spiritualité

La religion constitue une attitude instinctive propre à l'Homme, dont on peut retrouver les manifestations à travers toute l'histoire de l'humanité et de l'esprit. De toute évidence, une de ses fonctions est de maintenir l'équilibre psychique, car l'homme naturel sait tout naturellement que ses fonctions conscientes peuvent être à tout moment modifiées, affectées, contre-carrées, aussi bien de l'extérieur que de l'intérieur, par des facteurs incontrôlables.

Auteur: Jung Carl Gustav

Info: Présent et avenir

[ besoin ] [ manque ] [ refuge ] [ réconfort ] [ motivation ]

pouvoir sémantique

"De nos jours, personne ne tient l'écrit en aussi haute estime que les États policiers", dit Arkadian Porpirych. 'Quelle statistique permet d'identifier les nations où la littérature jouit d'une considération véritable, supérieure aux sommes affectées à son contrôle et à sa répression ? Là où elle est l'objet de telles attentions, la littérature acquiert une autorité extraordinaire, inconcevable dans les pays où on la laisse végéter comme un passe-temps inoffensif, sans risques.

Auteur: Calvino Italo

Info: Si par une nuit d'hiver un voyageur

[ liberté ] [ beaux-arts ]

évolution des savoirs

La difficulté [pour comprendre l'histoire des sciences] est d'autant plus grande que cette histoire n'est pas, et ne peut former une entité unie ou resserrée. Les différentes branches de la science sont elles-mêmes diverses dans leurs complexités, leurs techniques et leurs philosophies. Elles ne sont pas toutes affectées de la même manière, ou en même temps, par des facteurs historiques similaires, qu'ils soient internes ou externes. Il n'est pas même possible de retracer le développement d'une méthode scientifique unique, d'une formulation de principes et de règles de fonctionnement que l'on pourrait imaginer applicables à toute enquête scientiste, car il n'en est rien.

Auteur: Hall Alfred Rupert

Info: La révolution scientifique, 1500-1800. Introduction (p. xiv) Longmans, Green & Company. Londres, Angleterre. 1954

[ désordonnée ]

censure

Ce grand feu rassemblait, grondait et hypnotisait, poursuivait Livio, le feu gagnait, cette fois sans pitié, réduisait toutes les pages, mangeait tous les mots, le feu avalait la pensée, exactement comme l'avaient espéré les nazis, le feu dévorait la science, la connaissance, la littérature, le théâtre, l'idée même de la vie et de sa complexité, et en premières lignes, les œuvres de Freud, de Marx, d'Einstein, de Heine, de Remarque, de Brecht, de Döblin, de Zweig, de Tucholsky, balancées dans les flammes, parce que jugées trop juives, trop communistes, trop pacifistes, trop libérales, trop pulsionnelles, trop décadentes, trop traîtres, trop libres, trop vraies, trop affectées.

Auteur: Giraud Brigitte

Info: Jour de courage

[ autodafé ]

futur

Les saisons aujourd'hui exceptionnellement chaudes devraient y devenir la norme, parfois dès 2030, et même avec un réchauffement limité à +2°C. Pics de chaleur plus notables, moindres précipitations, sécheresses durables sont attendues en de nombreux endroits. Sur ces zones, plus de la moitié de la surface (56%) resterait vivable à +2°C. A +4,5°C, cette part pourrait tomber jusqu'à 18%: ce que le WWF appelle des zones "refuges".

Les plantes devraient être particulièrement affectées, plus lentes à s'adapter, bougeant moins facilement. Ce qui en retour pourra nuire aux animaux en dépendant. A +4.5°C, 69% des espèces de plantes risquent de disparaître en Amazonie. Du côté animal, reptiles et amphibiens ont plus de risques d'être "dépassés" que les oiseaux ou les mammifères, plus mobiles.

Auteur: Internet

Info: Journal L'Express, https://www.lexpress.fr/actualite/societe/environnement/rechauffement-climatique-50-des-especes-de-la-planete-pourraient-etre-menacees_1992217.html

[ biodiversité ] [ population ] [ réchauffement climatique ]

anti-français

Autre chose... je hais ces Français jacasseurs, avec leurs petites manières affectées & leur attitude mielleuse, et je défendrais la culture et la tradition anglaises jusqu'à la dernière goutte de mon sang. Mais de la même façon, je peux clairement voir que les Français ont une culture plus riche que la nôtre... que leur perspective intellectuelle est infiniment plus claire que la nôtre, et que leurs goûts sont infiniment plus éloignées de la simplicité animale. Quel Anglo-Saxon aurait pu écrire "La comédie humaine" de Balzac ou les "Fleurs du mal" de Baudelaire ? Ce n'est que dans le domaine des sentiments POETIQUES généraux que nous pouvons surpasser les Français, si bien qu'en termes de civilisation, il n'y a que des figures comme Shakespeare, Milton & Coleridge, Byron, Shelley & Keats que nous pouvons honnêtement placer au-dessus d'eux. Ils sont les Grecs du monde occidental moderne, de la même façon que nous en sommes les Romains.

Auteur: Lovecraft Howard Phillips

Info: Lettres de 1929 - Juillet à Décembre, à Woodburn Harris, novembre 1929

[ littérature occidentale ] [ éloge ]

trouble psychologique

Les termes "autisme" ou "ipséisme", d’un emploi plus ancien, ne rendent absolument pas compte du trouble qu’ils désignent, et ont conduit de ce fait à de profondes confusions. En effet, les mots "ipséisme", du latin ipse, soi-même et "autisme" du grec αυτο, de même signification, laisseraient entendre que les personnes affectées de ce trouble se renfermeraient en elles-mêmes en s’absentant du réel. Cela est totalement impropre, en raison de ce que nous avons vu plus haut : ce qui n’est pas ou que très fragmentairement constitué ne peut par définition se refermer en soi-même, puisqu’il n’y a pas de "soi". Le problème de l’autisme est une absence ou une lacune de la constitution subjectale : comme nous venons de le dire, il n’y a pas de "soi-même" autoréférentiel, comme ces termes sembleraient vouloir nous le laisser imaginer. Au contraire, le sujet appelé à se constituer est noyé dans l’en-soi*, d’où il peine à s’extraire. Bien que je ne me fasse aucune illusion à ce sujet, il conviendrait cependant de requalifier l’autisme soit en pniguéisme, du grec να πνιγεί, se noyer, soit de manière plus euphonique en baltosisme, du grec βάλτος, le marais dans lequel on s'embourbe. Le mérite serait là de nommer correctement ce dont il s’agit, ce qui n’est pas un détail, il s’en faut de beaucoup. Or, on ne peut penser correctement qu’avec des désignations correctes.

Auteur: Farago Pierre

Info: Une proposition pour l'autisme, page 42. *Mode d'être de ce qui est sans conscience (et ne peut se modifier volontairement) opposé à pour-soi.

[ renomination ] [ étymologie ] [ imprécision ] [ imprécision terminologique ]

folie

La schizophrénie est une maladie psychiatrique qui touche environ 1% de la population mondiale et se manifeste généralement au début de l'âge adulte. Les symptômes les plus fréquents comprennent une altération des processus sensoriels et cognitifs et une altération profonde de la cognition sociale. L'équipe de Rebecca Piskorowski et Vivien Chevaleyre au laboratoire de Physiologie cérébrale, en collaboration avec un laboratoire américain, lève le voile sur un mécanisme impliqué dans ces altérations de mémoire sociale. Cette étude, publiée dans la revue Neuron, ouvre la voie à de nouvelles cibles thérapeutiques potentielles.
Bien que de nombreux progrès aient été réalisés concernant la compréhension des causes génétiques de la schizophrénie, les mécanismes cellulaires qui sous-tendent des symptômes spécifiques sont peu connus. La délétion génétique 22q11.2 (perte de matériel génétique sur le chromosome 22) est le facteur de risque le plus fort pour développer la schizophrénie. En utilisant un modèle de souris porteuse d'une délétion génétique similaire obtenu par le laboratoire de Joseph Gogos à Columbia University (USA), l'équipe "Plasticité Synaptique et Réseaux Neuronaux" de Rebecca Piskorowski et Vivien Chevaleyre au laboratoire de Physiologie cérébrale, a étudié une petite région de l'hippocampe, qui est une structure importante pour la formation de mémoires et dont l'activité est affectée au cours de la schizophrénie.
Les résultats révèlent des altérations spécifiques de la région CA2 de l'hippocampe, qui a été longtemps ignorée mais qui émerge comme importante pour la formation de mémoires sociales au travers d'études récentes. En particulier, des changements ont été observés dans la balance entre l'excitation et l'inhibition ainsi que des altérations des propriétés des neurones de CA2. Il en résulte une forte diminution de l'activité des neurones de cette région, ce qui sous-tend probablement le déficit de mémoire sociale aussi observé chez ces souris. De façon intéressante et en parallèle avec le développement des symptômes chez l'homme, ces changements ne sont pas observés sur de jeunes animaux mais apparaissent uniquement au début de l'âge adulte.
Cette étude représente une avancée significative concernant la compréhension des mécanismes cellulaires altérés au cours de la schizophrénie, mais aussi potentiellement au cours d'autres maladies psychiatriques dans lesquelles les interactions sociales sont également affectées. Les résultats révèlent un mécanisme potentiel pour le déficit de mémoire sociale et, étant données les caractéristiques de la région CA2, ils ouvrent la voie à des cibles thérapeutiques potentielles.

Auteur: Internet

Info: http://www.techno-science.net/?onglet=news&news=14788. Schizophrénie: une nouvelle piste dans la compréhension des déficits de mémoire sociale

[ cerveau ] [ sciences ]

pollution lumineuse

En effet, ce n’est pas le jour que l’on voit, car en journée, le présent et même l’instant retiennent notre regard et nos jugements, engonçant les hommes dans leurs affairements quotidiens. La nuit, en revanche, quand les besoins du corps organique et social ont été satisfaits, l’homme peut se permettre de ne plus penser seulement à lui. Devant ses yeux s’ouvre l’univers entier : voyant très loin dans les profondeurs du firmament, il considère son présent par rapport à des étoiles qui existaient avant sa naissance, qui restent à leur place tout au long de sa vie, et qui, enfin, demeureront quand mourra cet humble spectateur. Par conséquent, en contemplant la nuit, l’homme sort du présent et accède à la conscience du temps, passé et avenir, et au-delà même du temps, à la sensation de l’éternité.



C’est bien la nuit que nous voyons, et pourtant, c’est elle qui est aujourd’hui menacée : outre l’inquiétante diminution du temps de sommeil dans la vie de nos contemporains affairés, il faut remarquer que, parallèlement à la saturation des informations qui empêche leur lisibilité, la saturation de luminosité liée à l’urbanisation et à la multiplication des écrans empêche, à son tour, la visibilité de notre situation dans le temps et dans l’espace, rendue possible jusqu’ici par le spectacle de la nuit. Le changement profond de nos modes de vie à l’heure de la modernité nous empêche désormais de contempler l’évidence de la nuit et d’en discerner les signes pour notre vie future. En effet, la chasse que les Lumières électriques ont livré à l’obscurité au XVIIIe siècle a été entérinée en novembre 1906, lorsque le très anticlérical René Viviani, alors ministre du travail, vantait devant l’Assemblée Nationale le fait que, "d’un geste magnifique, nous avons éteint, dans le ciel, des lumières qu’on ne rallumera plus". À l’ancienne superstition "obscurantiste", la modernité irréligieuse a fait place à ce que Péguy appelait la nouvelle "superstition", qui consiste à éteindre les anges du ciel pour allumer sur terre les réverbères du progrès. L’époque contemporaine revient désabusée de ces nouvelles croyances séculaires – désillusion que d’aucuns appellent la "postmodernité". En effet, en 2001, à l’aube de notre troisième millénaire, un Atlas mondial de la clarté artificielle du ciel nocturne a été publié par l’équipe de l’astronome italien Pierantonio Cizano, qui permet de visualiser l’étendue de la luminosité artificielle et de quantifier les populations affectées par son excès. Selon les auteurs de cet atlas, nous explique l’équipe d’Yvan Ajoulet et Dominique David dans un rapport ministériel de juillet 2014 sur les nuisances lumineuses, "la moitié de la population européenne vivant à proximité des métropoles ne pourrait plus observer la Voie lactée à l’œil nu, et seules une vingtaine d’étoiles sont désormais encore visibles dans le ciel en ville contre plus de 2000 en campagne".

Auteur: Ducay Paul

Info: https://philitt.fr/2022/09/22/la-grande-nuit-sans-etoiles/

[ éclairage artificiel ] [ symbolisme ] [ aveuglement ] [ zombification ]

homme-machine

Une nouvelle approche du calcul réinvente l'intelligence artificielle

Par l'imprégnation d'énormes vecteurs de sens sémantique, nous pouvons amener les machines à raisonner de manière plus abstraite et plus efficace qu'auparavant.

Malgré le succès retentissant de ChatGPT et d'autres grands modèles de langage, les réseaux de neurones artificiels (ANN) qui sous-tendent ces systèmes pourraient être sur la mauvaise voie.

D'une part, les ANN sont "super gourmands en énergie", a déclaré Cornelia Fermüller , informaticienne à l'Université du Maryland. "Et l'autre problème est [leur] manque de transparence." De tels systèmes sont si compliqués que personne ne comprend vraiment ce qu'ils font, ou pourquoi ils fonctionnent si bien. Ceci, à son tour, rend presque impossible de les amener à raisonner par analogie, ce que font les humains - en utilisant des symboles pour les objets, les idées et les relations entre eux.

Ces lacunes proviennent probablement de la structure actuelle des RNA et de leurs éléments constitutifs : les neurones artificiels individuels. Chaque neurone reçoit des entrées, effectue des calculs et produit des sorties. Les RNA modernes sont des réseaux élaborés de ces unités de calcul, formés pour effectuer des tâches spécifiques.

Pourtant, les limites des RNA sont évidentes depuis longtemps. Considérez, par exemple, un ANN qui sépare les cercles et les carrés. Une façon de le faire est d'avoir deux neurones dans sa couche de sortie, un qui indique un cercle et un qui indique un carré. Si vous voulez que votre ANN discerne également la couleur de la forme - bleu ou rouge - vous aurez besoin de quatre neurones de sortie : un pour le cercle bleu, le carré bleu, le cercle rouge et le carré rouge. Plus de fonctionnalités signifie encore plus de neurones.

Cela ne peut pas être la façon dont notre cerveau perçoit le monde naturel, avec toutes ses variations. "Vous devez proposer que, eh bien, vous avez un neurone pour toutes les combinaisons", a déclaré Bruno Olshausen , neuroscientifique à l'Université de Californie à Berkeley. "Donc, vous auriez dans votre cerveau, [disons,] un détecteur Volkswagen violet."

Au lieu de cela, Olshausen et d'autres soutiennent que l'information dans le cerveau est représentée par l'activité de nombreux neurones. Ainsi, la perception d'une Volkswagen violette n'est pas codée comme les actions d'un seul neurone, mais comme celles de milliers de neurones. Le même ensemble de neurones, tirant différemment, pourrait représenter un concept entièrement différent (une Cadillac rose, peut-être).

C'est le point de départ d'une approche radicalement différente de l'informatique connue sous le nom d'informatique hyperdimensionnelle. La clé est que chaque élément d'information, comme la notion d'une voiture, ou sa marque, son modèle ou sa couleur, ou tout cela ensemble, est représenté comme une seule entité : un vecteur hyperdimensionnel.

Un vecteur est simplement un tableau ordonné de nombres. Un vecteur 3D, par exemple, comprend trois nombres : les coordonnées x , y et z d'un point dans l'espace 3D. Un vecteur hyperdimensionnel, ou hypervecteur, pourrait être un tableau de 10 000 nombres, par exemple, représentant un point dans un espace à 10 000 dimensions. Ces objets mathématiques et l'algèbre pour les manipuler sont suffisamment flexibles et puissants pour amener l'informatique moderne au-delà de certaines de ses limites actuelles et favoriser une nouvelle approche de l'intelligence artificielle.

"C'est ce qui m'a le plus enthousiasmé, pratiquement de toute ma carrière", a déclaré Olshausen. Pour lui et pour beaucoup d'autres, l'informatique hyperdimensionnelle promet un nouveau monde dans lequel l'informatique est efficace et robuste, et les décisions prises par les machines sont entièrement transparentes.

Entrez dans les espaces de grande dimension

Pour comprendre comment les hypervecteurs rendent le calcul possible, revenons aux images avec des cercles rouges et des carrés bleus. Nous avons d'abord besoin de vecteurs pour représenter les variables SHAPE et COLOR. Ensuite, nous avons également besoin de vecteurs pour les valeurs pouvant être affectées aux variables : CERCLE, CARRÉ, BLEU et ROUGE.

Les vecteurs doivent être distincts. Cette distinction peut être quantifiée par une propriété appelée orthogonalité, ce qui signifie être à angle droit. Dans l'espace 3D, il existe trois vecteurs orthogonaux entre eux : un dans la direction x , un autre dans la direction y et un troisième dans la direction z . Dans un espace à 10 000 dimensions, il existe 10 000 vecteurs mutuellement orthogonaux.

Mais si nous permettons aux vecteurs d'être presque orthogonaux, le nombre de ces vecteurs distincts dans un espace de grande dimension explose. Dans un espace à 10 000 dimensions, il existe des millions de vecteurs presque orthogonaux.

Créons maintenant des vecteurs distincts pour représenter FORME, COULEUR, CERCLE, CARRÉ, BLEU et ROUGE. Parce qu'il y a tellement de vecteurs presque orthogonaux possibles dans un espace de grande dimension, vous pouvez simplement assigner six vecteurs aléatoires pour représenter les six éléments ; ils sont presque garantis d'être presque orthogonaux. "La facilité de créer des vecteurs presque orthogonaux est une raison majeure d'utiliser la représentation hyperdimensionnelle", a écrit Pentti Kanerva , chercheur au Redwood Center for Theoretical Neuroscience de l'Université de Californie à Berkeley, dans un article influent de 2009.

L'article s'appuyait sur des travaux effectués au milieu des années 1990 par Kanerva et Tony Plate, alors étudiant au doctorat avec Geoff Hinton à l'Université de Toronto. Les deux ont développé indépendamment l'algèbre pour manipuler les hypervecteurs et ont fait allusion à son utilité pour le calcul en haute dimension.

Étant donné nos hypervecteurs pour les formes et les couleurs, le système développé par Kanerva et Plate nous montre comment les manipuler à l'aide de certaines opérations mathématiques. Ces actions correspondent à des manières de manipuler symboliquement des concepts.

La première opération est la multiplication. C'est une façon de combiner les idées. Par exemple, multiplier le vecteur FORME par le vecteur CERCLE lie les deux en une représentation de l'idée "LA FORME est CERCLE". Ce nouveau vecteur "lié" est presque orthogonal à la fois à SHAPE et à CIRCLE. Et les composants individuels sont récupérables - une caractéristique importante si vous souhaitez extraire des informations à partir de vecteurs liés. Étant donné un vecteur lié qui représente votre Volkswagen, vous pouvez dissocier et récupérer le vecteur pour sa couleur : VIOLET.

La deuxième opération, l'addition, crée un nouveau vecteur qui représente ce qu'on appelle une superposition de concepts. Par exemple, vous pouvez prendre deux vecteurs liés, "SHAPE is CIRCLE" et "COLOR is RED", et les additionner pour créer un vecteur qui représente une forme circulaire de couleur rouge. Là encore, le vecteur superposé peut être décomposé en ses constituants.

La troisième opération est la permutation ; cela implique de réorganiser les éléments individuels des vecteurs. Par exemple, si vous avez un vecteur tridimensionnel avec des valeurs étiquetées x , y et z , la permutation peut déplacer la valeur de x vers y , y vers z et z vers x. "La permutation vous permet de construire une structure", a déclaré Kanerva. "Ça permet de gérer des séquences, des choses qui se succèdent." Considérons deux événements, représentés par les hypervecteurs A et B. Nous pouvons les superposer en un seul vecteur, mais cela détruirait les informations sur l'ordre des événements. La combinaison de l'addition et de la permutation préserve l'ordre ; les événements peuvent être récupérés dans l'ordre en inversant les opérations.

Ensemble, ces trois opérations se sont avérées suffisantes pour créer une algèbre formelle d'hypervecteurs permettant un raisonnement symbolique. Mais de nombreux chercheurs ont été lents à saisir le potentiel de l'informatique hyperdimensionnelle, y compris Olshausen. "Cela n'a tout simplement pas été pris en compte", a-t-il déclaré.

Exploiter le pouvoir

En 2015, un étudiant d'Olshausen nommé Eric Weiss a démontré un aspect des capacités uniques de l'informatique hyperdimensionnelle. Weiss a compris comment représenter une image complexe comme un seul vecteur hyperdimensionnel contenant des informations sur tous les objets de l'image, y compris leurs propriétés, telles que les couleurs, les positions et les tailles.

"Je suis pratiquement tombé de ma chaise", a déclaré Olshausen. "Tout d'un coup, l'ampoule s'est allumée."

Bientôt, d'autres équipes ont commencé à développer des algorithmes hyperdimensionnels pour reproduire des tâches simples que les réseaux de neurones profonds avaient commencé à effectuer environ deux décennies auparavant, comme la classification d'images.

Considérons un ensemble de données annotées composé d'images de chiffres manuscrits. Un algorithme analyse les caractéristiques de chaque image en utilisant un schéma prédéterminé. Il crée ensuite un hypervecteur pour chaque image. Ensuite, l'algorithme ajoute les hypervecteurs pour toutes les images de zéro pour créer un hypervecteur pour l'idée de zéro. Il fait ensuite la même chose pour tous les chiffres, créant 10 hypervecteurs "de classe", un pour chaque chiffre.

Maintenant, l'algorithme reçoit une image non étiquetée. Il crée un hypervecteur pour cette nouvelle image, puis compare l'hypervecteur aux hypervecteurs de classe stockés. Cette comparaison détermine le chiffre auquel la nouvelle image ressemble le plus.

Pourtant, ce n'est que le début. Les points forts de l'informatique hyperdimensionnelle résident dans la capacité de composer et de décomposer des hypervecteurs pour le raisonnement. La dernière démonstration en date a eu lieu en mars, lorsqu'Abbas Rahimi et ses collègues d'IBM Research à Zurich ont utilisé l'informatique hyperdimensionnelle avec des réseaux de neurones pour résoudre un problème classique de raisonnement visuel abstrait - un défi important pour les RNA typiques, et même certains humains. Connu sous le nom de matrices progressives de Raven, le problème présente des images d'objets géométriques dans, disons, une grille 3 par 3. Une position dans la grille est vide. Le sujet doit choisir, parmi un ensemble d'images candidates, l'image qui correspond le mieux au blanc.

"Nous avons dit:" C'est vraiment ... l'exemple qui tue pour le raisonnement abstrait visuel, allons-y "", a déclaré Rahimi.

Pour résoudre le problème à l'aide de l'informatique hyperdimensionnelle, l'équipe a d'abord créé un dictionnaire d'hypervecteurs pour représenter les objets dans chaque image ; chaque hypervecteur du dictionnaire représente un objet et une combinaison de ses attributs. L'équipe a ensuite formé un réseau de neurones pour examiner une image et générer un hypervecteur bipolaire - un élément peut être +1 ou -1 - aussi proche que possible d'une superposition d'hypervecteurs dans le dictionnaire ; l'hypervecteur généré contient donc des informations sur tous les objets et leurs attributs dans l'image. "Vous guidez le réseau de neurones vers un espace conceptuel significatif", a déclaré Rahimi.

Une fois que le réseau a généré des hypervecteurs pour chacune des images de contexte et pour chaque candidat pour l'emplacement vide, un autre algorithme analyse les hypervecteurs pour créer des distributions de probabilité pour le nombre d'objets dans chaque image, leur taille et d'autres caractéristiques. Ces distributions de probabilité, qui parlent des caractéristiques probables à la fois du contexte et des images candidates, peuvent être transformées en hypervecteurs, permettant l'utilisation de l'algèbre pour prédire l'image candidate la plus susceptible de remplir l'emplacement vacant.

Leur approche était précise à près de 88 % sur un ensemble de problèmes, tandis que les solutions de réseau neuronal uniquement étaient précises à moins de 61 %. L'équipe a également montré que, pour les grilles 3 par 3, leur système était presque 250 fois plus rapide qu'une méthode traditionnelle qui utilise des règles de logique symbolique pour raisonner, car cette méthode doit parcourir un énorme livre de règles pour déterminer la bonne prochaine étape.

Un début prometteur

Non seulement l'informatique hyperdimensionnelle nous donne le pouvoir de résoudre symboliquement des problèmes, mais elle résout également certains problèmes épineux de l'informatique traditionnelle. Les performances des ordinateurs d'aujourd'hui se dégradent rapidement si les erreurs causées, par exemple, par un retournement de bit aléatoire (un 0 devient 1 ou vice versa) ne peuvent pas être corrigées par des mécanismes de correction d'erreurs intégrés. De plus, ces mécanismes de correction d'erreurs peuvent imposer une pénalité sur les performances allant jusqu'à 25 %, a déclaré Xun Jiao , informaticien à l'Université de Villanova.

Le calcul hyperdimensionnel tolère mieux les erreurs, car même si un hypervecteur subit un nombre important de retournements de bits aléatoires, il reste proche du vecteur d'origine. Cela implique que tout raisonnement utilisant ces vecteurs n'est pas significativement impacté face aux erreurs. L'équipe de Jiao a montré que ces systèmes sont au moins 10 fois plus tolérants aux pannes matérielles que les ANN traditionnels, qui sont eux-mêmes des ordres de grandeur plus résistants que les architectures informatiques traditionnelles. "Nous pouvons tirer parti de toute [cette] résilience pour concevoir du matériel efficace", a déclaré Jiao.

Un autre avantage de l'informatique hyperdimensionnelle est la transparence : l'algèbre vous indique clairement pourquoi le système a choisi la réponse qu'il a choisie. Il n'en va pas de même pour les réseaux de neurones traditionnels. Olshausen, Rahimi et d'autres développent des systèmes hybrides dans lesquels les réseaux de neurones cartographient les éléments du monde physique en hypervecteurs, puis l'algèbre hyperdimensionnelle prend le relais. "Des choses comme le raisonnement analogique vous tombent dessus", a déclaré Olshausen. "C'est ce que nous devrions attendre de tout système d'IA. Nous devrions pouvoir le comprendre comme nous comprenons un avion ou un téléviseur.

Tous ces avantages par rapport à l'informatique traditionnelle suggèrent que l'informatique hyperdimensionnelle est bien adaptée à une nouvelle génération de matériel extrêmement robuste et à faible consommation d'énergie. Il est également compatible avec les "systèmes informatiques en mémoire", qui effectuent le calcul sur le même matériel qui stocke les données (contrairement aux ordinateurs von Neumann existants qui transfèrent inefficacement les données entre la mémoire et l'unité centrale de traitement). Certains de ces nouveaux appareils peuvent être analogiques, fonctionnant à très basse tension, ce qui les rend économes en énergie mais également sujets aux bruits aléatoires. Pour l'informatique de von Neumann, ce caractère aléatoire est "le mur que vous ne pouvez pas franchir", a déclaré Olshausen. Mais avec l'informatique hyperdimensionnelle, "vous pouvez simplement percer".

Malgré ces avantages, l'informatique hyperdimensionnelle en est encore à ses balbutiements. "Il y a un vrai potentiel ici", a déclaré Fermüller. Mais elle souligne qu'il doit encore être testé contre des problèmes du monde réel et à des échelles plus grandes, plus proches de la taille des réseaux de neurones modernes.

"Pour les problèmes à grande échelle, cela nécessite un matériel très efficace", a déclaré Rahimi. "Par exemple, comment [faites-vous] une recherche efficace sur plus d'un milliard d'articles ?"

Tout cela devrait venir avec le temps, a déclaré Kanerva. "Il y a d'autres secrets [que] les espaces de grande dimension détiennent", a-t-il déclaré. "Je vois cela comme le tout début du temps pour le calcul avec des vecteurs."

Auteur: Ananthaswamy Anil

Info: https://www.quantamagazine.org/ Mais 2023

[ machine learning ]