leurs interactions et de leurs conséquences,  qu'il se retrouve limité. Les points fixes sur lesquels il appuie ses savoirs ressemblent à des chimères plus il les investigue profondément. 

Restent néanmoins certains fondamentaux : ma vie, la planète qui m'a vu éclore, mes descendants, etc...

Et puis, si je disparais, tout disparait... sans garantie que cette expérience ne fut qu'une illusion.

Personnellement mon modèle c'est la nature, vu sous cet angle cette notion de benchmark, enfantée par le milieu corporate américain de mon époque, ressemble à une impasse au sens où ce qu'on peut voir dans la nature ressemble plus à des interactions-collaborations qu'à des valorisations comparées, articulées sur des rapports de pouvoir et autres conventions à fond égoïste.

Auteur: Internet

Info: Diverses sources compilées par Mg

[ intraduisible ] [ mot-univers ] [ pas de point fixe ] [ balise ] [       standard ] [     point de référence ] [   base ] [ critère ] [  spécification ] [  canon ] [  convention ] [  principe directeur ] [     norme ] [     critère ]

biophysique

Brian David Josephson est un physicien théoricien qui a reçu le prix Nobel pour ses travaux sur l'effet tunnel quantique et le développement du circuit supraconducteur portant son nom : the Josephson Junction , qui a permis le développement de dispositifs quantiques tels que les dispositifs d'interférence quantique supraconducteurs et les supercalculateurs. 

Dans sa publication avec Fotini Pallikari-Viras " Utilisation biologique de la non-localité quantique ", il explique comment le système biologique pourrait disposer d'une plus grande connaissance discriminante des types de distributions de probabilités dans l'espace de phase des états naturels que celle que les scientifiques peuvent obtenir par des mesures quantiques. Grâce à ce degré de discrimination plus élevé, les processus d'évolution et de développement caractéristiques des biosystèmes peuvent, dans des conditions initiales appropriées, conduire à des distributions de probabilités ciblées qui permettent d'utiliser la connectivité non locale entre des systèmes séparés dans l'espace, dont on sait qu'elle existe grâce aux inégalités de Bell, c'est-à-dire l'intrication quantique. 

En d'autres termes, les critères selon lesquels les physiciens évaluent la possibilité d'une signalisation non locale et d'états quantiques dans le système biologique peuvent être fondés sur une présupposition erronée de la nature du hasard et de la moyenne statistique qui nierait conventionnellement la possibilité de tels processus d'information quantique non triviaux au sein du système biologique, mais qui néglige en fait la connaissance discriminante dont dispose le système biologique et qui lui permet de considérer de nombreux schémas de la nature comme non aléatoires. 

"La perception de la réalité par les biosystèmes est basée sur des principes différents, et à certains égards plus efficaces, que ceux utilisés par les procédures plus formelles de la science. Par conséquent, ce qui apparaît comme un modèle aléatoire pour la méthode scientifique peut être un modèle significatif pour un organisme vivant. L'existence de cette perception complémentaire de la réalité permet en principe aux organismes d'utiliser efficacement les interconnexions directes entre des objets séparés dans l'espace, dont l'existence a été démontrée dans les travaux de J. S. Bell"*.

(Post Remarque d'un suiveur)

Merci. Dans l'ouvrage de Robert Lanza intitulé Biocentrism. Bruce Lipton considère qu'il existe de nombreuses similitudes entre les cellules humaines et végétales. 

Récemment, il y a plusieurs années, une étude quantique a été réalisée sur la photosynthèse.  Les chercheurs ont rapporté que les photons dirigés par le soleil s'approchaient d'une feuille de plante dans une position supra-statique, puis se localisaient après avoir traversé la paroi de la feuille. Ils ont estimé que le photon donnait des instructions à l'ADN de la plante quant au processus et à l'utilisation de la photosynthèse, en créant des glucides pour l'alimentation.

Auteur: Haramein Nassim

Info: Sur son fil FB, mars 2023. *Brian D. Josephson & Fotini Pallikari-Viras. Biological utilization of quantum nonlocality, Foundations of Physics volume 21, pages 197-207 (1991).

[ épigénétique ] [ transcendance ]

macromolécules

(Q) - Combien de protéines ont été identifiées à ce jour ?

(R) - À la date d'arrêt de mes connaissances, en septembre 2021, le nombre de protéines identifiées dans le protéome humain et dans divers organismes ne cesse de croître en raison des efforts de recherche continus. Il est difficile de fournir un chiffre exact car l'identification des protéines est un domaine actif de la recherche scientifique et de nouvelles protéines sont découvertes en permanence.

Toutefois, à cette époque, on estimait que le protéome humain se composait de dizaines de milliers de protéines. Le projet du protéome humain (HPP), une initiative de recherche internationale, vise à identifier et à caractériser toutes les protéines codées par le génome humain. Le HPP a réalisé des progrès significatifs dans la cartographie du protéome humain, mais une couverture complète est encore en cours.

Il est important de noter que le nombre de protéines identifiées varie en fonction de l'organisme étudié. Il existe des millions de séquences de protéines connues dans divers organismes, y compris les humains, les animaux, les plantes, les bactéries et les virus.

Comme mes connaissances ne sont pas à jour, je recommande de se référer à la littérature scientifique actuelle ou à des bases de données telles que UniProt ou Protein Data Bank (PDB) pour obtenir les informations les plus précises et les plus récentes sur le nombre de protéines identifiées.

(Q) - Comment les protéines sont-elles classées ?

(R) - Les protéines sont classées en fonction de divers critères, notamment leur structure, leur fonction et leurs relations évolutives. Voici quelques méthodes de classification des protéines couramment utilisées :

1 Classification structurelle : Les protéines peuvent être classées en fonction de leurs caractéristiques structurelles. Le système de classification structurelle le plus courant est la classification structurelle des protéines (SCOP) ou la base de données CATH (Class, Architecture, Topology, Homologous superfamily). Ces systèmes classent les protéines dans des hiérarchies en fonction de leur pliage global, de l'organisation des domaines et des motifs structurels.

2 Classification fonctionnelle : Les protéines peuvent être classées en fonction de leurs fonctions biologiques. Cette classification est souvent large et englobe des catégories fonctionnelles telles que les enzymes, les transporteurs, les récepteurs, les protéines structurelles, les protéines de signalisation et bien d'autres encore. Les systèmes de classification fonctionnelle sont généralement basés sur le rôle de la protéine dans les processus cellulaires.

3 Classification basée sur l'homologie : Les protéines peuvent être classées sur la base de leurs relations évolutives et de leurs similitudes de séquence. Cette classification repose sur la comparaison des séquences protéiques et l'identification des protéines homologues qui partagent un ancêtre commun. Elle est généralement réalisée à l'aide d'algorithmes tels que BLAST (Basic Local Alignment Search Tool) ou HMM (Hidden Markov Models).

4 Classification selon l'ontologie des gènes (GO) : L'ontologie des gènes est un système de classification largement utilisé qui attribue des annotations fonctionnelles aux protéines sur la base de trois catégories : fonction moléculaire, processus biologique et composant cellulaire. Les termes GO fournissent un vocabulaire normalisé pour décrire les fonctions des protéines et leur implication dans les processus biologiques.

5 Classification par famille et par super-famille : Les protéines peuvent être classées en familles et superfamilles sur la base de caractéristiques structurelles et séquentielles communes. Les familles de protéines sont constituées de protéines présentant une grande similitude de séquence et partageant souvent des relations fonctionnelles et évolutives. Les superfamilles englobent des familles de protéines apparentées qui partagent des similitudes structurelles et fonctionnelles, mais qui peuvent avoir divergé au cours de l'évolution.

These are just a few examples of protein classification methods, and there are other specialized systems based on specific properties or research areas. It's important to note that proteins can belong to multiple classification categories simultaneously, as they can have similar structures, functions, or evolutionary origins. Classification systems serve as useful tools for organizing and understanding the vast diversity of proteins found in living organisms.

(Q) - Il y a donc une sorte de classification complexe et intriquée, n'est-ce pas ?

 (R) - Oui, la classification des protéines peut en effet être complexe en raison des divers facteurs pris en compte et des interrelations entre les différents systèmes de classification. Les protéines sont des molécules très diverses, dotées de caractéristiques uniques, et leur classification reflète cette complexité.

Les différentes méthodes de classification se recoupent et se complètent souvent, ce qui permet une compréhension globale de la structure, de la fonction et de l'évolution des protéines. Par exemple, les systèmes de classification structurelle tels que SCOP ou CATH prennent en compte l'organisation globale des plis et des domaines des protéines, tandis que les systèmes de classification fonctionnelle se concentrent sur les rôles et les activités biologiques des protéines. La classification basée sur l'homologie tient compte des relations évolutives et des similitudes de séquence, et la classification par ontologie génique fournit un vocabulaire normalisé pour décrire les fonctions des protéines.

En outre, les protéines peuvent appartenir à plusieurs catégories au sein d'un système de classification. Par exemple, une protéine peut avoir une structure spécifique et être classée dans un pli particulier, tout en faisant partie d'une famille de protéines sur la base de la similarité des séquences et des caractéristiques fonctionnelles. Cette classification multidimensionnelle permet aux chercheurs d'explorer différents aspects des protéines et de mieux comprendre leurs propriétés et leurs relations.

Dans l'ensemble, la nature complexe de la classification des protéines reflète la nature complexe des protéines elles-mêmes et les efforts déployés pour organiser et comprendre leurs divers attributs. Ces systèmes de classification fournissent des cadres pour l'étude des protéines et facilitent la communication et le partage des connaissances entre les chercheurs dans ce domaine.

(Q) - Peut-on dire qu'il y a aussi, dans ces différentes classifications, quelque chose qui pourrait ressembler à un pôle phénétique et à un pôle cladistique ?

(R) - Oui, dans le domaine de la classification des protéines, il y a des éléments qui peuvent être associés aux approches phénétiques (aussi connues sous le nom de taxonomie numérique) et cladistiques.

Classification phénétique : La classification phénétique met l'accent sur les similitudes et les différences globales entre les protéines, souvent sur la base d'une analyse numérique ou statistique de leurs caractéristiques. Elle se concentre sur des traits ou des caractéristiques quantifiables et vise à regrouper les protéines sur la base d'une ressemblance globale. Dans le contexte de la classification des protéines, les approches phénétiques peuvent impliquer le regroupement des protéines sur la base de mesures de similarité telles que l'alignement des séquences, l'alignement structurel ou la comparaison d'autres propriétés physicochimiques.

Classification cladistique : La classification cladistique, quant à elle, est basée sur les relations évolutives et les ancêtres partagés. Elle cherche à identifier des groupes monophylétiques (clades) qui comprennent un ancêtre commun et tous ses descendants. La cladistique repose sur l'analyse phylogénétique, qui consiste à comparer des séquences de protéines ou d'autres données moléculaires pour reconstruire des arbres ou des réseaux évolutifs. Les cladogrammes qui en résultent décrivent les relations évolutives entre les protéines et peuvent aider à les classer en groupes sur la base de leur histoire évolutive.

Dans la pratique, les approches phénétiques et cladistiques sont souvent utilisées en combinaison, en exploitant différents types de données et d'analyses pour obtenir une compréhension plus complète de la classification des protéines. Les systèmes de classification structurelle tels que SCOP ou CATH, par exemple, intègrent à la fois les principes phénétiques et cladistiques. Ils prennent en compte les similitudes structurelles (aspect phénétique) mais visent également à refléter les relations évolutives et les ancêtres partagés (aspect cladistique) en regroupant les protéines dans des catégories hiérarchiques basées sur leurs plis, leurs domaines et leurs connexions évolutives.

En intégrant à la fois les perspectives phénétiques et cladistiques, les systèmes de classification des protéines peuvent saisir à la fois les similitudes et les différences globales entre les protéines (pôle phénétique) et leur histoire évolutive et leurs liens de parenté (pôle cladistique). Cela permet d'obtenir un cadre de classification plus nuancé et plus informatif dans le domaine de la science des protéines.

(Q) - ok merci : existe-t-il aussi une classification tridimensionnelle ?

(R) - Oui, il existe une classification tridimensionnelle (3D) des protéines basée sur leurs propriétés structurelles. La classification 3D consiste à classer les protéines en fonction de leurs structures tridimensionnelles plutôt qu'en fonction de leur séquence ou de leurs similitudes fonctionnelles. Ce type de classification est particulièrement pertinent en biologie structurale et en modélisation moléculaire.

Dans la classification 3D, les protéines sont regroupées en fonction de leur pli global, de l'arrangement des éléments structurels secondaires et de l'arrangement spatial des atomes. Elle tient compte de la disposition et de l'orientation spécifiques des domaines protéiques, des motifs et d'autres caractéristiques structurelles.

La classification structurelle des protéines (SCOP) et la base de données CATH (Class, Architecture, Topology, Homologous superfamily), que j'ai mentionnées précédemment, fournissent des classifications hiérarchiques qui incluent des informations structurelles en 3D. Ces classifications classent les protéines dans différentes catégories en fonction de leur pliage global et de leur organisation structurelle.

En outre, d'autres méthodes et algorithmes, tels que les outils d'alignement structurel, peuvent être utilisés pour comparer les structures des protéines et identifier les similitudes et les différences. Ces approches aident à regrouper ou à classer les protéines en groupes structurels 3D, ce qui permet aux chercheurs d'analyser et de comprendre les relations entre les structures des protéines d'une manière plus détaillée.

La classification 3D des protéines fournit des informations précieuses sur la diversité structurelle et les relations entre les protéines. Elle est particulièrement utile pour étudier la fonction des protéines, les mécanismes d'action, les interactions protéine-protéine et la conception de médicaments. En considérant les aspects tridimensionnels de la structure des protéines, les chercheurs peuvent mieux comprendre comment la structure des protéines est liée à la fonction et aux relations évolutives.

Auteur: chatGPT4

Info:

[ machine-homme ] [ chimie ] [ taxinomies ] [ typologies ]

hiérarchie cosmique

Les hypercivilisations et l’hypothèse des extraterrestres primitifs

De plus en plus de spécialistes admettent que la vie est partout dans l’Univers et que trois-quatre milliards d’années de conditions favorables, durables sur une planète, assurent l’émergence et le développement d’êtres intelligents et éventuellement la naissance d’une "civilisation technologique", capable de construire des vaisseaux spatiaux, pour voyager vers d’autres planètes habitables.

Ces conditions, bien que rares, se retrouvent en de nombreux endroits dans l’immensité de l’univers. Sur cette base, l’hypothèse extraterrestre est devenue le moyen le plus facile d’expliquer le phénomène OVNI.

D’un autre côté, des ufologues prestigieux, dont le Dr J. Allen Hynek ou Jacques Vallée, ont remis en question cette explication. Avec les sceptiques purs et durs, ils ont mentionné, entre autres, que les distances entre les civilisations sont trop grandes pour de tels voyages cosmiques.

Mais, comme je l’ai soutenu dans mon récent livre "UFOs over Romania", si nous adoptons une approche appropriée, nous découvrirons que les distances les plus importantes entre les civilisations cosmiques ne sont pas celles de l’espace mais celles du temps.

J’ai estimé que, dans l’histoire de notre Galaxie, un certain nombre de civilisations technologiques ont pu voir le jour, dont quelques centaines ont survécu aux maladies infantiles (auxquelles nous sommes confrontés sur Terre) et existent toujours.

Mais ces civilisations ne sont pas apparues simultanément. Par exemple, en juillet 2015, on a annoncé la découverte, à 1 400 années-lumière de la Terre, de l’exoplanète Kepler 452b.

Elle est similaire à la Terre et orbite dans la zone habitable d’une étoile semblable au Soleil. Ce système solaire est plus vieux d’un milliard d’années que le nôtre. Cela signifie que la vie et une éventuelle civilisation technologique pourraient y être apparues un milliard d’années plus tôt que sur Terre.

Plus généralement, les premières civilisations technologiques dans la Voie lactée pourraient apparaître il y a un milliard d’années, ou même avant.

Par conséquent, nous comprenons que les civilisations possibles dans le Cosmos sont très éloignées les unes des autres non seulement dans l’espace, mais aussi dans le temps. Dans notre Galaxie, ces quelques centaines de civilisations survivantes, estimées ci-dessus, sont apparues, très probablement, une fois tous les quelques millions d’années. Par conséquent, dans la Voie lactée, il n’existe aucune civilisation proche de notre niveau.

Qu’adviendra-t-il de notre civilisation (si elle survit) dans des millions (ou des milliards) d’années ? Il est impossible de l’imaginer. Nous n’oublions pas que nous ne sommes pas en mesure de prévoir notre avenir, même dans une perspective de quelques centaines d’années seulement. À quoi ressembleraient les habitants d’une civilisation qui nous aurait devancés de plusieurs millions d’années ?

Peut-être sont-ils devenus immortels, peut-être le temps et l’espace ne comptent-ils pas pour eux, peut-être se sont-ils déplacés dans une réalité virtuelle omniprésente, dans d’autres dimensions, etc. Mais la véritable réponse est très certainement encore plus complexe et défie notre logique et notre imagination. Nous pouvons toutefois accepter qu’ils se soient transformés en quelque chose d’autre, au-delà de notre compréhension, en quelque chose que nous pouvons nommer une "hypercivilisation".

Si quelqu’un considère que nous avons été trop optimistes et que les êtres intelligents sont beaucoup plus rares, nous devrions ajouter que notre Voie lactée n’est qu’une des 150 milliards de galaxies de l’Univers, plus ou moins semblables, accessibles à nos instruments. Et nous avons de fortes raisons de croire qu’il existe aussi d’autres Univers, peut-être des Univers "parallèles", peut-être d’autres états de la matière, ou des parties d’un "Multivers", etc.

La scolarisation et la science-fiction, mais pas seulement, ont fixé nos esprits sur des schémas ignorant complètement la possibilité d’hypercivilisations. Par conséquent, nous sommes confrontés à deux "hypothèses extraterrestres" : la première est ce que nous pourrions appeler "l’hypothèse des extraterrestres primitifs", l’autre celle des hypercivilisations.

L' "hypothèse des extraterrestres primitifs" suppose que toutes les civilisations cosmiques sont plus ou moins au même niveau d’évolution. Elle nourrit donc de fausses idées préconçues telles que : des voyages cosmiques très longs et difficiles, le désir d’atterrir sur la pelouse de la Maison Blanche, l’égalité des droits, la conversation, l’invasion, l’intervention, l’aide et ainsi de suite.

Cette vision primitive est totalement invraisemblable. Si les hypercivilisations existent (et elles existent, avec une probabilité de 99,999999%) elles ont exploité, dans les moindres détails, notre Galaxie, il y a des millions d’années, donc elles connaissent, depuis longtemps, notre existence. Ce raisonnement a conduit Enrico Fermi, quand il a dit, en 1950 : "ils devraient être ici ; où sont-ils ?"

Mais ni lui, ni beaucoup d’autres, n’ont envisagé que des représentants d’hypercivilisations pourraient être ici, parmi nous, mais pourraient avoir une apparence si différente de nos attentes que nous ne pourrions pas les reconnaître. Ce qui nous empêche de les voir, c’est aussi un ensemble de préjugés répandus et profondément enracinés, comme ceux qui suivent.

L’idée préconçue de l’égalité des droits. Une différence de plusieurs millions d’années, voire de centaines de millions, est aussi énorme qu’entre nous et un lézard ou même une fourmi.

S’ils sont là (comme c’est très probable), ils peuvent nous examiner, suivre notre évolution, voire nous contacter sous une forme ou une autre, mais ils ne se mettront jamais au même niveau que nous.

L’idée préconçue de la conversation. En 1959 déjà, Giuseppe Cocconi et Philip Morrison affirmaient que si la différence entre deux civilisations est de plusieurs millions d’années, la probabilité qu’elles puissent échanger des idées est nulle. Nous interagissons parfois avec un lézard ; mais il ne s’agira jamais d’une conversation, disaient-ils.

Le provincialisme temporel (terme utilisé par le Dr J. Allen Hynek). Il affirme qu’en opposition avec les siècles sombres précédents, les trois-quatre cents dernières années nous ont finalement amenés à la lumière de la vérité réelle et de la science.

Dans cette lumière, nous pouvons maintenant décider quels faits peuvent être acceptés et lesquels ne seront jamais possibles. Si, il y a environ cent ans, nous avons commencé à utiliser la radio, certains pensent qu’elle restera à jamais le meilleur moyen de communication.

Si Einstein a postulé il y a cent ans que la vitesse de la lumière est une limite, aucune autre loi physique ne sera découverte jusqu’à la fin des temps pour éviter cette limite, etc.

Comme exemple particulier, nous avons la préconception SETI. Selon elle, même si les signaux radio mettent des milliers d’années à passer d’un monde habité à l’autre, les civilisations cosmiques considéreront que la signalisation par ondes radio sera, pour toujours, le moyen de contact le plus approprié et que nous devons dépenser de l’argent pour les rechercher.

L’idée préconçue de l’invasion. Pour beaucoup de gens, il devrait être normal que si une civilisation cosmique arrive sur Terre, elle tente de nous conquérir par la force. Mais les hypercivilisations savaient probablement, il y a des millions d’années, que nous étions là ; elles pouvaient donc nous envahir à tout moment et, dans un certain sens, elles nous envahissent probablement déjà, depuis des millions d’années. Certains "artefacts déplacés" pourraient en être un indice.

L’idée préconçue d’une intervention et d’une aide. Certains espèrent que les extraterrestres nous aideront (ou du moins certains "élus") à surmonter les catastrophes futures. Mais même nous, si nous découvrons un terrain de valeur, qui a échappé à l’intrusion humaine, nous essayons de le déclarer réserve, ne permettant qu’une intervention très limitée, pour des raisons scientifiques. Cette attitude semble se renforcer avec le temps.

Une hypercivilisation observant la Terre et la civilisation technologique humaine devrait agir de manière similaire, en évitant d’interférer dans notre évolution, mais en prélevant des échantillons, en faisant quelques expériences, en ayant des contacts très limités (pas du tout officiellement ou entre égaux) avec seulement quelques individus, sélectionnés selon leurs critères et non les nôtres.

Par conséquent, aucune installation, aucune destruction, d’une part, et aucun contact officiel, aucune conversation ou aide substantielle, d’autre part, ne sont à attendre des civilisations cosmiques hautement avancées, même si elles sont ici maintenant.

La différence entre une hypercivilisation et nous pourrait être aussi grande que celle entre nous et les fourmis. Les entomologistes qui se proposeraient d’étudier la vie d’une fourmilière essaieraient de perturber, le moins possible, sa vie. Ils pourront bien sûr faire des expériences, en examinant ou en modifiant certaines fourmis, voire en les emmenant dans des laboratoires éloignés, en essayant de créer de nouvelles "races", etc.

Ils essaieront certainement de découvrir, autant que possible, la vie de la fourmilière, mais ne présenteront pas de "références" à la reine des fourmis.

Si les entomologistes disposent de la technologie nécessaire, ils créeront quelques fourmis robots, les enverront dans la fourmilière et observeront depuis un endroit sûr, par exemple "sur l’écran de l’ordinateur", les données qu’elles transmettent. Et si une fourmi robot se perdait dans cette mission, l’incident alourdirait un peu les coûts de la recherche, sans être une tragédie.

Nous pouvons spéculer qu’une hypercivilisation pourrait tenter de réaliser, en utilisant du matériel génétique provenant de la Terre, de nouvelles races, avec un cerveau plus grand, une intelligence supérieure, adaptées à certaines tâches spéciales, etc. Par conséquent, de nombreuses "races" décrites par les prétendus abductés (les gris, les grands blonds, etc.) peuvent être de telles races humaines artificielles ou même des bio-robots dérivés de l’espèce humaine.

Ils peuvent être "produits" par exemple dans des réserves ou des bases situées quelque part en dehors de la Terre. De la même manière, nous créons de nouvelles variétés de blé à partir des variétés traditionnelles. Parfois, la variété de blé parfaite devient stérile ou exposée à de nouvelles maladies.

À ce moment-là, les agronomes tentent de trouver des gènes appropriés dans le pool représenté par les espèces primitives de blé, afin d’améliorer la variété "parfaite".

Et si les humains sur Terre étaient le "réservoir sauvage" de gènes, aptes à améliorer des races artificielles ailleurs ? Dans ce cas, il n’y aura pas de problème de compatibilité entre les visiteurs et nous, comme dans certaines histoires d’enlèvement et d’hybridation par des ovnis, mais aussi, par exemple, dans la note biblique : "En ces jours-là, les êtres divins et les filles humaines avaient des relations sexuelles et donnaient naissance à des enfants".

"Ce sont les anciens héros" (Genèse, 6, 4). Certains supposent même qu’il existe une intervention extérieure permanente dans l’évolution de la race humaine afin de l’améliorer.

Mais il est évident que la comparaison ci-dessus – de l’humanité avec une fourmilière – est légèrement forcée, car l’humanité est, néanmoins, une future hypercivilisation potentielle. L’apparition d’une civilisation technologique pourrait être un événement très rare dans notre Galaxie, ne se produisant probablement qu’une fois en plusieurs millions d’années. Il est donc normal que nous intéressions les intelligences supérieures. Mais que peuvent-elles attendre de nous ?

Une hypercivilisation se comportera de manière insaisissable et ne nous donnera pas ses connaissances et ses technologies ; plus encore, elle nous l’interdira. Ce n’est pas seulement à cause de l’agressivité et de la xénophobie humaines, qui font de toute nouvelle technologie de nouvelles armes, ni seulement pour éviter un "choc culturel", qui pourrait virtuellement détruire toutes nos structures sociales, économiques, politiques, militaires, scientifiques, religieuses et culturelles.

Je peux spéculer qu’ils ont aussi d’autres raisons pour cela. Les hypercivilisations pourraient attendre (et peut-être même récolter maintenant) nos idées originales, nos points de vue, nos créations (dans l’art, la science, la philosophie, l’éthique, etc.), qui sont le résultat de millions d’années de notre évolution indépendante. Et toute cette récolte attendue pourrait être détruite par un contact prématuré.

Certaines histoires anciennes, apparemment absurdes, peuvent être une indication d’une telle attitude : la punition pour la pomme de l’arbre interdit de la connaissance, l’enchaînement de Prométhée, ou les anges déchus (du livre d’Enoch), jetés dans une fosse pleine de feu, parce qu’ils ont enseigné aux terriens certaines compétences.

De nombreuses personnes enlevées ou contactées ont parlé des boules de lumière éthérées comme de "dépôts de connaissance et d’intelligence", enregistrant "tout dans l’Univers", entre autres, la vie de tous les individus (ou des plus intéressants). Nous avons quelques indices à ce sujet lorsque nous parlons du "livre de la vie", des "archives akashiques", de l' "inconscient collectif", ou même du "champ morphogénétique", etc.

Cette "super-mémoire" pourrait être écrite sur un support "spirituel", ou sur quelque chose autour de nous que nous ne sommes pas encore capables d’imaginer. Parfois, certaines personnes, sous certaines conditions, pourraient avoir accès à cet entrepôt de données.

C’est ainsi que l’on peut expliquer : le channelling, la "xénoglossie", les "walk-ins", la "réincarnation", les fantômes, etc. Dans une telle réalité virtuelle, le temps est différent. Nous pouvons voyager dans le passé, vivre des événements, sans changer le passé réel, ou nous pouvons voir des scénarios du futur (parfois apocalyptiques), sans accepter la fatalité.

Bien sûr, tout ce qui précède n’est pas une preuve que les hypercivilisations sont l’explication de tout ce qui est étrange et notamment des ovnis. Ce n’est qu’une hypothèse, mais – je pense – une hypothèse qui ne peut être facilement écartée.

 

Auteur: Farcaş Daniel D.

Info: Hypercivilisations and the primitive extraterrestrial hypothesis, openminds 19 july 2017

[ spéculations ] [ xénocommunication ]

homme-machine

Comment l'IA comprend des trucs que personne ne lui lui a appris

Les chercheurs peinent à comprendre comment les modèles d'Intelligence artificielle, formés pour perroquetter les textes sur Internet, peuvent effectuer des tâches avancées comme coder, jouer à des jeux ou essayer de rompre un mariage.

Personne ne sait encore comment ChatGPT et ses cousins ​​de l'intelligence artificielle vont transformer le monde, en partie parce que personne ne sait vraiment ce qui se passe à l'intérieur. Certaines des capacités de ces systèmes vont bien au-delà de ce pour quoi ils ont été formés, et même leurs inventeurs ne savent pas pourquoi. Un nombre croissant de tests suggèrent que ces systèmes d'IA développent des modèles internes du monde réel, tout comme notre propre cerveau le fait, bien que la technique des machines soit différente.

"Tout ce que nous voulons faire avec ces systèmes pour les rendre meilleurs ou plus sûrs ou quelque chose comme ça me semble une chose ridicule à demander  si nous ne comprenons pas comment ils fonctionnent", déclare Ellie Pavlick de l'Université Brown,  un des chercheurs travaillant à combler ce vide explicatif.

À un certain niveau, elle et ses collègues comprennent parfaitement le GPT (abréviation de generative pretrained transformer) et d'autres grands modèles de langage, ou LLM. Des modèles qui reposent sur un système d'apprentissage automatique appelé réseau de neurones. De tels réseaux ont une structure vaguement calquée sur les neurones connectés du cerveau humain. Le code de ces programmes est relativement simple et ne remplit que quelques pages. Il met en place un algorithme d'autocorrection, qui choisit le mot le plus susceptible de compléter un passage sur la base d'une analyse statistique laborieuse de centaines de gigaoctets de texte Internet. D'autres algorithmes auto-apprenants supplémentaire garantissant que le système présente ses résultats sous forme de dialogue. En ce sens, il ne fait que régurgiter ce qu'il a appris, c'est un "perroquet stochastique", selon les mots d'Emily Bender, linguiste à l'Université de Washington. Mais les LLM ont également réussi à réussir l'examen pour devenir avocat, à expliquer le boson de Higgs en pentamètre iambique (forme de poésie contrainte) ou à tenter de rompre le mariage d'un utilisateurs. Peu de gens s'attendaient à ce qu'un algorithme d'autocorrection assez simple acquière des capacités aussi larges.

Le fait que GPT et d'autres systèmes d'IA effectuent des tâches pour lesquelles ils n'ont pas été formés, leur donnant des "capacités émergentes", a surpris même les chercheurs qui étaient généralement sceptiques quant au battage médiatique sur les LLM. "Je ne sais pas comment ils le font ou s'ils pourraient le faire plus généralement comme le font les humains, mais tout ça mes au défi mes pensées sur le sujet", déclare Melanie Mitchell, chercheuse en IA à l'Institut Santa Fe.

"C'est certainement bien plus qu'un perroquet stochastique, qui auto-construit sans aucun doute une certaine représentation du monde, bien que je ne pense pas que ce soit  vraiment de la façon dont les humains construisent un modèle de monde interne", déclare Yoshua Bengio, chercheur en intelligence artificielle à l'université de Montréal.

Lors d'une conférence à l'Université de New York en mars, le philosophe Raphaël Millière de l'Université de Columbia a offert un autre exemple à couper le souffle de ce que les LLM peuvent faire. Les modèles avaient déjà démontré leur capacité à écrire du code informatique, ce qui est impressionnant mais pas trop surprenant car il y a tellement de code à imiter sur Internet. Millière est allé plus loin en montrant que le GPT peut aussi réaliser du code. Le philosophe a tapé un programme pour calculer le 83e nombre de la suite de Fibonacci. "Il s'agit d'un raisonnement en plusieurs étapes d'un très haut niveau", explique-t-il. Et le robot a réussi. Cependant, lorsque Millière a demandé directement le 83e nombre de Fibonacci, GPT s'est trompé, ce qui suggère que le système ne se contentait pas de répéter ce qui se disait sur l'internet. Ce qui suggère que le système ne se contente pas de répéter ce qui se dit sur Internet, mais qu'il effectue ses propres calculs pour parvenir à la bonne réponse.

Bien qu'un LLM tourne sur un ordinateur, il n'en n'est pas un lui-même. Il lui manque des éléments de calcul essentiels, comme sa propre mémoire vive. Reconnaissant tacitement que GPT seul ne devrait pas être capable d'exécuter du code, son inventeur, la société technologique OpenAI, a depuis introduit un plug-in spécialisé -  outil que ChatGPT peut utiliser pour répondre à une requête - qui remédie à cela. Mais ce plug-in n'a pas été utilisé dans la démonstration de Millière. Au lieu de cela, ce dernier suppose plutôt que la machine a improvisé une mémoire en exploitant ses mécanismes d'interprétation des mots en fonction de leur contexte -  situation similaire à la façon dont la nature réaffecte des capacités existantes à de nouvelles fonctions.

Cette capacité impromptue démontre que les LLM développent une complexité interne qui va bien au-delà d'une analyse statistique superficielle. Les chercheurs constatent que ces systèmes semblent parvenir à une véritable compréhension de ce qu'ils ont appris. Dans une étude présentée la semaine dernière à la Conférence internationale sur les représentations de l'apprentissage (ICLR), le doctorant Kenneth Li de l'Université de Harvard et ses collègues chercheurs en intelligence artificielle, Aspen K. Hopkins du Massachusetts Institute of Technology, David Bau de la Northeastern University et Fernanda Viégas , Hanspeter Pfister et Martin Wattenberg, tous à Harvard, ont créé leur propre copie plus petite du réseau neuronal GPT afin de pouvoir étudier son fonctionnement interne. Ils l'ont entraîné sur des millions de matchs du jeu de société Othello en alimentant de longues séquences de mouvements sous forme de texte. Leur modèle est devenu un joueur presque parfait.

Pour étudier comment le réseau de neurones encodait les informations, ils ont adopté une technique que Bengio et Guillaume Alain, également de l'Université de Montréal, ont imaginée en 2016. Ils ont créé un réseau de "sondes" miniatures pour analyser le réseau principal couche par couche. Li compare cette approche aux méthodes des neurosciences. "C'est comme lorsque nous plaçons une sonde électrique dans le cerveau humain", dit-il. Dans le cas de l'IA, la sonde a montré que son "activité neuronale" correspondait à la représentation d'un plateau de jeu d'Othello, bien que sous une forme alambiquée. Pour confirmer ce résultat, les chercheurs ont inversé la sonde afin d'implanter des informations dans le réseau, par exemple en remplaçant l'un des marqueurs noirs du jeu par un marqueur blanc. "En fait, nous piratons le cerveau de ces modèles de langage", explique Li. Le réseau a ajusté ses mouvements en conséquence. Les chercheurs ont conclu qu'il jouait à Othello à peu près comme un humain : en gardant un plateau de jeu dans son "esprit" et en utilisant ce modèle pour évaluer les mouvements. Li pense que le système apprend cette compétence parce qu'il s'agit de la description la plus simple et efficace de ses données pour l'apprentissage. "Si l'on vous donne un grand nombre de scripts de jeu, essayer de comprendre la règle qui les sous-tend est le meilleur moyen de les comprimer", ajoute-t-il.

Cette capacité à déduire la structure du monde extérieur ne se limite pas à de simples mouvements de jeu ; il apparaît également dans le dialogue. Belinda Li (aucun lien avec Kenneth Li), Maxwell Nye et Jacob Andreas, tous au MIT, ont étudié des réseaux qui jouaient à un jeu d'aventure textuel. Ils ont introduit des phrases telles que "La clé est dans le coeur du trésor", suivies de "Tu prends la clé". À l'aide d'une sonde, ils ont constaté que les réseaux encodaient en eux-mêmes des variables correspondant à "coeur" et "Tu", chacune avec la propriété de posséder ou non une clé, et mettaient à jour ces variables phrase par phrase. Le système n'a aucun moyen indépendant de savoir ce qu'est une boîte ou une clé, mais il a acquis les concepts dont il avait besoin pour cette tâche."

"Une représentation de cette situation est donc enfouie dans le modèle", explique Belinda Li.

Les chercheurs s'émerveillent de voir à quel point les LLM sont capables d'apprendre du texte. Par exemple, Pavlick et sa doctorante d'alors, l'étudiante Roma Patel, ont découvert que ces réseaux absorbent les descriptions de couleur du texte Internet et construisent des représentations internes de la couleur. Lorsqu'ils voient le mot "rouge", ils le traitent non seulement comme un symbole abstrait, mais comme un concept qui a une certaine relation avec le marron, le cramoisi, le fuchsia, la rouille, etc. Démontrer cela fut quelque peu délicat. Au lieu d'insérer une sonde dans un réseau, les chercheurs ont étudié sa réponse à une série d'invites textuelles. Pour vérifier si le systhème ne faisait pas simplement écho à des relations de couleur tirées de références en ligne, ils ont essayé de le désorienter en lui disant que le rouge est en fait du vert - comme dans la vieille expérience de pensée philosophique où le rouge d'une personne correspond au vert d'une autre. Plutôt que répéter une réponse incorrecte, les évaluations de couleur du système ont évolué de manière appropriée afin de maintenir les relations correctes.

Reprenant l'idée que pour remplir sa fonction d'autocorrection, le système recherche la logique sous-jacente de ses données d'apprentissage, le chercheur en apprentissage automatique Sébastien Bubeck de Microsoft Research suggère que plus la gamme de données est large, plus les règles du système faire émerger sont générales. "Peut-être que nous nous constatons un tel bond en avant parce que nous avons atteint une diversité de données suffisamment importante pour que le seul principe sous-jacent à toutes ces données qui demeure est que des êtres intelligents les ont produites... Ainsi la seule façon pour le modèle d'expliquer toutes ces données est de devenir intelligent lui-même".

En plus d'extraire le sens sous-jacent du langage, les LLM sont capables d'apprendre en temps réel. Dans le domaine de l'IA, le terme "apprentissage" est généralement réservé au processus informatique intensif dans lequel les développeurs exposent le réseau neuronal à des gigaoctets de données et ajustent petit à petit ses connexions internes. Lorsque vous tapez une requête dans ChatGPT, le réseau devrait être en quelque sorte figé et, contrairement à l'homme, ne devrait pas continuer à apprendre. Il fut donc surprenant de constater que les LLM apprennent effectivement à partir des invites de leurs utilisateurs, une capacité connue sous le nom d'"apprentissage en contexte". "Il s'agit d'un type d'apprentissage différent dont on ne soupçonnait pas l'existence auparavant", explique Ben Goertzel, fondateur de la société d'IA SingularityNET.

Un exemple de la façon dont un LLM apprend vient de la façon dont les humains interagissent avec les chatbots tels que ChatGPT. Vous pouvez donner au système des exemples de la façon dont vous voulez qu'il réponde, et il obéira. Ses sorties sont déterminées par les derniers milliers de mots qu'il a vus. Ce qu'il fait, étant donné ces mots, est prescrit par ses connexions internes fixes - mais la séquence de mots offre néanmoins une certaine adaptabilité. Certaines personnes utilisent le jailbreak à des fins sommaires, mais d'autres l'utilisent pour obtenir des réponses plus créatives. "Il répondra mieux aux questions scientifiques, je dirais, si vous posez directement la question, sans invite spéciale de jailbreak, explique William Hahn, codirecteur du laboratoire de perception de la machine et de robotique cognitive à la Florida Atlantic University. "Sans il sera un meilleur universitaire." (Comme son nom l'indique une invite jailbreak -prison cassée-, invite à  moins délimiter-verrouiller les fonctions de recherche et donc à les ouvrir, avec les risques que ça implique) .

Un autre type d'apprentissage en contexte se produit via l'incitation à la "chaîne de pensée", ce qui signifie qu'on demande au réseau d'épeler chaque étape de son raisonnement - manière de faire qui permet de mieux résoudre les problèmes de logique ou d'arithmétique en passant par plusieurs étapes. (Ce qui rend l'exemple de Millière si surprenant  puisque le réseau a trouvé le nombre de Fibonacci sans un tel encadrement.)

En 2022, une équipe de Google Research et de l'École polytechnique fédérale de Zurich - Johannes von Oswald, Eyvind Niklasson, Ettore Randazzo, João Sacramento, Alexander Mordvintsev, Andrey Zhmoginov et Max Vladymyrov - a montré que l'apprentissage en contexte suit la même procédure de calcul de base que l'apprentissage standard, connue sous le nom de descente de gradient". 

Cette procédure n'était pas programmée ; le système l'a découvert sans aide. "C'est probablement une compétence acquise", déclare Blaise Agüera y Arcas, vice-président de Google Research. De fait il pense que les LLM peuvent avoir d'autres capacités latentes que personne n'a encore découvertes. "Chaque fois que nous testons une nouvelle capacité que nous pouvons quantifier, nous la trouvons", dit-il.

Bien que les LLM aient suffisamment d'angles morts et autres défauts pour ne pas être qualifiés d'intelligence générale artificielle, ou AGI - terme désignant une machine qui atteint l'ingéniosité du cerveau animal - ces capacités émergentes suggèrent à certains chercheurs que les entreprises technologiques sont plus proches de l'AGI que même les optimistes ne l'avaient deviné. "Ce sont des preuves indirectes que nous en sommes probablement pas si loin", a déclaré Goertzel en mars lors d'une conférence sur le deep learning à la Florida Atlantic University. Les plug-ins d'OpenAI ont donné à ChatGPT une architecture modulaire un peu comme celle du cerveau humain. "La combinaison de GPT-4 [la dernière version du LLM qui alimente ChatGPT] avec divers plug-ins pourrait être une voie vers une spécialisation des fonctions semblable à celle de l'homme", déclare Anna Ivanova, chercheuse au M.I.T.

Dans le même temps, les chercheurs s'inquiètent de voir leur capacité à étudier ces systèmes s'amenuiser. OpenAI n'a pas divulgué les détails de la conception et de l'entraînement de GPT-4, en partie du à la concurrence avec Google et d'autres entreprises, sans parler des autres pays. "Il y aura probablement moins de recherche ouverte de la part de l'industrie, et les choses seront plus cloisonnées et organisées autour de la construction de produits", déclare Dan Roberts, physicien théoricien au M.I.T., qui applique les techniques de sa profession à la compréhension de l'IA.

Ce manque de transparence ne nuit pas seulement aux chercheurs, il entrave également les efforts qui visent à comprendre les répercussions sociales de l'adoption précipitée de la technologie de l'IA. "La transparence de ces modèles est la chose la plus importante pour garantir la sécurité", affirme M. Mitchell.

Auteur: Musser Georges

Info: https://www.scientificamerican.com,  11 mai 2023. *algorithme d'optimisation utilisé dans l'apprentissage automatique et les problèmes d'optimisation. Il vise à minimiser ou à maximiser une fonction en ajustant ses paramètres de manière itérative. L'algorithme part des valeurs initiales des paramètres et calcule le gradient de la fonction au point actuel. Les paramètres sont ensuite mis à jour dans la direction du gradient négatif (pour la minimisation) ou positif (pour la maximisation), multiplié par un taux d'apprentissage. Ce processus est répété jusqu'à ce qu'un critère d'arrêt soit rempli. La descente de gradient est largement utilisée dans la formation des modèles d'apprentissage automatique pour trouver les valeurs optimales des paramètres qui minimisent la différence entre les résultats prédits et les résultats réels. Trad et adaptation Mg

[ singularité technologique ] [ versatilité sémantique ]

intelligence artificielle

Apprendre l'anglais n'est pas une tâche facile, comme le savent d'innombrables étudiants. Mais lorsque l'étudiant est un ordinateur, une approche fonctionne étonnamment bien : Il suffit d'alimenter un modèle mathématique géant, appelé réseau neuronal, avec des montagnes de textes provenant d'Internet. C'est le principe de fonctionnement des modèles linguistiques génératifs tels que ChatGPT d'OpenAI, dont la capacité à tenir une conversation cohérente (à défaut d'être toujours sincère) sur un large éventail de sujets a surpris les chercheurs et le public au cours de l'année écoulée.

Mais cette approche présente des inconvénients. D'une part, la procédure de "formation" nécessaire pour transformer de vastes archives textuelles en modèles linguistiques de pointe est coûteuse et prend beaucoup de temps. D'autre part, même les personnes qui forment les grands modèles linguistiques ont du mal à comprendre leur fonctionnement interne, ce qui, à son tour, rend difficile la prévision des nombreuses façons dont ils peuvent échouer.

Face à ces difficultés, certains chercheurs ont choisi d'entraîner des modèles plus petits sur des ensembles de données plus restreints, puis d'étudier leur comportement. "C'est comme le séquençage du génome de la drosophile par rapport au séquençage du génome humain", explique Ellie Pavlick, chercheuse sur les modèles de langage à l'université de Brown.

Dans un article récemment publié sur le serveur scientifique arxiv.org, deux chercheurs de Microsoft ont présenté une nouvelle méthode pour former de minuscules modèles de langage : Les élever avec un régime strict d'histoires pour enfants.

RÉSEAUX NEURONAUX

Des chercheurs acquièrent une nouvelle compréhension à partir d'une simple IA  

Les chercheurs en apprentissage automatique ont compris cette leçon. GPT-3.5, le grand modèle linguistique qui alimente l'interface ChatGPT, compte près de 200 milliards de paramètres et a été entraîné sur un ensemble de données comprenant des centaines de milliards de mots (OpenAI n'a pas publié les chiffres correspondants pour son successeur, GPT-4).  L'entraînement de modèles aussi vastes nécessite généralement au moins 1 000 processeurs spécialisés, appelés GPU, fonctionnant en parallèle pendant des semaines. Seules quelques entreprises peuvent réunir les ressources nécessaires, sans parler de l'entraînement et de la comparaison de différents modèles.

Les deux chercheurs ont montré que des modèles linguistiques des milliers de fois plus petits que les systèmes de pointe actuels apprenaient rapidement à raconter des histoires cohérentes et grammaticalement justes lorsqu'ils étaient formés de cette manière. Leurs résultats indiquent de nouvelles pistes de recherche qui pourraient être utiles pour former des modèles plus importants et comprendre leur comportement.

"J'ai trouvé tout  ça très instructif", a déclaré Chandra Bhagavatula, chercheur sur les modèles de langage à l'Allen Institute for Artificial Intelligence de Seattle. "Le concept lui-même est très intéressant.

Il était une fois

Les réseaux neuronaux au cœur des modèles de langage sont des structures mathématiques vaguement inspirées du cerveau humain. Chacun d'entre eux contient de nombreux neurones artificiels disposés en couches, avec des connexions entre les neurones des couches adjacentes. Le comportement du réseau neuronal est régi par la force de ces connexions, appelées paramètres. Dans un modèle linguistique, les paramètres contrôlent les mots que le modèle peut produire ensuite, compte tenu d'une invite initiale et des mots qu'il a déjà générés.

Un modèle ne prend véritablement vie qu'au cours de la formation, lorsqu'il compare de manière répétée ses propres résultats au texte de son ensemble de données de formation et qu'il ajuste ses paramètres afin d'accroître la ressemblance. Un réseau non entraîné avec des paramètres aléatoires est trivialement facile à assembler à partir de quelques lignes de code, mais il ne produira que du charabia. Après l'entraînement, il peut souvent poursuivre de manière plausible un texte peu familier. Les modèles de plus grande taille sont souvent soumis à des réglages plus fins qui leur apprennent à répondre à des questions et à suivre des instructions, mais l'essentiel de la formation consiste à maîtriser la prédiction des mots.

Pour réussir à prédire des mots, un modèle linguistique doit maîtriser de nombreuses compétences différentes. Par exemple, les règles de la grammaire anglaise suggèrent que le mot suivant le mot "going" sera probablement "to", quel que soit le sujet du texte. En outre, un système a besoin de connaissances factuelles pour compléter "la capitale de la France est", et compléter un passage contenant le mot "not" nécessite une connaissance rudimentaire de la logique.

"Le langage brut est très compliqué", explique Timothy Nguyen, chercheur en apprentissage automatique chez DeepMind. "Pour que des capacités linguistiques intéressantes apparaissent, les gens ont eu recours à l'idée que plus il y a de données, mieux c'est".

(photo) Ronen Eldan s'est rendu compte qu'il pouvait utiliser les histoires d'enfants générées par de grands modèles linguistiques pour en entraîner rapidement de plus petits.

Introduction

Ronen Eldan, mathématicien qui a rejoint Microsoft Research en 2022 pour étudier les modèles de langage génératifs, souhaitait développer un moyen moins coûteux et plus rapide d'explorer leurs capacités. Le moyen naturel d'y parvenir était d'utiliser un petit ensemble de données, ce qui signifiait qu'il devait entraîner les modèles à se spécialiser dans une tâche spécifique, afin qu'ils ne s'éparpillent pas. Au départ, il voulait entraîner les modèles à résoudre une certaine catégorie de problèmes mathématiques, mais un après-midi, après avoir passé du temps avec sa fille de 5 ans, il s'est rendu compte que les histoires pour enfants convenaient parfaitement. "L'idée m'est venue littéralement après lui avoir lu une histoire", a-t-il déclaré.

Pour générer des histoires cohérentes pour les enfants, un modèle de langage devrait apprendre des faits sur le monde, suivre les personnages et les événements, et observer les règles de grammaire - des versions plus simples des défis auxquels sont confrontés les grands modèles. Mais les grands modèles formés sur des ensembles de données massives apprennent d'innombrables détails non pertinents en même temps que les règles qui comptent vraiment. Eldan espérait que la brièveté et le vocabulaire limité des histoires pour enfants rendraient l'apprentissage plus gérable pour les petits modèles, ce qui les rendrait à la fois plus faciles à former et plus faciles à comprendre.

Dans le monde des modèles de langage, cependant, le terme "petit" est relatif : Un ensemble de données mille fois plus petit que celui utilisé pour former GPT-3.5 devrait encore contenir des millions d'histoires. "Je ne sais pas combien d'argent vous voulez dépenser, mais je suppose que vous n'allez pas engager des professionnels pour écrire quelques millions de nouvelles", a déclaré M. Nguyen.

Il faudrait un auteur extraordinairement prolifique pour satisfaire des lecteurs aussi voraces, mais Eldan avait quelques candidats en tête. Qui peut mieux écrire pour un public de petits modèles linguistiques que pour de grands modèles ?

Toys stories

Eldan a immédiatement entrepris de créer une bibliothèque d'histoires synthétiques pour enfants générées par de grands modèles linguistiques. Mais il a rapidement découvert que même les modèles de pointe ne sont pas naturellement très créatifs. Si l'on demande à GPT-4 d'écrire des histoires adaptées à des enfants de 4 ans, explique Eldan, "environ un cinquième des histoires concernera des enfants qui vont au parc et qui ont peur des toboggans". C'est apparemment la quintessence des histoires pour enfants d'âge préscolaire, selon l'Internet.

La solution a consisté à ajouter un peu d'aléatoire dans le message. Tout d'abord, Eldan a utilisé le GPT-4 pour générer une liste de 1 500 noms, verbes et adjectifs qu'un enfant de 4 ans pourrait connaître - suffisamment courte pour qu'il puisse facilement la vérifier lui-même. Il a ensuite écrit un programme informatique simple qui demanderait à plusieurs reprises à GPT-3.5 ou à GPT-4 de générer une histoire adaptée à l'âge de l'enfant, comprenant trois mots aléatoires de la liste, ainsi qu'un détail supplémentaire choisi au hasard, comme une fin heureuse ou un rebondissement de l'intrigue. Les histoires obtenues, heureusement, étaient moins axées sur des diapositives effrayantes.

Eldan disposait désormais d'une procédure pour produire des données de formation à la demande, mais il n'avait aucune idée du nombre d'histoires dont il aurait besoin pour former un modèle fonctionnel, ni de la taille de ce modèle. C'est alors qu'il s'est associé à Yuanzhi Li, chercheur en apprentissage automatique chez Microsoft et à l'université Carnegie Mellon, pour essayer différentes possibilités, en tirant parti du fait que les petits modèles peuvent être formés très rapidement. La première étape consistait à décider comment évaluer leurs modèles.

Introduction

Dans la recherche sur les modèles de langage - comme dans toute salle de classe - la notation est un sujet délicat. Il n'existe pas de rubrique parfaite qui englobe tout ce que les chercheurs veulent savoir, et les modèles qui excellent dans certaines tâches échouent souvent de manière spectaculaire dans d'autres. Au fil du temps, les chercheurs ont mis au point divers critères de référence standard basés sur des questions dont les réponses ne sont pas ambiguës, ce qui est une bonne approche si vous essayez d'évaluer des compétences spécifiques. Mais Eldan et Li se sont intéressés à quelque chose de plus nébuleux : quelle doit être la taille réelle des modèles linguistiques si l'on simplifie le langage autant que possible ?

"Pour vérifier directement si le modèle parle anglais, je pense que la seule chose à faire est de laisser le modèle générer de l'anglais de manière ouverte", a déclaré M. Eldan.

Il n'y a que deux façons de mesurer les performances d'un modèle sur des questions aussi qualitatives : S'appuyer sur des évaluateurs humains ou se tourner à nouveau vers le GPT-4. Les deux chercheurs ont opté pour cette dernière solution, laissant les grands modèles à la fois rédiger les manuels et noter les dissertations.

Bhagavatula a déclaré qu'il aurait aimé voir comment les évaluations de GPT-4 se comparaient à celles des correcteurs humains - GPT-4 peut être biaisé en faveur des modèles qu'il a aidé à former, et l'opacité des modèles de langage rend difficile la quantification de tels biais. Mais il ne pense pas que de telles subtilités affecteraient les comparaisons entre différents modèles formés sur des ensembles similaires d'histoires synthétiques - l'objectif principal du travail d'Eldan et Li.

Eldan et Li ont utilisé une procédure en deux étapes pour évaluer chacun de leurs petits modèles après la formation. Tout d'abord, ils ont présenté au petit modèle la première moitié d'une histoire distincte de celles de l'ensemble des données d'apprentissage, de manière à ce qu'il génère une nouvelle fin, en répétant ce processus avec 50 histoires de test différentes. Ensuite, ils ont demandé à GPT-4 d'évaluer chacune des fins du petit modèle en fonction de trois catégories : créativité, grammaire et cohérence avec le début de l'histoire. Ils ont ensuite fait la moyenne des notes obtenues dans chaque catégorie, obtenant ainsi trois notes finales par modèle.

Avec cette procédure en main, Eldan et Li étaient enfin prêts à comparer les différents modèles et à découvrir quels étaient les étudiants les plus brillants.

Résultats des tests

Après quelques explorations préliminaires, les deux chercheurs ont opté pour un ensemble de données de formation contenant environ 2 millions d'histoires. Ils ont ensuite utilisé cet ensemble de données, baptisé TinyStories, pour entraîner des modèles dont la taille varie de 1 million à 30 millions de paramètres, avec un nombre variable de couches. Le travail a été rapide : En utilisant seulement quatre GPU, l'entraînement du plus grand de ces modèles n'a pas pris plus d'une journée.

Les plus petits modèles ont eu du mal. Par exemple, l'une des histoires testées commence par un homme à l'air méchant qui dit à une fille qu'il va lui prendre son chat. Un modèle à un million de paramètres s'est retrouvé bloqué dans une boucle où la fille répète sans cesse à l'homme qu'elle veut être son amie. Mais les modèles plus grands, qui sont encore des milliers de fois plus petits que GPT-3.5, ont obtenu des résultats surprenants. La version à 28 millions de paramètres racontait une histoire cohérente, même si la fin était sinistre : "Katie s'est mise à pleurer, mais l'homme s'en fichait. Il a emporté le chat et Katie n'a plus jamais revu son chat. Fin de l'histoire".

En plus de tester leurs propres modèles, Eldan et Li ont soumis le même défi au GPT-2 d'OpenAI, un modèle de 1,5 milliard de paramètres publié en 2019. Le résultat a été bien pire - avant la fin abrupte de l'histoire, l'homme menace d'emmener la jeune fille au tribunal, en prison, à l'hôpital, à la morgue et enfin au crématorium.

Introduction

Selon M. Nguyen, il est passionnant que des modèles aussi petits soient aussi fluides, mais il n'est peut-être pas surprenant que GPT-2 ait eu du mal à accomplir la tâche : il s'agit d'un modèle plus grand, mais loin de l'état de l'art, et il a été formé sur un ensemble de données très différent. "Un enfant en bas âge qui ne s'entraînerait qu'à des tâches d'enfant en bas âge, comme jouer avec des jouets, obtiendrait de meilleurs résultats que vous ou moi", a-t-il fait remarquer. "Nous ne nous sommes pas spécialisés dans cette chose simple.

Les comparaisons entre les différents modèles de TinyStories ne souffrent pas des mêmes facteurs de confusion. Eldan et Li ont observé que les réseaux comportant moins de couches mais plus de neurones par couche étaient plus performants pour répondre aux questions nécessitant des connaissances factuelles ; inversement, les réseaux comportant plus de couches et moins de neurones par couche étaient plus performants pour garder en mémoire les personnages et les points de l'intrigue situés plus tôt dans l'histoire. Bhagavatula a trouvé ce résultat particulièrement intriguant. S'il peut être reproduit dans des modèles plus vastes, "ce serait un résultat vraiment intéressant qui pourrait découler de ce travail", a-t-il déclaré.

Eldan et Li ont également étudié comment les capacités de leurs petits modèles dépendaient de la durée de la période de formation. Dans tous les cas, les modèles maîtrisaient d'abord la grammaire, puis la cohérence. Pour Eldan, ce schéma illustre comment les différences dans les structures de récompense entraînent des différences dans les schémas d'acquisition du langage entre les réseaux neuronaux et les enfants. Pour les modèles de langage, qui apprennent en prédisant des mots, "l'incitation pour les mots "je veux avoir" est aussi importante que pour les mots "crème glacée"", a-t-il déclaré. Les enfants, en revanche, "ne se soucient pas de savoir s'ils disent 'j'aimerais avoir de la glace' ou simplement 'glace, glace, glace'".

Qualité contre quantité

Eldan et Li espèrent que cette étude incitera d'autres chercheurs à entraîner différents modèles sur l'ensemble des données de TinyStories et à comparer leurs capacités. Mais il est souvent difficile de prédire quelles caractéristiques des petits modèles apparaîtront également dans les plus grands.

"Peut-être que les modèles de vision chez la souris sont de très bons substituts de la vision humaine, mais les modèles de dépression chez la souris sont-ils de bons modèles de la dépression chez l'homme ? a déclaré M. Pavlick. "Pour chaque cas, c'est un peu différent.

Le succès des modèles TinyStories suggère également une leçon plus large. L'approche standard pour compiler des ensembles de données de formation consiste à aspirer des textes sur l'internet, puis à filtrer les déchets. Le texte synthétique généré par des modèles de grande taille pourrait constituer une autre façon d'assembler des ensembles de données de haute qualité qui n'auraient pas besoin d'être aussi volumineux.

"Nous avons de plus en plus de preuves que cette méthode est très efficace, non seulement pour les modèles de la taille de TinyStories, mais aussi pour les modèles plus importants", a déclaré M. Eldan. Ces preuves proviennent d'une paire d'articles de suivi sur les modèles à un milliard de paramètres, rédigés par Eldan, Li et d'autres chercheurs de Microsoft. Dans le premier article, ils ont entraîné un modèle à apprendre le langage de programmation Python en utilisant des extraits de code générés par GPT-3.5 ainsi que du code soigneusement sélectionné sur l'internet. Dans le second, ils ont complété l'ensemble de données d'entraînement par des "manuels" synthétiques couvrant un large éventail de sujets, afin d'entraîner un modèle linguistique à usage général. Lors de leurs tests, les deux modèles ont été comparés favorablement à des modèles plus importants formés sur des ensembles de données plus vastes. Mais l'évaluation des modèles linguistiques est toujours délicate, et l'approche des données d'entraînement synthétiques n'en est qu'à ses balbutiements - d'autres tests indépendants sont nécessaires.

Alors que les modèles linguistiques de pointe deviennent de plus en plus volumineux, les résultats surprenants de leurs petits cousins nous rappellent qu'il y a encore beaucoup de choses que nous ne comprenons pas, même pour les modèles les plus simples. M. Nguyen s'attend à ce que de nombreux autres articles explorent l'approche inaugurée par TinyStories.

"La question est de savoir où et pourquoi la taille a de l'importance", a-t-il déclaré. "Il devrait y avoir une science à ce sujet, et cet article est, je l'espère, le début d'une riche histoire.



 



 

Auteur: Internet

Info: https://www.quantamagazine.org/ Ben Brubaker, 5 octobre 2023

[ synthèse ]

épistémologie

Opinion: Pourquoi la science a besoin de la philosophe

Malgré les liens historiques étroits entre la science et la philosophie, les scientifiques d'aujourd'hui perçoivent souvent la philosophie comme complètement différente, voire antagoniste, de la science. Nous soutenons ici que, au contraire, la philosophie peut avoir un impact important et productif sur la science.

Nous illustrons notre propos par trois exemples tirés de divers domaines des sciences de la vie contemporaines. Chacun d'entre eux concerne la recherche scientifique de pointe, et chacun ayant été explicitement reconnu par les chercheurs en exercice comme une contribution utile à la science. Ces exemples, et d'autres, montrent que la contribution de la philosophie peut prendre au moins quatre formes : la clarification des concepts scientifiques, l'évaluation critique des hypothèses ou des méthodes scientifiques, la formulation de nouveaux concepts et de nouvelles théories, et la promotion du dialogue entre les différentes sciences, ainsi qu'entre la science et la société.

Clarification conceptuelle et cellules souches.

Tout d'abord, la philosophie offre une clarification conceptuelle. Les clarifications conceptuelles améliorent non seulement la précision et l'utilité des termes scientifiques, mais conduisent également à de nouvelles recherches expérimentales, car le choix d'un cadre conceptuel donné contraint fortement la façon dont les expériences sont conçues.

La définition des cellules souches (stem cells) en est un excellent exemple. La philosophie a une longue tradition d'étude des propriétés, et les outils utilisés dans cette tradition ont récemment été appliqués pour décrire la "souche", propriété qui définit les cellules souches. L'un d'entre nous a montré que quatre types de propriétés différentes existent sous cette dénomination de souche (stemness) au vu des connaissances scientifiques actuelles. Selon le type de tissu, la stemness peut être une propriété catégorielle (propriété intrinsèque de la cellule souche, indépendante de son environnement), une propriété dispositionnelle (propriété intrinsèque de la cellule souche qui est contrôlée par le micro-environnement), une propriété relationnelle (propriété extrinsèque qui peut être conférée aux cellules non souches par le microenvironnement), ou une propriété systémique (propriété qui est maintenue et contrôlée au niveau de la population cellulaire entière).

Hans Clevers, chercheur en biologie des cellules souches et du cancer, note que cette analyse philosophique met en lumière d'importants problèmes sémantiques et conceptuels en oncologie et en biologie des cellules souches ; il suggère également que cette analyse soit facilement applicable à l'expérimentation. En effet, au-delà de la clarification conceptuelle, ce travail philosophique a des applications dans le monde réel, comme l'illustre le cas des cellules souches cancéreuses en oncologie.

Les recherches visant à développer des médicaments ciblant soit les cellules souches cancéreuses, soit leur microenvironnement, reposent en fait sur différents types de souches et sont donc susceptibles d'avoir des taux de réussite différents selon le type de cancer. En outre, elles pourraient ne pas couvrir tous les types de cancer, car les stratégies thérapeutiques actuelles ne tiennent pas compte de la définition systémique de la souche. Déterminer le type de souche présent dans chaque tissu et chaque cancer est donc utile pour orienter le développement et le choix des thérapies anticancéreuses. Dans la pratique, ce cadre a conduit à la recherche de thérapies anticancéreuses qui combinent le ciblage des propriétés intrinsèques des cellules souches cancéreuses, de leur microenvironnement et des points de contrôle immunitaires afin de couvrir tous les types possibles de souches.

En outre, ce cadre philosophique a récemment été appliqué à un autre domaine, l'étude des organoïdes (tissus en 3D dérivés de cellules souches, sont capables de s'auto-organiser et de reproduire certaines fonctions d'un organe.). Dans une revue systémique des données expérimentales sur les organoïdes provenant de diverses sources, Picollet-D'hahan et al. ont caractérisé la capacité à former des organoïdes comme une propriété dispositionnelle. Ils ont pu alors affirmer que pour accroître l'efficacité et la reproductibilité de la production d'organoïdes, actuellement un défi majeur dans le domaine, les chercheurs doivent mieux comprendre la partie intrinsèque de la propriété dispositionnelle qui est influencée par le microenvironnement. Pour distinguer les caractéristiques intrinsèques des cellules qui ont une telle disposition, ce groupe développe actuellement des méthodes de génomique fonctionnelle à haut débit, permettant d'étudier le rôle de pratiquement tous les gènes humains dans la formation des organoïdes.

Immunogénicité et microbiome.

En complément de son rôle dans la clarification conceptuelle, la philosophie peut contribuer à la critique des hypothèses scientifiques et peut même être proactive dans la formulation de théories nouvelles, testables et prédictives qui aident à définir de nouvelles voies pour la recherche empirique.

Par exemple, une critique philosophique du cadre du cadre immunitaire du soi et du non-soi a conduit à deux contributions scientifiques importantes. Tout d'abord, elle a servi de base à la formulation d'un nouveau cadre théorique, la théorie de la discontinuité de l'immunité, qui complète les modèles antérieurs du non-soi et du danger en proposant que le système immunitaire réagisse aux modifications soudaines des motifs antigéniques. Cette théorie éclaire de nombreux phénomènes immunologiques importants, notamment les maladies auto-immunes, les réponses immunitaires aux tumeurs et la tolérance immunologique à des ligands exprimés de façon chronique. La théorie de la discontinuité a été appliquée à une multitude de questions, aidant à explorer les effets des agents chimiothérapeutiques sur l'immunomodulation dans le cancer et expliquant comment les cellules tueuses naturelles modifient constamment leur phénotype et leurs fonctions grâce à leurs interactions avec leurs ligands** d'une manière qui assure la tolérance aux constituants corporels. La théorie permet également d'expliquer les conséquences des vaccinations répétées chez les personnes immunodéprimées et propose des modèles mathématiques dynamiques de l'activation immunitaire. Collectivement, ces diverses évaluations empiriques illustrent comment des propositions d'inspiration philosophique peuvent conduire à des expériences inédites, ouvrant ainsi de nouvelles voies de recherche.

Deuxièmement, la critique philosophique a contribué, avec d'autres approches philosophiques, à la notion selon laquelle tout organisme, loin d'être un soi génétiquement homogène, est une communauté symbiotique abritant et tolérant de multiples éléments étrangers (notamment des bactéries et des virus), qui sont reconnus mais non éliminés par son système immunitaire. La recherche sur l'intégration symbiotique et la tolérance immunitaire a des conséquences considérables sur notre conception de ce qui constitue un organisme individuel, qui est de plus en plus conceptualisé comme un écosystème complexe dont les fonctions clés, du développement à la défense, la réparation et la cognition, sont affectées par les interactions avec les microbes.

Influence sur les sciences cognitives.

L'étude de la cognition et des neurosciences cognitives offre une illustration frappante de l'influence profonde et durable de la philosophie sur la science. Comme pour l'immunologie, les philosophes ont formulé des théories et des expériences influentes, aidé à lancer des programmes de recherche spécifiques et contribué à des changements de paradigme. Mais l'ampleur de cette influence est bien plus importante que dans le cas de l'immunologie. La philosophie a joué un rôle dans le passage du behaviorisme au cognitivisme et au computationnalisme dans les années 1960. La théorie de la modularité de l'esprit, proposée par le philosophe Jerry Fodor, a peut-être été la plus visible. Son influence sur les théories de l'architecture cognitive peut difficilement être dépassée. Dans un hommage rendu après le décès de Fodor en 2017, l'éminent psychologue cognitif James Russell a parlé dans le magazine de la British Psychological Society de "psychologie cognitive du développement BF (avant Fodor) et AF (après Fodor) ".

La modularité renvoie à l'idée que les phénomènes mentaux résultent du fonctionnement de multiples processus distincts, et non d'un seul processus indifférencié. Inspiré par les résultats de la psychologie expérimentale, par la linguistique chomskienne et par les nouvelles théories computationnelles de la philosophie de l'esprit, Fodor a théorisé que la cognition humaine est structurée en un ensemble de modules spécialisés de bas niveau, spécifiques à un domaine et encapsulés sur le plan informationnel, et en un système central de plus haut niveau, général à un domaine, pour le raisonnement abductif, l'information ne circulant que verticalement vers le haut, et non vers le bas ou horizontalement (c'est-à-dire entre les modules). Il a également formulé des critères stricts de modularité. Aujourd'hui encore, la proposition de Fodor définit les termes d'une grande partie de la recherche empirique et de la théorie dans de nombreux domaines des sciences cognitives et des neurosciences, y compris le développement cognitif, la psychologie de l'évolution, l'intelligence artificielle et l'anthropologie cognitive. Bien que sa théorie ait été révisée et remise en question, les chercheurs continuent d'utiliser, de peaufiner et de débattre de son approche et de sa boîte à outils conceptuelle de base.

La philosophie et la science partagent les outils de la logique, de l'analyse conceptuelle et de l'argumentation rigoureuse. Cependant, les philosophes peuvent utiliser ces outils avec des degrés de rigueur, de liberté et d'abstraction théorique que les chercheurs praticiens ne peuvent souvent pas se permettre dans leurs activités quotidiennes.

La tâche des fausses croyances constitue un autre exemple clé de l'impact de la philosophie sur les sciences cognitives. Le philosophe Daniel Dennett a été le premier à concevoir la logique de base de cette expérience comme une révision d'un test utilisé pour évaluer la théorie de l'esprit, la capacité d'attribuer des états mentaux à soi-même et aux autres. Cette tâche teste la capacité d'attribuer à autrui des croyances que l'on considère comme fausses, l'idée clé étant que le raisonnement sur les croyances fausses d'autrui, par opposition aux croyances vraies, exige de concevoir les autres personnes comme ayant des représentations mentales qui divergent des siennes et de la façon dont le monde est réellement. Sa première application empirique remonte à 1983 , dans un article dont le titre, "Beliefs About Beliefs : Representation and Constraining Function of Wrong Beliefs in Young Children's Understanding of Deception", est en soi un hommage direct à la contribution de Dennett.

La tâche des fausses croyances représente une expérience marquante dans divers domaines des sciences cognitives et des neurosciences, avec de vastes applications et implications. Il s'agit notamment de tester les stades du développement cognitif chez les enfants, de débattre de l'architecture de la cognition humaine et de ses capacités distinctes, d'évaluer les capacités de la théorie de l'esprit chez les grands singes, de développer des théories de l'autisme en tant que cécité de l'esprit (selon lesquelles les difficultés à réussir la tâche des fausses croyances sont associées à cette maladie), et de déterminer quelles régions particulières du cerveau sont associées à la capacité de raisonner sur le contenu de l'esprit d'une autre personne .

La philosophie a également aidé le domaine des sciences cognitives à éliminer les hypothèses problématiques ou dépassées, contribuant ainsi à l'évolution de la science. Les concepts de l'esprit, de l'intelligence, de la conscience et de l'émotion sont utilisés de manière omniprésente dans différents domaines, avec souvent peu d'accord sur leur signification. L'ingénierie de l'intelligence artificielle, la construction de théories psychologiques des variables de l'état mental et l'utilisation d'outils neuroscientifiques pour étudier la conscience et l'émotion nécessitent des outils conceptuels pour l'autocritique et le dialogue interdisciplinaire - précisément les outils que la philosophie peut fournir.

La philosophie - parfois représentée par la lettre grecque phi - peut contribuer à faire progresser tous les niveaux de l'entreprise scientifique, de la théorie à l'expérience. Parmi les exemples récents, citons les contributions à la biologie des cellules souches, à l'immunologie, à la symbiose et aux sciences cognitives.  

La philosophie et la connaissance scientifique.

Les exemples ci-dessus sont loin d'être les seuls : dans les sciences de la vie, la réflexion philosophique a joué un rôle important dans des questions aussi diverses que l'altruisme évolutif , le débat sur les unités de sélection, la construction d'un "arbre de vie", la prédominance des microbes dans la biosphère, la définition du gène et l'examen critique du concept d'innéité. De même, en physique, des questions fondamentales comme la définition du temps ont été enrichies par les travaux des philosophes. Par exemple, l'analyse de l'irréversibilité temporelle par Huw Price et les courbes temporelles fermées par David Lewis ont contribué à dissiper la confusion conceptuelle en physique.

Inspirés par ces exemples et bien d'autres, nous considérons que la philosophie et la science se situent sur un continuum. La philosophie et la science partagent les outils de la logique, de l'analyse conceptuelle et de l'argumentation rigoureuse. Cependant, les philosophes peuvent utiliser ces outils avec des degrés de minutie, de liberté et d'abstraction théorique que les chercheurs praticiens ne peuvent souvent pas se permettre dans leurs activités quotidiennes. Les philosophes possédant les connaissances scientifiques pertinentes peuvent alors contribuer de manière significative à l'avancement de la science à tous les niveaux de l'entreprise scientifique, de la théorie à l'expérimentation, comme le montrent les exemples ci-dessus.

Mais comment, en pratique, faciliter la coopération entre chercheurs et philosophes ? À première vue, la solution pourrait sembler évidente : chaque communauté devrait faire un pas vers l'autre. Pourtant, ce serait une erreur de considérer cette tâche comme facile. Les obstacles sont nombreux. Actuellement, un nombre important de philosophes dédaignent la science ou ne voient pas la pertinence de la science pour leur travail. Même parmi les philosophes qui privilégient le dialogue avec les chercheurs, rares sont ceux qui ont une bonne connaissance de la science la plus récente. À l'inverse, peu de chercheurs perçoivent les avantages que peuvent leur apporter les idées philosophiques. Dans le contexte scientifique actuel, dominé par une spécialisation croissante et des demandes de financement et de résultats de plus en plus importantes, seul un nombre très limité de chercheurs a le temps et l'opportunité d'être au courant des travaux produits par les philosophes sur la science, et encore moins de les lire.

 Pour surmonter ces difficultés, nous pensons qu'une série de recommandations simples, assez facile à mettre en œuvre, peuvent aider à combler le fossé entre la science et la philosophie. La reconnexion entre la philosophie et la science est à la fois hautement souhaitable et plus réalisable en pratique que ne le suggèrent les décennies d'éloignement qui les séparent.

1) Laisser plus de place à la philosophie dans les conférences scientifiques. Il s'agit d'un mécanisme très simple permettant aux chercheurs d'évaluer l'utilité potentielle des idées des philosophes pour leurs propres recherches. Réciproquement, davantage de chercheurs pourraient participer à des conférences de philosophie, en développant les efforts d'organisations telles que l'International Society for the History, Philosophy, and Social Studies of Biology, la Philosophy of Science Association et la Society for Philosophy of Science in Practice.

2) Accueillir des philosophes dans des laboratoires et des départements scientifiques. Il s'agit d'un moyen efficace (déjà exploré par certains des auteurs et d'autres) pour les philosophes d'apprendre la science et de fournir des analyses plus appropriées et bien fondées, et pour les chercheurs de bénéficier d'apports philosophiques et de s'acclimater à la philosophie en général. C'est peut-être le moyen le plus efficace d'aider la philosophie à avoir un impact rapide et concret sur la science.

3) Co-superviser des doctorants. La co-supervision de doctorants par un chercheur et un philosophe est une excellente occasion de rendre possible l'enrichissement mutuel des deux domaines. Elle facilite la production de thèses qui sont à la fois riches sur le plan expérimental et rigoureuses sur le plan conceptuel et, ce faisant, elle forme la prochaine génération de philosophes-scientifiques.

4) Créer des programmes d'études équilibrés en science et en philosophie qui favorisent un véritable dialogue entre elles. De tels programmes existent déjà dans certains pays, mais leur développement devrait être une priorité absolue. Ils peuvent offrir aux étudiants en sciences une perspective qui les rend plus aptes à relever les défis conceptuels de la science moderne et fournir aux philosophes une base solide de connaissances scientifiques qui maximisera leur impact sur la science. Les programmes d'enseignement des sciences peuvent inclure un cours d'histoire des sciences et de philosophie des sciences. Les programmes de philosophie pourraient inclure un module de sciences.

5) Lire science et philosophie. La lecture des sciences est indispensable à la pratique de la philosophie des sciences, mais la lecture de la philosophie peut également constituer une grande source d'inspiration pour les chercheurs, comme l'illustrent certains des exemples ci-dessus. Par exemple, les clubs de lecture où les contributions scientifiques et philosophiques sont discutées constituent un moyen efficace d'intégrer la philosophie et la science.

6) Ouvrir de nouvelles sections consacrées aux questions philosophiques et conceptuelles dans les revues scientifiques. Cette stratégie serait un moyen approprié et convaincant de suggérer que le travail philosophique et conceptuel est continu avec le travail expérimental, dans la mesure où il est inspiré par celui-ci, et peut l'inspirer en retour. Cela rendrait également les réflexions philosophiques sur un domaine scientifique particulier beaucoup plus visibles pour la communauté scientifique concernée que lorsqu'elles sont publiées dans des revues de philosophie, qui sont rarement lues par les scientifiques.

Nous espérons que les mesures pratiques exposées ci-dessus encourageront une renaissance de l'intégration de la science et de la philosophie. En outre, nous soutenons que le maintien d'une allégeance étroite à la philosophie renforcera la vitalité de la science. La science moderne sans la philosophie se heurtera à un mur : le déluge de données dans chaque domaine rendra l'interprétation de plus en plus difficile, négligence et ampleur ampleur de l'histoire risquent de séparer davantage les sous-disciplines scientifiques, et l'accent mis sur les méthodes et les résultats empiriques entraînera une formation de moins en moins approfondie des étudiants. Comme l'a écrit Carl Woese : "une société qui permet à la biologie de devenir une discipline d'ingénierie, qui permet à la science de se glisser dans le rôle de modifier le monde vivant sans essayer de le comprendre, est un danger pour elle-même." Nous avons besoin d'une revigoration de la science à tous les niveaux, une revigoration qui nous rende les bénéfices de liens étroits avec la philosophie.

Auteur: Internet

Info: https://hal.archives-ouvertes.fr/hal-02269657/document. " janvier 2020. Publication collective de Lucie Laplane, Paolo Mantovani, Ralph Adolphs, Hasok Chang, Alberto Mantovani, Margaret McFall-Ngai, Carlo Rovelli, Elliott Sober, et Thomas Pradeua. Trad Mg

[ mécanisme ] [ état des lieux ] [ corps-esprit ] [ tétravalences ] [ tour d'horizon ]

homme-végétal

Il arrive parfois qu’une personne puisse nommer le moment exact où sa vie a changé de manière irrévocable. Pour Cleve Backster, ce fut tôt le matin du 2 février 1966, treize minutes et cinquante-cinq secondes après le début d'un test polygraphique qu'il administrait. Backster, un expert en polygraphie de premier plan dont le test de comparaison de zones Backster est la norme mondiale en matière de détection de mensonge, avait à ce moment-là menacé le bien-être de son sujet de test. Le sujet répondit électrochimiquement à sa menace. Le sujet était une plante.

Depuis lors, Backster a mené des centaines d’expériences démontrant non seulement que les plantes réagissent à nos émotions et à nos intentions, mais aussi les feuilles coupées, les œufs (fécondés ou non), les yaourts et les échantillons de cellules humaines. Il a découvert, par exemple, que les globules blancs prélevés dans la bouche d'une personne et placés dans un tube à essai réagissent toujours électrochimiquement aux états émotionnels du donneur, même lorsque celui-ci est hors de la pièce, du bâtiment ou de l'État.

J'ai entendu parler du travail de Backster pour la première fois quand j'étais enfant. Ses observations ont confirmé une compréhension que j’avais alors, une compréhension que même un diplôme en physique ne pourrait éradiquer plus tard : que le monde est vivant et sensible.

J'ai parlé avec Backster à San Diego, trente et un ans et vingt-deux jours après sa première observation, et à un continent entier du bureau de Times Square à New York où il avait autrefois travaillé et vécu. Avant de commencer, il a placé du yaourt dans un tube à essai stérilisé, a inséré deux électrodes en or et a allumé la mire d'enregistrement. J'étais excité, mais dubitatif. Nous avons commencé à parler et le stylo s'est tortillé de haut en bas. Puis, juste au moment où je reprenais mon souffle avant d'être en désaccord avec quelque chose qu'il avait dit, le stylo sembla vaciller. Mais est-ce que ça avait vraiment bougé, ou est-ce que je voyais seulement ce que je voulais voir ?

À un moment donné, alors que Backster était hors de la pièce, j'ai essayé d'exprimer ma colère en pensant aux forêts coupées à blanc et aux politiciens qui les sanctionnent, aux enfants maltraités et à leurs agresseurs. Mais la ligne représentant la réponse électrochimique du yaourt est restée parfaitement plate. Peut-être que le yaourt ne m'intéressait pas. Perdant moi-même tout intérêt, j'ai commencé à errer dans le laboratoire. Mes yeux sont tombés sur un calendrier qui, après une inspection plus approfondie, s'est avéré être une publicité pour une compagnie maritime. J’ai ressenti une soudaine montée de colère face à l’omniprésence de la publicité. Puis j'ai réalisé : une émotion spontanée ! Je me suis précipité vers le graphique et j'y ai vu un pic soudain correspondant apparemment au moment où j'avais vu l'annonce.

Au retour de Backster, j’ai continué l’entretien, toujours excité et peut-être un peu moins sceptique.

Jensen : Pouvez-vous nous raconter en détail comment vous avez remarqué pour la première fois une réaction électrochimique dans une plante ?

Backster : C'était une plante de canne à sucre dracaena que j'avais dans mon laboratoire à Manhattan. Les plantes ne m'intéressaient pas particulièrement, mais il y avait une vente suite à une cessation d'activité chez un fleuriste au rez-de-chaussée de l'immeuble, et la secrétaire avait acheté quelques plantes pour le bureau : une plante à caoutchouc et cette dracaena. J'avais arrosé ces plantes jusqu'à saturation – en les mettant sous le robinet jusqu'à ce que l'eau coule du fond des pots – et j'étais curieux de voir combien de temps il faudrait à l'humidité pour atteindre le sommet. J'étais particulièrement intéressé par le dracaena, car l'eau devait remonter le long d'un long tronc, puis ressortir jusqu'au bout des longues feuilles. Je pensais que si je plaçais le détecteur de réponse galvanique cutanée du polygraphe au bout de la feuille, une baisse de résistance serait enregistrée sur le papier à mesure que l'humidité arriverait entre les électrodes.

C’est du moins ma façon de voir les choses. Je ne sais pas s’il y avait une autre raison, plus profonde, à mon action. Il se pourrait que mon subconscient m'ait poussé à faire ça – je ne sais pas.

En tout cas, j’ai remarqué quelque chose sur le graphique qui ressemblait à une réponse humaine sur un polygraphe : ce n’est pas du tout ce à quoi j’aurais pu m’attendre si de l’eau pénétrait dans une feuille. Les détecteurs de mensonge fonctionnent sur le principe selon lequel lorsque les gens perçoivent une menace pour leur bien-être, ils réagissent physiologiquement de manière prévisible. Par exemple, si vous effectuez un test polygraphique dans le cadre d’une enquête pour meurtre, vous pourriez demander à un suspect : " Est-ce vous qui avez tiré le coup mortel ? " Si la vraie réponse était oui , le suspect craindrait de mentir et les électrodes placées sur sa peau détecteraient la réponse physiologique à cette peur. J’ai donc commencé à réfléchir à des moyens de menacer le bien-être de la plante. J’ai d’abord essayé de tremper une de ses feuilles dans une tasse de café chaud. La plante, au contraire, montrait de l’ennui – la ligne sur le graphique continuait de baisser.

Puis, à treize minutes et cinquante-cinq secondes de temps graphique, l'idée m'est venue à l'esprit de brûler la feuille. Je n'ai pas verbalisé l'idée ; Je n'ai pas touché à la plante ; Je n'ai pas touché au matériel. Pourtant, la plante s'est comme affolée. Le stylo a sauté du haut du graphique. La seule chose à laquelle il avait pu réagir était mon image mentale.

Ensuite, j'ai récupéré quelques allumettes sur le bureau de mon secrétaire et, en allumant une, j'ai fait quelques passages sur la feuille. Cependant, j'ai réalisé que je constatais déjà une réaction si extrême qu'aucune augmentation ne serait perceptible. J'ai donc essayé une approche différente : j'ai éloigné la menace en remettant les allumettes sur le bureau du secrétaire. La plante s'est immédiatement calmée.

J’ai tout de suite compris qu’il se passait quelque chose d’important. Je ne trouvais aucune explication scientifique conventionnelle. Il n'y avait personne d'autre dans le laboratoire et je ne faisais rien qui aurait pu déclencher un mécanisme de déclenchement. A partir de ce moment, ma conscience n'a plus été la même. Toute ma vie a été consacrée à étudier ce phénomène.

Après cette première observation, j’ai parlé à des scientifiques de différents domaines pour obtenir leurs explications sur ce qui se passait. Mais cela leur était totalement étranger. J’ai donc conçu une expérience pour explorer plus en profondeur ce que j’ai commencé à appeler la perception primaire.

Jensen : Pourquoi  " perception primaire " ?

Backster : Je ne puis nommer ce dont j'ai été témoin perception extrasensorielle, car les plantes ne possèdent pas la plupart des cinq sens. Cette perception de la part de la plante semblait se produire à un niveau beaucoup plus basique – ou primaire.

Quoi qu’il en soit, ce qui a émergé est une expérience dans laquelle j’ai fait tomber automatiquement les crevettes de saumure, à intervalles aléatoires, dans de l’eau frémissante, tandis que la réaction des plantes était enregistrée à l’autre bout du laboratoire.

Jensen : Comment pouviez-vous savoir si les plantes réagissaient à la mort de la crevette ou à vos émotions ?

Backster : Il est très difficile d'éliminer le lien entre l'expérimentateur et les plantes testées. Même une brève association avec les plantes – quelques heures seulement – ​​suffit pour qu’elles s’adaptent à vous. Ensuite, même si vous automatisez et randomisez l’expérience et quittez le laboratoire, ce qui garantit que vous ignorez totalement le moment où l’expérience commence, les plantes resteront à votre écoute, peu importe où vous irez. Au début, mon partenaire et moi allions dans un bar situé à un pâté de maisons, mais au bout d'un certain temps, nous avons commencé à soupçonner que les plantes réagissaient, non pas à la mort des crevettes saumâtres, mais à l'augmentation et à la diminution du niveau d'excitation dans nos conversations.

Finalement, quelqu'un d'autre a acheté les plantes et les a stockées dans une autre partie du bâtiment. Le jour de l’expérience, nous sommes allés chercher les plantes, les avons amenées, les avons branchées et sommes partis. Cela signifiait que les plantes étaient seules dans un environnement étrange, avec seulement la pression des électrodes et un petit filet d'électricité traversant leurs feuilles. Parce qu’il n’y avait pas d’humains avec lesquels s’harmoniser, elles ont commencé à " regarder autour " de leur environnement. Ce n’est qu’à ce moment-là que quelque chose d’aussi subtil que la mort des artémias a été capté par les plantes.

Jensen : Les plantes s'adaptent-elles uniquement aux humains, ou également aux autres créatures vivantes de leur environnement ?

Backster : Je vais répondre à cette question avec un exemple. Souvent, je branche une plante et je m'occupe de mes affaires, puis j'observe ce qui la fait réagir. Un jour, je faisais bouillir de l'eau dans une bouilloire pour faire du café. Puis j’ai réalisé que j’avais besoin de la bouilloire pour autre chose, alors j’ai versé l’eau bouillante dans l’évier. Le végétal en question, surveillé, a réagi énormément à cela. Maintenant, si vous ne mettez pas de produits chimiques ou d’eau chaude dans l’évier pendant une longue période, une jungle microscopique commence à s’y développer. Il s’est avéré que la plante réagissait à la mort des microbes présents dans les égouts.

À maintes reprises, j'ai été étonné de constater que la capacité de perception s'étend jusqu'au niveau bactérien. Un échantillon de yaourt, par exemple, réagira lorsqu'un autre est nourri, comme pour dire : " Celui-là reçoit de la nourriture. Où est la mienne? " Cela se produit avec un certain degré de répétabilité. Ou si vous déposez des antibiotiques dans l’autre échantillon, le premier échantillon de yaourt montre une énorme réponse à la mort de l’autre. Et il n’est même pas nécessaire qu’il s’agisse de bactéries du même type pour que cela se produise. Mon premier chat siamois ne mangeait que du poulet. J'en gardais un cuit dans le réfrigérateur du laboratoire et en retirais un morceau chaque jour pour nourrir le chat. Au moment où j'arriverais à la fin, la carcasse serait assez vieille et des bactéries auraient commencé à s'y développer. Un jour, j'ai fait brancher du yaourt, et alors que je sortais le poulet du réfrigérateur et commençais à retirer des lanières de viande, le yaourt a répondu. Ensuite, je mets le poulet sous une lampe chauffante pour le ramener à température ambiante.

Jensen : Vous avez visiblement chouchouté votre chat.

Backster : Je n'aurais pas voulu que le chat doive manger du poulet froid ! Quoi qu’il en soit, la chaleur frappant les bactéries a provoqué une énorme réaction dans le yaourt.

Jensen : Comment saviez-vous que vous n'aviez pas d'influence sur cela ?

Backster : Je n’étais pas au courant de la réaction à l’époque. Vous voyez, j'avais installé des commutateurs pip partout dans le laboratoire ; chaque fois que j'effectuais une action, j'appuyais sur un interrupteur, ce qui plaçait une marque sur un tableau distant. Ce n’est que plus tard que j’ai comparé la réaction du yaourt à ce qui s’était passé en laboratoire.

Jensen : Et quand le chat a commencé à ingérer le poulet ?

Backster : Chose intéressante, les bactéries semblent avoir un mécanisme de défense tel qu'un danger extrême les amène dans un état similaire à un choc : en fait, elles s'évanouissent. De nombreuses plantes font cela également ; si vous les harcelez suffisamment, elles se bloquent. C'est apparemment ce que les bactéries ont fait, car dès qu'elles ont touché le système digestif du chat, le signal s'est éteint. À partir de ce moment-là, la ligne est plate.

Jensen : Le Dr David Livingstone, l'explorateur africain, a été mutilé par un lion. Il a déclaré plus tard que lors de l'attaque, il n'avait pas ressenti de douleur, mais plutôt un sentiment de bonheur. Il a dit que cela n'aurait posé aucun problème de se livrer au lion.

Backster : Une fois, j'étais dans un avion et j'avais avec moi un petit compteur à réponse galvanique alimenté par batterie. Juste au moment où les agents de bord commençaient à servir le déjeuner, j'ai dit à l'homme assis à côté de moi : " Vous voulez voir quelque chose d'intéressant ? J'ai mis un morceau de laitue entre les électrodes, et quand les gens ont commencé à manger leurs salades, nous avons eu des réactions, mais elles se sont arrêtées car les feuilles étaient en état de choc. " Attendez qu'ils récupèrent les plateaux ", dis-je, "et voyez ce qui se passe." Lorsque les préposés ont retiré nos repas, la laitue a retrouvé sa réactivité. Le fait est que la laitue passait dans un état de latence pour ne pas souffrir. Quand le danger est parti, la réactivité est revenue. Cet arrêt de l’énergie électrique au niveau cellulaire est lié, je crois, à l’état de choc chez les humains.

Les cellules extérieures au corps réagissent toujours aux émotions que vous ressentez, même si vous êtes à des kilomètres de vous. La plus grande distance que nous avons testée est d’environ trois cents milles.

Jensen : Vous avez donc testé des plantes, des bactéries, des feuilles de laitue. . .

Backster : Et des œufs. J'ai eu un Doberman pinscher pendant un certain temps et je lui donnais un œuf par jour. Un jour, j'avais une plante reliée à un grand compteur à réponse galvanique, et alors que je cassais un œuf pour nourrir le chien, le compteur est devenu fou. Après cela, j’ai passé des centaines d’heures à surveiller les œufs, fécondés et non fécondés, c'est pareil ; c'est toujours une cellule vivante.

Après avoir travaillé avec des plantes, des bactéries et des œufs, j’ai commencé à me demander comment les animaux réagiraient. Mais je n’arrivais pas à faire en sorte qu’un chat ou un chien reste immobile assez longtemps pour effectuer une surveillance significative. J'ai donc pensé essayer les spermatozoïdes humains, qui sont capables de rester vivants en dehors du corps pendant de longues périodes et sont certainement assez faciles à obtenir. Dans cette expérience, l’échantillon du donneur était placé dans un tube à essai doté d’électrodes et le donneur était séparé du sperme par plusieurs pièces. Ensuite, le donneur a inhalé du nitrite d'amyle, qui dilate les vaisseaux sanguins et est classiquement utilisé pour arrêter un accident vasculaire cérébral. Le simple fait d’écraser le nitrite d’amyle a provoqué une réaction importante du sperme, et lorsque le donneur a inhalé, le sperme s’est déchaîné.

Cependant, je ne pouvais pas poursuivre ces recherches. Cela aurait été scientifiquement valable, mais politiquement stupide. Les sceptiques dévoués m'auraient sans doute ridiculisé en me demandant où se trouvait mon masturbatorium, etc.

Puis j’ai rencontré un chercheur dentaire qui avait mis au point une méthode de collecte de globules blancs dans la bouche. C’était politiquement faisable, facile à réaliser et ne nécessitait aucune surveillance médicale. J'ai commencé à faire des expériences enregistrées sur écran partagé, avec l'affichage du graphique superposé au bas d'un écran montrant les activités du donneur. Nous avons prélevé des échantillons de globules blancs, puis renvoyé les gens chez eux pour regarder un programme télévisé présélectionné susceptible de susciter une réaction émotionnelle – par exemple, montrer à un vétéran de Pearl Harbor un documentaire sur les attaques aériennes japonaises. Ce que nous avons découvert, c'est que les cellules situées à l'extérieur du corps réagissent toujours aux émotions que vous ressentez, même si elles sont à des kilomètres de vous.

La plus grande distance que nous avons testée est d’environ trois cents milles. Brian O'Leary, qui a écrit Exploring Inner and Outer Space , a laissé ses globules blancs ici à San Diego, puis s'est envolé pour Phoenix. En chemin, il a gardé une trace des événements qui l'avaient agacé, en notant soigneusement l'heure de chacun. La corrélation est restée, même sur cette distance.

Jensen : Les implications de tout cela...

Backster : – sont stupéfiantes, oui. J'ai des tiroirs remplis de données anecdotiques de haute qualité montrant à maintes reprises comment les bactéries, les plantes, etc. sont toutes incroyablement en harmonie les unes avec les autres. Les cellules humaines ont elles aussi cette capacité de perception primaire, mais d'une manière ou d'une autre, elle s'est perdue au niveau conscient. Ou peut-être n’avons-nous jamais eu un tel talent.

Je soupçonne que lorsqu’une personne est suffisamment avancée spirituellement pour gérer de telles perceptions, elle sera correctement à l’écoute. En attendant, il serait peut-être préférable de ne pas être à l’écoute, à cause des dommages que nous pourrions causer en manipulant mal les informations reçues.

Nous avons tendance à nous considérer comme la forme de vie la plus évoluée de la planète. C'est vrai, nous réussissons très bien dans nos efforts intellectuels. Mais ce n’est peut-être pas le critère ultime permettant de juger. Il se pourrait que d’autres formes de vie soient plus avancées spirituellement. Il se pourrait également que nous nous approchons de quelque chose qui nous permettra d'améliorer notre perception en toute sécurité. De plus en plus de personnes travaillent ouvertement dans ces domaines de recherche encore marginalisés. Par exemple, avez-vous entendu parler du travail de Rupert Sheldrake avec les chiens ? Il installe une caméra d'enregistrement du temps sur le chien à la maison et sur le compagnon humain au travail. Il a découvert que, même si les gens rentrent du travail à une heure différente chaque jour, au moment où la personne quitte le travail, le chien de la maison se dirige vers la porte.

Jensen : Comment la communauté scientifique a-t-elle accueilli votre travail ?

Backster : À l’exception de scientifiques marginalisés comme Sheldrake, la réponse a été d’abord la dérision, puis l’hostilité, et maintenant surtout le silence.

Au début, les scientifiques appelaient la perception primaire " l’effet Backster ", espérant peut-être pouvoir banaliser les observations en leur donnant le nom de cet homme sauvage qui prétendait voir des choses qui avaient échappé à la science dominante. Le nom est resté, mais comme la perception primaire ne peut pas être facilement écartée, ce n'est plus un terme de mépris.

Au moment même où les scientifiques ridiculisaient mon travail, la presse populaire lui prêtait une très grande attention, dans des dizaines d'articles et dans des livres, comme The Secret Life of Plants de Peter Tompkins . Je n’ai jamais demandé aucune attention et je n’en ai jamais profité. Les gens sont toujours venus me chercher des informations.

Pendant ce temps, la communauté botanique était de plus en plus mécontente. Ils voulaient " aller au fond de toutes ces absurdités " et prévoyaient de résoudre le problème lors de la réunion de 1975 de l’Association américaine pour l’avancement de la science à New York. Arthur Galston, un botaniste bien connu de l'Université de Yale, a réuni un groupe restreint de scientifiques pour, à mon avis, tenter de discréditer mon travail ; il s’agit d’une réponse typique de la communauté scientifique aux théories controversées. J'avais déjà appris qu'on ne se lance pas dans ces combats pour gagner ; vous y allez pour survivre. Et c’est exactement ce que j’ai pu faire.

Ils en sont maintenant arrivés au point où ils ne peuvent plus contrer mes recherches, leur stratégie consiste donc simplement à m'ignorer et à espérer que je m'en aille. Bien sûr, cela ne fonctionne pas non plus.

Jensen : Quelle est leur principale critique ?

Backster : Le gros problème – et c’est un gros problème en ce qui concerne la recherche sur la conscience en général – est la répétabilité. Les événements que j'ai observés ont tous été spontanés. Elles doivent être. Si vous les planifiez à l'avance, vous les avez déjà modifiés. Tout se résume à ceci : répétabilité et spontanéité ne font pas bon ménage, et aussi longtemps que les membres de la communauté scientifique insisteront trop sur la répétabilité dans la méthodologie scientifique, ils n’iront pas très loin dans la recherche sur la conscience.

Non seulement la spontanéité est importante, mais l’intention l’est aussi. Vous ne pouvez pas faire semblant. Si vous dites que vous allez brûler une feuille sur la plante, mais que vous ne le pensez pas, rien ne se passera. J'entends constamment des gens de tout le pays vouloir savoir comment provoquer des réactions chez les plantes. Je leur dis : " Ne faites rien. Allez à votre travail; prenez des notes sur ce que vous faites à des moments précis et comparez-les plus tard à votre enregistrement graphique. Mais ne planifiez rien, sinon l’expérience ne fonctionnera pas. " Les gens qui font cela obtiennent souvent les mêmes résultats que moi et remportent le premier prix aux expo-sciences. Mais lorsqu'ils arrivent au cours de biologie 101, on leur dit que ce qu'ils ont vécu n'est pas important.

Il y a eu quelques tentatives de la part des scientifiques pour reproduire mon expérience avec les crevettes Artemia, mais elles se sont toutes révélées inadéquates sur le plan méthodologique. Lorsqu’ils ont appris qu’ils devaient automatiser l’expérience, ils se sont simplement rendus de l’autre côté d’un mur et ont utilisé la télévision en circuit fermé pour regarder ce qui se passait. De toute évidence, ils ne retiraient pas leur conscience de l’expérience, il leur était donc très facile d’échouer. Et soyons honnêtes : certains scientifiques ont été soulagés lorsqu’ils ont échoué, car le succès aurait été contraire à l’ensemble des connaissances scientifiques.

Jensen : L'accent mis sur la répétabilité semble anti-vie, car la vie elle-même n'est pas reproductible. Comme Francis Bacon l’a clairement indiqué, la répétabilité est inextricablement liée au contrôle, et le contrôle est fondamentalement l’essence même de la science occidentale, de la culture occidentale. Pour que les scientifiques abandonnent la répétabilité, ils devraient abandonner le contrôle, ce qui signifie qu’ils devraient abandonner la culture occidentale, et cela n’arrivera pas tant que cette civilisation ne s’effondrera pas sous le poids de ses propres excès écologiques.

Backster : J’ai renoncé à lutter contre d’autres scientifiques sur ce point. Mais je sais que s’ils réalisent mon expérience, même si elle échoue, ils verront quand même des choses qui changeront leur conscience. Ils ne seront plus jamais tout à fait les mêmes.

Des gens qui n’auraient rien dit il y a vingt ans me disent souvent : " Je pense que je peux maintenant vous dire en toute sécurité à quel point vous avez vraiment changé ma vie avec ce que vous faisiez au début des années soixante-dix. " À l’époque, ces scientifiques ne pensaient pas avoir le luxe de faire bouger les choses ; leur crédibilité, et donc leurs demandes de subvention, en auraient été affectées.

Jensen : En regardant votre travail, nous sommes confrontés à plusieurs options : Nous pouvons croire que vous mentez, ainsi que tous ceux qui ont déjà fait des observations similaires. On peut croire que ce que vous dites est vrai, ce qui nécessiterait de retravailler toute la notion de répétabilité dans la méthode scientifique, ainsi que nos notions de conscience, de communication, de perception, etc. Ou bien on peut croire que vous avez commis une erreur. Est-il possible que vous ayez négligé une explication strictement mécaniste de vos observations ? Un scientifique a dit qu’il devait y avoir un fil lâche dans votre détecteur de mensonge.

Backster : En trente et un ans de recherche, c'est comme si j'avais " desserré tous les noeuds ". Non, je ne vois aucune solution mécaniste. Certains parapsychologues pensent que je maîtrise l'art de la psychokinésie, que je fait bouger les aiguilles et autres indicateurs avec mon esprit – ce qui serait en soi une très bonne astuce. Mais ils négligent le fait que j'ai automatisé et randomisé de nombreuses expériences, de sorte que je ne suis même conscient de ce qui se passe que plus tard, lorsque j'étudie les graphiques et les bandes vidéo qui en résultent. Les explications conventionnelles sont devenues assez minces. L’une de ces explications, proposée dans un article du Harper’s, était l’électricité statique : si vous vous déplacez à travers la pièce et touchez la plante, vous obtenez une réponse. Mais bien sûr, je touche rarement la plante pendant l'observation, et de toute façon cette réaction serait totalement différente.

Jensen : Alors, quel est le signal capté par la plante ?

Backster : Je ne sais pas. Quoi qu’il en soit, je ne crois pas que le signal se dissipe à distance, comme ce serait le cas si nous avions affaire à un phénomène électromagnétique. Le signal de Phoenix, par exemple, était aussi fort que si Brian O'Leary avait été dans la pièce voisine.

Nous avons également tenté d'obstruer le signal à l'aide de plomb et d'autres matériaux, mais nous ne pouvons pas l'arrêter. Cela me fait penser que le signal ne va pas réellement d'ici à là, mais se manifeste plutôt à différents endroits. Je soupçonne que le signal ne prend pas de temps pour se déplacer. Il n'y a aucun moyen, en utilisant les distances terrestres, de tester cela, car si le signal était électromagnétique, il se propagerait à la vitesse de la lumière, et les retards biologiques consommeraient plus que la fraction de seconde qu'il faudrait au signal pour se propager. La seule façon de tester cela serait dans l’espace.

Certains physiciens quantiques soutiennent cette conviction – selon laquelle le signal ne dépend ni du temps ni de la distance. Il existe une théorie quantique appelée théorème de Bell, qui stipule que deux atomes éloignés l'un de l'autre changent parfois simultanément la direction de leur rotation.

Bien entendu, tout cela nous amène fermement sur le territoire du métaphysique et du spirituel. Pensez à la prière, par exemple. Si vous deviez prier Dieu, et que Dieu se trouvait de l’autre côté de la galaxie, et que votre prière voyageait à la vitesse de la lumière, vos os seraient depuis longtemps poussière avant que Dieu puisse répondre. Mais si Dieu – quelle que soit la manière dont vous définissez Dieu – est partout, la prière n'a pas besoin de voyager.

Jensen : Soyons plus concrets. Vous avez une image mentale de la plante en train de brûler et la plante réagit. Que se passe-t-il précisément à cet instant ? Comment la plante sait-elle réagir ?

Backster : Je ne prétends pas savoir. En fait, j’ai attribué une grande partie de ma réussite à pouvoir rester actif dans ce domaine – et à ne pas avoir été discrédité – au fait que je ne prétends pas le savoir. Vous voyez, si je donne une explication erronée, peu importe la quantité de données dont je dispose ou le nombre d’observations de qualité que j’ai faites. La communauté scientifique dominante utilisera l’explication incorrecte comme excuse pour rejeter mes données et mes observations. J'ai donc toujours dit que je ne savais pas comment cela se produisait. Je suis un expérimentateur, pas un théoricien.

Jensen : La capacité des plantes à percevoir l'intention me suggère une redéfinition radicale de la conscience.

Backster : Vous voulez dire que cela supprimerait la notion de conscience comme quelque chose sur lequel les humains ont le monopole ?

Jensen : Les humains et autres animaux dits supérieurs. Selon la pensée occidentale, parce que les plantes n’ont pas de cerveau, elles ne peuvent pas avoir de conscience.

Backster : Je pense que la science occidentale exagère le rôle du cerveau dans la conscience. Des livres entiers ont été écrits sur la conscience de l’atome. La conscience pourrait exister à un tout autre niveau. De très bonnes recherches ont été réalisées sur la survie de la conscience après la mort corporelle. Tout cela pointe vers l’idée selon laquelle la conscience n’a pas besoin d’être spécifiquement liée à la matière grise. Cette notion est une autre camisole de force dont nous devons nous débarrasser. Le cerveau a peut-être quelque chose à voir avec la mémoire, mais on peut affirmer avec force qu’une grande partie de notre mémoire n’y est pas stockée.

Jensen : La notion de mémoire corporelle est familière à tout athlète : lorsque vous vous entraînez, vous essayez de créer des souvenirs dans vos muscles.

Backster : Le cerveau ne fait peut-être même pas partie de cette boucle.

Jensen : J'ai également lu des articles sur les séquelles physiologiques des traumatismes – maltraitance des enfants, viol, guerre. De nombreuses recherches montrent que le traumatisme s’imprime sur différentes parties du corps ; une victime de viol pourrait plus tard ressentir une brûlure dans son vagin, par exemple.

Backster : Si je me cogne, j'explique aux tissus de cette zone ce qui s'est passé. Je ne sais pas à quel point cette méthode de guérison est efficace, mais elle ne peut pas faire de mal.

Jensen : Avez-vous également travaillé avec ce que l'on appelle normalement des matériaux inanimés ?

Backster : J'ai déchiqueté certaines substances et je les ai mises en suspension dans de la gélose. Je reçois des signaux électriques, mais ils ne sont pas nécessairement liés à quoi que ce soit qui se passe dans l'environnement. Les schémas sont trop grossiers pour que je puisse les déchiffrer. Mais je soupçonne que la conscience est plus répandue.

En 1987, j'ai participé à un programme de l'Université du Missouri qui comprenait une conférence du Dr Sidney Fox, qui était alors lié à l'Institut pour l'évolution moléculaire et cellulaire de l'Université de Miami. Fox avait enregistré des signaux électriques provenant d’un matériau semblable à une protéine qui présentait des propriétés étonnamment similaires à celles des cellules vivantes. La simplicité du matériel qu'il a utilisé et la capacité d'auto-organisation dont il fait preuve me suggèrent que la biocommunication était présente dès les tout premiers stades de l'évolution de la vie sur cette planète.

Bien sûr, l’hypothèse de Gaia – selon laquelle la Terre est un grand, grand organisme fonctionnel – s’inscrit parfaitement dans ce contexte. La planète va avoir le dernier mot concernant les dégâts que les humains lui infligent. Il ne lui faudra qu'un certain nombre d'abus, et alors il pourrait bien roter et renifler un peu, et détruire une bonne partie de la population. Je ne pense pas qu'il serait exagéré de pousser l'hypothèse un peu plus loin et d'attribuer une telle stratégie de défense à une sorte d'intelligence planétaire.

Jensen : Comment votre travail a-t-il été reçu dans d'autres parties du monde ?

Backster : Les Russes ont toujours été très intéressés et n'ont pas eu peur de s'aventurer dans ces domaines de recherche. À bien des égards, ils semblent beaucoup plus sensibles aux concepts spirituels que la plupart des scientifiques occidentaux. Et chaque fois que je parle de ce que je fais avec des scientifiques indiens – bouddhistes ou hindous –, ils me demandent : " Qu’est-ce qui vous a pris autant de temps ? " Mon travail s'accorde très bien avec de nombreux concepts adoptés par l'hindouisme et le bouddhisme.

Jensen : De quoi avons-nous peur, nous, les Occidentaux ?

Backster : La crainte est que, si ce que j’observe est exact, bon nombre des théories sur lesquelles nous avons construit nos vies doivent être complètement remaniées. J'ai connu des biologistes dire : " Si Backster a raison, nous sommes dans la merde . " Cela signifierait une refonte radicale de notre place dans le monde. Je pense que nous le voyons déjà.

Notre communauté scientifique occidentale en général se trouve dans une situation difficile car, pour maintenir notre mode de pensée scientifique actuel, nous devons ignorer une énorme quantité d’informations. Et de plus en plus d’informations de ce type sont recueillies en permanence. Les chercheurs butent partout sur ce phénomène de biocommunication. Il semble impossible, compte tenu de la sophistication des instruments modernes, de passer à côté de cette harmonisation fondamentale entre les êtres vivants. Seulement pendant un certain temps, ils pourront prétendre qu’il s’agit que de " cables déconnectés ".

Auteur: Internet

Info: Les plantes réagissent - Une entrevue avec Cleve Backster, Derrick Jensen,  Juillet 1997 - https://www.thesunmagazine.org/

[ télépathie ] [ adéquation corps-esprit ] [ universel esprit ] [ ego prison ]