étymologie

École : du grec skole, arrêt, relâche, trêve, repos, loisir, temps libre.
Les citoyens d'Athènes et des autres cités de la Grèce antique étaient des hommes libres – par opposition aux femmes et aux esclaves – , et instruits. Ils aimaient penser, parler, réfléchir à ce que devait être une vie bonne. Aussi, consacraient-ils leurs innombrables moments de liberté à l'étude, à la culture, aux discussions philosophiques et politiques. Le mot skole, qui signifiait "loisir" ou "à loisir", est devenu par la suite synonyme de la façon dont les hommes occupaient ce loisir : entretien savant, réflexion studieuse, travail d'observation minutieuse. Puis, par extension encore, il a fini par désigner le lieux où l'on pratique cette étude.(...) Vous pensiez que l'école des loisirs, le nom de l'éditeur de ce livre était un oxymore ? Eh bien non, c'est un pléonasme.

Auteur: Chérer Sophie

Info: Renommer

[ lycée ] [ collège ]

écriture

Car cette connaissance aura pour résultat, chez ceux qui l’auront acquise, de rendre leurs âmes oublieuses, parce qu’ils cesseront d’exercer leur mémoire : mettant en effet leur confiance dans l’écrit, c’est du dehors grâce à des empreintes étrangères, non du dedans et grâce à eux-mêmes, qu’ils se remémoreront les choses. Ce n’est donc pas pour la mémoire, c’est pour la remémoration que tu as découvert un remède. Quant à l’instruction, c’en est la semblance que tu procures à tes élèves, et non point la réalité : lorsqu’en effet avec ton aide ils regorgeront de connaissances sans avoir reçu d’enseignement, ils sembleront être bons à juger de mille choses, au lieu que la plupart du temps ils sont dénués de tout jugement ; et ils seront en outre insupportables, parce qu’ils seront des semblants d’hommes instruits, au lieu d’être des hommes instruits !

Auteur: Platon

Info: Le Banquet / Phèdre

[ externalisation de l'esprit ] [ béquille ]

annaliste

L'histoire est une discipline des plus répandues entre les nations (umam) et les races (ajyâl). Le vulgaire voudrait la connaître. Les rois, les dirigeants la recherchent à l'envi.
Les ignorants peuvent aussi bien la comprendre que les gens instruits. En effet, l'histoire n'est, en apparence, que le récit des événements politiques, des dynasties (duwal) et des circonstances du lointain passé, présenté avec élégance et relevé par des citations. Elle permet de distraire de vastes publics et de nous faire une idée des affaires humaines. Elle fait voir les effets des changements, elle montre comment telle dynastie vient conquérir tel vaste pan de terre, jusqu'au jour où retentit l'Appel, lorsque son temps fut révolu.
Cependant, vue de l'intérieur, l'histoire a un autre sens. Elle consiste à méditer, à s'efforcer d'accéder à la vérité, à expliquer avec finesse les causes et les origines des faits, à connaître à fond le pourquoi et le comment des événements. L'histoire prend donc racine dans la philosophie, dont elle doit être comptée comme une de ses branches.

Auteur: Ibn Khaldoun

Info: Discours sur l'histoire universelle. incipit

[ défini ] [ historiographe ] [ profession de foi ]

machiavélisme

Par exemple il est utile que l'on sache que nous ne massacrons pas les prisonniers, parce que nous cultivons ainsi dans nos ennemis l'idée qu'ils peuvent se rendre pour sauver leur vie. Mais il serait utile de faire croire que l'ennemi massacre les prisonniers, car nos compagnies encerclées vendraient alors chèrement leur vie, ce que nous devons souhaiter. Et puisque vous tuez pour la patrie, je ne vois pas par quel scrupule vous rougiriez de mentir pour la patrie." Celui qui n'a pas conduit ses pensées jusque-là, je le soupçonne d'appeler pensée ce qui lui plaît. La guerre met l'homme tout nu ; il revient péniblement aux pensées d'Ésope. Socrate fut condamné très exactement parce qu'il refusait de soumettre aussi ses pensées au pouvoir. Nous n'avons peut-être pas avancé du tout depuis Socrate. Ne pas craindre, rester sobre, ne rien croire, trois ressources contre le tyran. Quelques centaines d'hommes ainsi disposés feraient un esprit public, et suffisant. Les maux humains comme guerre, abus de pouvoir, absurde concentration de richesse, ne sont possibles que par l'incroyable aveuglement de ceux qui passent pour instruits. Il s'agit de former son jugement par un massacre de pensées. Il n'y a pas d'autre sagesse.

Auteur: Alain

Info: Souvenirs de guerre, Les Passions et la Sagesse, la Pléiade, nrf Gallimard 1960<p.456>

intellos courtisans

Si Orwell insiste tant sur la décence ordinaire ("common decency") des petites gens, c'est aussi pour dénoncer, par contraste, l'indécence extraordinaire des élites politiques et intellectuelles. Il en veut tout particulièrement à une catégorie de personnes qui auraient dû, plus que toutes les autres, faire preuve d'un peu plus de décence dans ses prises de positions publiques : les intellectuels. Tout au long de son œuvre, Orwell n'a eu de cesse de critiquer les intellectuels toujours prêts à braver la morale élémentaire pour légitimer des régimes notoirement tyranniques : "La plupart des intellectuels, pour ne pas dire tous, se sont ralliés à une forme de totalitarisme ou à une autre". Le constat est brutal, mais juste, et nous n'avons pas encore mesuré toute l'indignité intellectuelle et morale qu'il souligne. 

Certes, Orwell considère que la richesse prodigieuse de l'aristocratie terrienne et le goût du pouvoir de la classe dirigeante sont en eux-mêmes également indécents, mais, par-dessus-tout, il ne peut supporter la trahison des intellectuels. Souvent issus des classes moyennes, voire du peuple, ils semblaient pourtant être les mieux placés pour préserver à tout le moins une once de moralité dans un monde voué à l'exploitation des masses : 

"Lorsqu'on voit des hommes hautement instruits se montrer indifférents à l'oppression et à la persécution, on se demande ce qui est le plus méprisable, leur cynisme ou leur aveuglement." (Essais, articles et Lettres vol IV).

Auteur: Bégout Bruce

Info: De la décence ordinaire

[ universitaires compromis ] [ arrivisme sociétal ]

fanatisme

USA: WASHINGTON - Les agnostiques et les athées aux Etats-Unis sont plus au fait des doctrines religieuses que les fidèles de toute autre religion, protestants et catholiques compris, selon une étude de l'institut de recherche Pew Forum publiée mardi.
En moyenne, les Américains répondent correctement à 16 des 32 questions posées dans cette enquête réalisée au printemps auprès de 3.412 adultes. Les plus instruits sur le sujet sont en fait ceux qui n'y croient pas: agnostiques et athées ayant une moyenne de 20,9 réponses correctes.
Ils sont suivis par les juifs et les mormons, qui respectivement obtiennent des scores de 20,5 et 20,3. Les connaissances des protestants parviennent juste à la moyenne avec 16 bonnes réponses tandis que les catholiques sont à la traîne avec 14,7 bonnes réponses.
Ainsi, plus de la moitié des protestants (53%) ne savent pas reconnaître le père du protestantisme dans le nom de Martin Luther.
Plus de quatre catholiques sur 10 (45%) ne savent pas que le pain et le vin représentent le corps et le sang du Christ lors de l'Eucharistie.
Moins d'un Américain sur deux (47%) sait que le Dalaï Lama est bouddhiste et moins de quatre sur dix (38%) associent Vishnu et Shiva au panthéon hindou. Seulement un quart des Américains (27%) savent que la majorité des habitants d'Indonésie sont musulmans.
Globalement, sur les questions liées à la chrétienté, notamment celles portant sur la Bible, ce sont les mormons et les protestants évangéliques blancs qui montrent le plus grand savoir.
Mais les juifs, les athées et les agnostiques sont ceux qui ont la culture religieuse la plus diversifiée, ayant connaissance des religions du monde, notamment du bouddhisme, de l'hindouisme et du judaïsme. Ils sont également plus au fait des questions mêlant religion et laïcité ainsi que ce qu'en dit la Constitution américaine.
Les connaissances bibliques restent toutefois l'apanage de la majorité d'Américains dans ce pays connu pour être le plus religieux du monde parmi les nations industrialisées.
Une majorité d'Américains sont capables de répondre correctement à la moitié des questions de connaissance de la Bible, posées dans l'enquête: 71% savent que Jésus est né à Bethléem et 63% citent La Genèse comme étant le premier livre de la Bible.

Auteur: Internet

Info: AFP, 28 septembre 2010

[ éducation ] [ culture ]

points de vue

Un jour de grand soleil, six aveugles instruits et curieux, désiraient, pour la première fois, rencontrer un éléphant afin de compléter leur savoir.

Le premier s’approcha de l’éléphant, et près de de son flanc vaste et robuste, il s’exclama : "Dieu me bénisse, un éléphant est comme un mur !".

Le deuxième, tâtant une défense s’écria "Oh ! Oh ! rond, lisse et pointu!, selon moi, cet éléphant ressemble à une lance !".

Le troisième se dirigea vers l’animal, pris la trompe ondulante dans ses mains et s'écria : "Pour moi, l’éléphant est comme un serpent".

Le quatrième tendit une main impatiente, palpa le genou de l'éléphant et décida qu’un éléphant devait ressembler à un arbre !

Le cinquième ayant touché par hasard l’oreille de l'éléphant, dit : "Même pour le plus aveugle des aveugles, cette merveille d’éléphant est comme un éventail !"

Le sixième chercha à tâtons l’animal et, s’emparant de la queue qui balayait l’air, perçu quelque chose de familier : "Je vois, dit-il, l’éléphant est comme une corde !"

Les 6 aveugles discutèrent longtemps avec passion, chacun défendant sa perception de ce que pouvait être un éléphant. Ils avaient bien du mal à s'entendre.

Un sage qui passait par là les entendit se disputer et demanda : "Que se passe t-il quel est l'objet de vos échanges si passionnés ?"

"Nous n'arrivons pas nous à mettre d’accord sur ce que peut être un éléphant, et à quoi il peut ressembler !"Chaque aveugle expliqua sa perception de ce que pouvait être un éléphant.

Après avoir écouté chaque aveugle, le sage dit : "Vous avez tous dit vrai ! Si chacun de vous décrit l’éléphant de façon si différente, c’est parce que chacun a touché une partie différente de l’animal. L’éléphant a réellement les caractéristiques que vous avez tous décrit. Et si vous rassemblez l'ensemble des caractéristiques de ce que vous avez données, vous pouvez avoir une représentation de l'animal dans son ensemble."

"Oooooooh !" s'exclama chacun. Et la discussion s’arrêta net ! Ils furent tous heureux d’avoir dit la réalité, car chacun détenait une part de vérité, et heureux d'avoir contribué à la construction d'une réalité plus grande, une réalité plus grande que la seule addition des caractéristiques apportées par chaque aveugle. La vérité n’est jamais le résultat d'un seul point de vue ou d'une seule perception. Une vérité nouvelle peut émerger des mises en commun des vérités individuelles. De cette mise en commun peut naître une perception globale qui inclut et transcende l'ensemble des vérités individuelles. C'est le principe de la collaboration générative.

Auteur: Internet

Info: Les aveugles et l’éléphant. Conte traditionnel hindou jaïniste où ce concept est nommée " syādvāda ”, “ anekāntavāda ”, ou théorie des affirmations multiples.

[ facettes ] [ relativité ] [ exactitude ] [ comptine ] [ septénaire ]

anti-populisme

[Trump] n’était assurément pas l’ennemi des riches, dont il a beaucoup réduit les impôts. Mais il a aussi piétiné l’image idyllique de la mondialisation qui se trouve au fondement de la vision bourgeoise du monde depuis les années 1990. Il a eu des mots cruels pour les médias, la Silicon Valley et Wall Street. Il a critiqué l’Organisation du traité de l’Atlantique nord (OTAN) et prétendu s’opposer aux "guerres sans fin" au Proche-Orient. Enfin, bien qu’il n’ait presque rien fait pour y remédier, à l’exception de mesures protectionnistes que son successeur a eu l’intelligence politique de ne pas remettre en question, il a réveillé la colère de millions de travailleurs blancs – la hantise de l’élite éclairée depuis les années 1960. […]

On pourrait longtemps égrener les fake news du journalisme anti-Trump. Elles se comptent par dizaines, à tel point que, d’après le journaliste Matt Taibbi, la succession frénétique de pseudo-scandales a fini par servir de modèle économique aux médias : sitôt une affaire dégonflée, une autre venait la remplacer, leur assurant des succès d’audience tout au long cette présidence. Selon un recensement établi par le New York Times, 1 200 livres ont été publiés sur M. Trump entre 2016 et août 2020. Au cours de son mandat, les chaînes de télévision câblées ont rapporté ses méfaits avec un tel acharnement qu’il ne leur restait souvent plus assez de temps pour se soucier du reste de l’actualité. Son irruption sur la scène nationale leur a autant profité qu’aux plus fervents adeptes du président. Lui résister procurait par ailleurs à ces journalistes une raison d’être, comme le suggère un mème très populaire sur Internet ces dernières années : "Si vous vous êtes déjà demandé ce que vous auriez fait au temps de l’esclavage, de l’Holocauste ou du mouvement des droits civiques, vous allez à présent le découvrir". La guerre contre M. Trump a simplifié le monde à outrance, repeignant le moindre fait aux couleurs de l’urgence morale. […]

En termes de mots par mois de mandat, l’administration Trump doit avoir été la plus disséquée de l’histoire des États- Unis. L’hystérie "progressiste" qui l’a accompagnée n’a fait en revanche l’objet de presque aucune analyse sérieuse. Elle relève pourtant de l’histoire culturelle des années Trump, tout autant que le personnage lui-même. En fait, cette banalisation de l’outrance importe même davantage, car elle reflète les pensées et les craintes du groupe social dominant aux États-Unis, les millions de cadres et de membres des professions intellectuelles supérieures qui ont tant prospéré ces dernières décennies. Si M. Trump n’est plus autant sur le devant de la scène – pour le moment – les "cols blancs" qui l’ont méprisé continuent de savourer leur victoire. Leur vision du monde imprègne désormais toutes les grandes institutions : la Silicon Valley, Wall Street, les universités, les médias, le secteur associatif. […]

Quand Timothy Snyder [l’écrivain anti-Trump auteur du livre "De la tyrannie"] prédisait, en 2017, que les États-Unis risquaient de sombrer dans une "culture de la dénonciation", il avait parfaitement raison – à ceci près que les internautes "progressistes", et non M. Trump, allaient bientôt réclamer la défenestration des ennemis de la vertu. Il n’avait pas tort non plus de mettre en garde contre une imminente "suspension de la liberté d’expression" – à ceci près que la prophétie fut réalisée par le sympathique monopole des réseaux sociaux, Facebook et Twitter en tête, et non par le régime de M. Trump. Dans son manuel de résistance à la dictature, Snyder s’adresse aux diplômés de l’enseignement supérieur, les implorant de commencer à agir en tant que membres d’une même classe, afin d’exercer "un certain pouvoir". Ce genre d’invocation est récurrent. Le seul moyen d’arrêter l’autoritarisme serait de renforcer le pouvoir des figures traditionnelles de l’autorité, des "autorités autorisées", pourrait-on dire : la cohorte de diplômés qui forment la classe des commentateurs, professeurs, éditorialistes, financiers, docteurs, avocats et génies des nouvelles technologies. Depuis 2016, l’idée a été rebattue sur tous les tons : un Trump est ce que vous récoltez chaque fois que vous ne respectez pas ceux qui savent. Mais aussi : si M. Trump est bien Hitler, alors il faut écraser son mouvement, censurer ses partisans, refuser qu’ils profitent des règles de la démocratie ordinaire pour la détruire. Douter de la parole des autorités serait le premier pas vers le "crépuscule de la démocratie", pour reprendre le titre d’un ouvrage publié en 2020 par Anne Applebaum.

Selon cette essayiste très populaire, ce qui a mené à la terrible ère de M. Trump est la fragmentation des élites dirigeantes. Applebaum se remémore avec émotion l’époque où les intellectuels vivaient en harmonie, où ses amis s’accordaient sur les bienfaits de la mondialisation néolibérale et où tous psalmodiaient les mêmes tables de la Loi. Hélas, regrette- t-elle, certains "membres de l’élite intellectuelle et diplômée", y compris parmi ses propres amis, se sont mis à contester "le reste de l’élite intellectuelle et universitaire". Une "trahison", estime Applebaum, qui renvoie elle aussi à Hitler. Que des gens instruits ne s’accordent pas toujours entre eux apparaît inconcevable à l’auteure, pour qui la doctrine de la méritocratie est le mécanisme permettant à une société de choisir une élite qui croit aux mêmes choses qu’Applebaum. Penser autrement reviendrait à trahir sa responsabilité d’intellectuel. Aucun des semeurs de panique évoqués ici ne prend au sérieux les questions et les forces sociales qui ont poussé les Américains à voter pour M. Trump. […]

Qu’est-ce qui déclenche une telle réaction ? […] Les discours les plus outranciers proviennent des classes les plus privilégiées de la société : autrefois, les patrons de presse, chefs d’entreprise et avocats d’affaires ; désormais, les surdiplômés qui exercent un contrôle hégémonique sur les médias et l’industrie de la "connaissance". Dans chacun des épisodes cités, ils percevaient les mouvements politiques de leur pays comme un péril mortel pour leur propre statut. […] La fureur anti-Trump est souvent considérée comme un phénomène progressiste, voire une renaissance de la gauche. Mais elle a aussi ouvert la voie à cette nouvelle forme d’autoritarisme, portée par des démocrates. Dans le paysage politique contemporain, on entend désormais des avocats reconnus exprimer leur aversion pour la liberté d’expression, des banques, des services de renseignement et des industriels de la défense déclarer leur solidarité avec les minorités opprimées, des élus démocrates faire pression sur Google, Facebook ou Twitter pour qu’ils recourent plus systématiquement à la censure – le tout sur fond de condamnation de la nocivité intrinsèque de la classe ouvrière blanche. Ainsi s’exprime une aristocratie qui refuse de tolérer l’existence même d’une partie appréciable de la population qu’elle gouverne. À ses yeux, les seules "normes" qui semblent désormais compter sont celles qui la maintiendront tout au sommet.

Auteur: Frank Thomas

Info: https://www.monde-diplomatique.fr/2021/08/FRANK/63420

[ adversaires ] [ pensée unique ] [ conservation du pouvoir ] [ GAFAM ] [ point godwin ] [ état profond ]

machine-homme

Les algorithmes traditionnels alimentent des outils de calcul compliqués comme l'apprentissage automatique (machine learning). Une nouvelle approche, appelée algorithmes avec prédictions, utilise la puissance de l'apprentissage automatique pour améliorer les algorithmes.

Les algorithmes - morceaux de code qui permettent aux programmes de trier, filtrer et combiner des données, entre autres choses - sont les outils standard de l'informatique moderne. Tels de minuscules engrenages dans une montre, les algorithmes exécutent des tâches bien définies au sein de programmes plus complexes.

Ils sont omniprésents, et c'est en partie pour cette raison qu'ils ont été minutieusement optimisés au fil du temps. Lorsqu'un programmeur doit trier une liste, par exemple, il se sert d'un algorithme de "tri" standard utilisé depuis des décennies.

Aujourd'hui, des chercheurs jettent un regard neuf sur les algorithmes traditionnels, en utilisant la branche de l'IA , donc du machine learning. Leur approche, appelée "algorithmes avec prédictions", tire parti des informations que les outils d'apprentissage automatique peuvent fournir sur les données traitées par les algorithmes traditionnels. Ces outils doivent, en quelque sorte, rajeunir la recherche sur les algorithmes de base.

L'apprentissage automatique et les algorithmes traditionnels sont "deux façons très différentes de calculer, et les algorithmes avec prédictions sont un moyen de les rapprocher", a déclaré Piotr Indyk, informaticien au Massachusetts Institute of Technology. "C'est un moyen de combiner ces deux fils conducteurs assez différents".

La récente explosion d'intérêt pour cette approche a commencé en 2018 avec un article de Tim Kraska, informaticien au MIT, et d'une équipe de chercheurs de Google. Dans cet article, les auteurs ont suggéré que l'apprentissage automatique pourrait améliorer un algorithme traditionnel bien étudié appelé filtre de Bloom, qui résout un problème simple mais aussi complexe et ardu.

Imaginez que vous dirigez le service informatique de votre entreprise et que vous devez vérifier si vos employés se rendent sur des sites web présentant un risque pour la sécurité. Naïvement, vous pourriez penser que vous devez vérifier chaque site qu'ils visitent en le comparant à une liste noire de sites connus. Si la liste est énorme (comme c'est probablement le cas pour les sites indésirables sur Internet), le problème devient lourd - on ne peut vérifier chaque site par rapport à une liste énorme dans le minuscule lapts de temps qui précède le chargement d'une page Internet.

Le filtre Bloom offre une solution, en permettant de vérifier rapidement et précisément si l'adresse d'un site particulier, ou URL, figure sur la liste noire. Pour ce faire, il comprime essentiellement l'énorme liste en une liste plus petite qui offre certaines garanties spécifiques.

Les filtres Bloom ne produisent jamais de faux négatifs : s'ils disent qu'un site est mauvais, il est mauvais. Cependant, ils peuvent produire des faux positifs, de sorte que vos employés ne pourront peut-être pas visiter des sites auxquels ils devraient avoir accès. Cela s'explique par le fait qu'ils s'agit d'une forme d'échange qui implique une certaine imprécision due à cette énorme quantité de données compressées -  astuce intitulée "compression avec perte". Plus les filtres Bloom compriment les données d'origine, moins ils sont précis, mais plus ils économisent de l'espace.

Pour un simple filtre Bloom, chaque site Web est également suspect jusqu'à confirmaton qu'il ne figure pas sur la liste. Mais tous les sites Web ne sont pas égaux : Certains ont plus de chances que d'autres de se retrouver sur une liste noire, simplement en raison de détails comme leur domaine ou les mots de leur URL. Les gens comprennent cela intuitivement, et c'est pourquoi vous lisez probablement les URL pour vous assurer qu'elles sont sûres avant de cliquer dessus.

L'équipe de Kraska a mis au point un algorithme qui peut également appliquer ce type de logique. Ils l'ont appelé "filtre de Bloom instruit" et il combine un petit filtre de Bloom avec un réseau neuronal récurrent (RNN), modèle de machine learning qui apprend à quoi ressemblent les URL malveillantes après avoir été exposées à des centaines de milliers de sites web sûrs et non sûrs.

Lorsque le filtre Bloom vérifie un site web, le RNN agit en premier et utilise son apprentissage pour déterminer si le site figure sur la liste noire. Si le RNN indique que le site figure sur la liste, le filtre Bloom appris le rejette. Mais si le RNN dit que le site n'est pas sur la liste, alors le petit filtre Bloom peut à son tour, faire une recherche précise, mais irréfléchie, dans ses sites compressés.

En plaçant le filtre Bloom à la fin du processus et en lui donnant le dernier mot, les chercheurs ont fait en sorte que les filtres Bloom instruits puissent toujours garantir l'absence de faux négatifs. Mais comme le RNN préfiltre les vrais positifs à l'aide de ce qu'il a appris, le petit filtre de Bloom agit davantage comme une sauvegarde, en limitant également ses faux positifs au minimum. Un site Web bénin qui aurait pu être bloqué par un filtre Bloom de plus grande taille peut désormais passer outre le "filtre Bloom iinstruit" plus précis. En fait, Kraska et son équipe ont trouvé un moyen de tirer parti de deux méthodes éprouvées, mais traditionnellement distinctes, d'aborder le même problème pour obtenir des résultats plus rapides et plus précis.

L'équipe de Kraska a démontré que la nouvelle approche fonctionnait, mais elle n'a pas formellement expliqué pourquoi. Cette tâche a été confiée à Michael Mitzenmacher, spécialiste des filtres de Bloom à l'université de Harvard, qui a trouvé l'article de Kraska "novateur et passionnant", mais aussi fondamentalement insatisfaisant. "Ils font des expériences en disant que leurs algorithmes fonctionnent mieux. Mais qu'est-ce que cela signifie exactement ?" a-t-il demandé. "Comment le savons-nous ?"

En 2019, Mitzenmacher a proposé une définition formelle d'un filtre de Bloom INSTRUIT et a analysé ses propriétés mathématiques, fournissant une théorie qui explique exactement comment il fonctionne. Et alors que Kraska et son équipe ont montré que cela pouvait fonctionner dans un cas, Mitzenmacher a prouvé que cela pouvait toujours fonctionner.

Mitzenmacher a également amélioré les filtres de Bloom appris. Il a montré que l'ajout d'un autre filtre de Bloom standard au processus, cette fois avant le RNN, peut pré-filtrer les cas négatifs et faciliter le travail du classificateur. Il a ensuite prouvé qu'il s'agissait d'une amélioration en utilisant la théorie qu'il a développée.

Les débuts des algorithmes avec prédiction ont suivi ce chemin cyclique : des idées novatrices, comme les filtres de Bloom appris, inspirent des résultats mathématiques rigoureux et une compréhension, qui à leur tour conduisent à d'autres idées nouvelles. Au cours des dernières années, les chercheurs ont montré comment intégrer les algorithmes avec prédictions dans les algorithmes d'ordonnancement, la conception de puces et la recherche de séquences d'ADN.

Outre les gains de performance, ce domaine fait également progresser une approche de l'informatique de plus en plus populaire : rendre les algorithmes plus efficaces en les concevant pour des utilisations typiques.

À l'heure actuelle, les informaticiens conçoivent souvent leurs algorithmes pour qu'ils réussissent dans le scénario le plus difficile, celui conçu par un adversaire qui tente de les faire échouer. Par exemple, imaginez que vous essayez de vérifier la sécurité d'un site web sur les virus informatiques. Le site est peut-être inoffensif, mais il contient le terme "virus informatique" dans l'URL et le titre de la page. La confusion est telle que même les algorithmes les plus sophistiqués ne savent plus où donner de la tête.

Indyk appelle cela une approche paranoïaque. "Dans la vie réelle, dit-il, les entrées ne sont généralement pas générées par des adversaires." La plupart des sites Web que les employés visitent, par exemple, ne sont pas aussi compliqués que notre hypothétique page de virus, et il est donc plus facile pour un algorithme de les classer. En ignorant les pires scénarios, les chercheurs peuvent concevoir des algorithmes adaptés aux situations qu'ils sont susceptibles de rencontrer. Par exemple, alors qu'à l'heure actuelle, les bases de données traitent toutes les données de la même manière, les algorithmes avec prédiction pourraient conduire à des bases de données qui structurent le stockage de leurs données en fonction de leur contenu et de leur utilisation.

Et ce n'est encore qu'un début, car les programmes qui utilisent l'apprentissage automatique pour améliorer leurs algorithmes ne le font généralement que de manière limitée. Comme le filtre de Bloom, la plupart de ces nouvelles structures n'intègrent qu'un seul élément d'apprentissage automatique. M. Kraska imagine un système entier construit à partir de plusieurs pièces distinctes, dont chacune repose sur des algorithmes avec des prédictions et dont les interactions sont régulées par des composants améliorés par les prédictions.

"Tirer parti de cela aura un impact sur de nombreux domaines".

Gageons qu'avec de tels systèmes, un site comme FLP se retrouve à peu près certain de ne jamais être accepté par un filtre de Bloom - ou un filtre de Bloom instruit. Qui sont - objectivement - des instruments de contrôle, et donc de fermeture.  (Note du traducteur).

Auteur: Internet

Info: Nick Thieme, https://www.quantamagazine.org, A I, Machine Learning Reimagines the Building Blocks of Computing, March 15, 2022. Trad Mg

[ censure numérique ] [ triage web ] [ citation s'appliquant à ce logiciel ]

homme-machine

Un pas de géant pour une machine à jouer aux échecs

Le succès stupéfiant d’AlphaZero, un algorithme d’apprentissage profond, annonce une nouvelle ère de la compréhension – une ère qui, en ce qui concerne les humains, qui pourrait ne pas durer longtemps. Début décembre, des chercheurs de DeepMind, la société d’intelligence artificielle appartenant à la société mère de Google, Alphabet Inc. ont diffusé une dépêche depuis les zones avancées du monde des échecs.

Un an plus tôt, le 5 décembre 2017, l’équipe avait stupéfié ce monde des échecs en annonçant AlphaZero, un algorithme d’apprentissage machine qui maîtrisait non seulement les échecs mais aussi le shogi, ou échecs japonais, et le Go. L’algorithme a commencé sans aucune connaissance des jeux hormis leurs règles de base. Il a ensuite joué contre lui-même des millions de fois et a appris par essais et erreurs. Il a suffi de quelques heures pour que l’algorithme devienne le meilleur joueur, humain ou ordinateur, que le monde ait jamais vu.

Les détails des capacités d’AlphaZero et de son fonctionnement interne ont maintenant été officiellement examinés par des pairs et publiés dans la revue Science ce mois-ci. Le nouvel article aborde plusieurs critiques graves à l’égard de l’allégation initiale (entre autres choses, il était difficile de dire si AlphaZero jouait l’adversaire qu’il s’était choisi, une entité computationnelle nommée Stockfish, en toute équité). Considérez que ces soucis sont maintenant dissipés. AlphaZero ne s’est pas amélioré davantage au cours des douze derniers mois, mais la preuve de sa supériorité s’est bien renforcée. Il fait clairement montre d’un type d’intellect que les humains n’ont jamais vue auparavant, et que nous allons avoir à méditer encore longtemps.

Les échecs par ordinateur ont fait beaucoup de chemin au cours des vingt dernières années. En 1997, le programme de jeu d’échecs d’I.B.M., Deep Blue, a réussi à battre le champion du monde humain en titre, Garry Kasparov, dans un match en six parties. Rétrospectivement, il y avait peu de mystère dans cette réalisation. Deep Blue pouvait évaluer 200 millions de positions par seconde. Il ne s’est jamais senti fatigué, n’a jamais fait d’erreur de calcul et n’a jamais oublié ce qu’il pensait un instant auparavant.

Pour le meilleur et pour le pire, il a joué comme une machine, brutalement et matériellement. Il pouvait dépasser M. Kasparov par le calcul, mais il ne pouvait pas le dépasser sur le plan de la pensée elle-même. Dans la première partie de leur match, Deep Blue a accepté avec avidité le sacrifice d’une tour par M. Kasparov pour un fou, mais a perdu la partie 16 coups plus tard. La génération actuelle des programmes d’échecs les plus forts du monde, tels que Stockfish et Komodo, joue toujours dans ce style inhumain. Ils aiment à capturer les pièces de l’adversaire. Ils ont une défense d’acier. Mais bien qu’ils soient beaucoup plus forts que n’importe quel joueur humain, ces "moteurs" d’échecs n’ont aucune réelle compréhension du jeu. Ils doivent être instruits explicitement pour ce qui touche aux principes de base des échecs. Ces principes, qui ont été raffinés au fil de décennies d’expérience de grands maîtres humains, sont programmés dans les moteurs comme des fonctions d’év

aluation complexes qui indiquent ce qu’il faut rechercher dans une position et ce qu’il faut éviter : comment évaluer le degré de sécurité du roi, l’activité des pièces, la structure dessinée par les pions, le contrôle du centre de l’échiquier, et plus encore, comment trouver le meilleur compromis entre tous ces facteurs. Les moteurs d’échecs d’aujourd’hui, inconscients de façon innée de ces principes, apparaissent comme des brutes : extrêmement rapides et forts, mais sans aucune perspicacité.

Tout cela a changé avec l’essor du machine-learning. En jouant contre lui-même et en mettant à jour son réseau neuronal au fil de son apprentissage, AlphaZero a découvert les principes des échecs par lui-même et est rapidement devenu le meilleur joueur connu. Non seulement il aurait pu facilement vaincre tous les maîtres humains les plus forts – il n’a même pas pris la peine d’essayer – mais il a écrasé Stockfish, le champion du monde d’échecs en titre par ordinateur. Dans un match de cent parties contre un moteur véritablement impressionnant, AlphaZero a remporté vingt-huit victoires et fait soixante-douze matchs nuls. Il n’a pas perdu une seule partie.

Le plus troublant, c’est qu’AlphaZero semblait être perspicace. Il a joué comme aucun ordinateur ne l’a jamais fait, intuitivement et magnifiquement, avec un style romantique et offensif. Il acceptait de sacrifier des pions et prenait des risques. Dans certaines parties, cela paralysait Stockfish et il s’est joué de lui. Lors de son attaque dans la partie n°10, AlphaZero a replacé sa reine dans le coin du plateau de jeu de son propre côté, loin du roi de Stockfish, pas là où une reine à l’offensive devrait normalement être placée.

Et cependant, cette retraite inattendue s’avéra venimeuse : peu importe comment Stockfish y répondait, ses tentatives étaient vouées à l’échec. C’était presque comme si AlphaZero attendait que Stockfish se rende compte, après des milliards de calculs intensifs bruts, à quel point sa position était vraiment désespérée, pour que la bête abandonne toute résistance et expire paisiblement, comme un taureau vaincu devant un matador. Les grands maîtres n’avaient jamais rien vu de tel. AlphaZero avait la finesse d’un virtuose et la puissance d’une machine. Il s’agissait du premier regard posé par l’humanité sur un nouveau type prodigieux d’intelligence.

Lorsque AlphaZero fut dévoilé pour la première fois, certains observateurs se sont plaints que Stockfish avait été lobotomisé en ne lui donnant pas accès à son livre des ouvertures mémorisées. Cette fois-ci, même avec son livre, il a encore été écrasé. Et quand AlphaZero s’est handicapé en donnant dix fois plus de temps à Stockfish qu’à lui pour réfléchir, il a quand même démoli la bête.

Ce qui est révélateur, c’est qu’AlphaZero a gagné en pensant plus intelligemment, pas plus vite ; il n’a examiné que 60 000 positions par seconde, contre 60 millions pour Stockfish. Il était plus avisé, sachant ce à quoi on devait penser et ce qu’on pouvait ignorer. En découvrant les principes des échecs par lui-même, AlphaZero a développé un style de jeu qui "reflète la vérité profonde" du jeu plutôt que "les priorités et les préjugés des programmeurs", a expliqué M. Kasparov dans un commentaire qui accompagne et introduit l’article dans Science.

La question est maintenant de savoir si l’apprentissage automatique peut aider les humains à découvrir des vérités similaires sur les choses qui nous tiennent vraiment à coeur : les grands problèmes non résolus de la science et de la médecine, comme le cancer et la conscience ; les énigmes du système immunitaire, les mystères du génome.

Les premiers signes sont encourageants. En août dernier, deux articles parus dans Nature Medicine ont exploré comment l’apprentissage automatique pouvait être appliqué au diagnostic médical. Dans l’un d’entre eux, des chercheurs de DeepMind se sont associés à des cliniciens du Moorfields Eye Hospital de Londres pour mettre au point un algorithme d’apprentissage profond qui pourrait classer un large éventail de pathologies de la rétine aussi précisément que le font les experts humains (l’ophtalmologie souffre en effet d’une grave pénurie d’experts à même d’interpréter les millions de scans ophtalmologiques effectués chaque année en vue d’un diagnostic ; des assistants numériques intelligents pourraient apporter une aide énorme).

L’autre article concernait un algorithme d’apprentissage machine qui décide si un tomodensitogramme (CT scan) d’un patient admis en urgence montre des signes d’un accident vasculaire cérébral (AVC), ou d’une hémorragie intracrânienne ou encore d’un autre événement neurologique critique. Pour les victimes d’AVC, chaque minute compte ; plus le traitement tarde, plus le résultat clinique se dégrade. (Les neurologistes ont ce sombre dicton: "time is brain"). Le nouvel algorithme a étiqueté ces diagnostics et d’autres diagnostics critiques avec une précision comparable à celle des experts humains – mais il l’a fait 150 fois plus rapidement. Un diagnostic plus rapide pourrait permettre aux cas les plus urgents d’être aiguillés plus tôt, avec une vérification par un radiologiste humain.

Ce qui est frustrant à propos de l’apprentissage machine, cependant, c’est que les algorithmes ne peuvent pas exprimer ce qu’ils pensent. Nous ne savons pas pourquoi ils marchent, donc nous ne savons pas si on peut leur faire confiance. AlphaZero donne l’impression d’avoir découvert quelques principes importants sur les échecs, mais il ne peut pas partager cette compréhension avec nous. Pas encore, en tout cas. En tant qu’êtres humains, nous voulons plus que des réponses. Nous voulons de la perspicacité. Voilà qui va créer à partir de maintenant une source de tension dans nos interactions avec ces ordinateurs.

De fait, en mathématiques, c’est une chose qui s’est déjà produite depuis des années. Considérez le problème mathématique du "théorème des quatre couleurs", qui défie de longue date les cerveaux des mathématiciens. Il énonce que, sous certaines contraintes raisonnables, toute carte de pays contigus puisse toujours être coloriée avec seulement quatre couleurs, en n’ayant jamais deux fois la même couleur pour des pays adjacents.

Bien que le théorème des quatre couleurs ait été prouvé en 1977 avec l’aide d’un ordinateur, aucun humain ne pouvait vérifier toutes les étapes de la démonstration. Depuis lors, la preuve a été validée et simplifiée, mais il y a encore des parties qui impliquent un calcul de force brute, du genre de celui employé par les ancêtres informatiques d’AlphaZero qui jouent aux échecs. Ce développement a gêné de nombreux mathématiciens. Ils n’avaient pas besoin d’être rassurés que le théorème des quatre couleurs était vrai ; ils le croyaient déjà. Ils voulaient comprendre pourquoi c’était vrai, et cette démonstration ne les y a pas aidés.

Mais imaginez un jour, peut-être dans un avenir pas si lointain, où AlphaZero aura évolué vers un algorithme de résolution de problèmes plus général ; appelez-le AlphaInfinity. Comme son ancêtre, il aurait une perspicacité suprême : il pourrait trouver de belles démonstrations, aussi élégantes que les parties d’échecs qu’AlphaZero jouait contre Stockfish. Et chaque démonstration révélerait pourquoi un théorème était vrai ; l’AlphaInfinity ne vous l’enfoncerait pas juste dans la tête avec une démonstration moche et ardue.

Pour les mathématiciens et les scientifiques humains, ce jour marquerait l’aube d’une nouvelle ère de perspicacité. Mais ça ne durera peut-être pas. Alors que les machines deviennent de plus en plus rapides et que les humains restent en place avec leurs neurones fonctionnant à des échelles de temps de quelques millisecondes, un autre jour viendra où nous ne pourrons plus suivre. L’aube de la perspicacité humaine peut rapidement se transformer en crépuscule.

Supposons qu’il existe des régularités ou des modèles plus profonds à découvrir – dans la façon dont les gènes sont régulés ou dont le cancer progresse ; dans l’orchestration du système immunitaire ; dans la danse des particules subatomiques. Et supposons que ces schémas puissent être prédits, mais seulement par une intelligence bien supérieure à la nôtre. Si AlphaInfinity pouvait les identifier et les comprendre, cela nous semblerait être un oracle.

Nous nous assiérions à ses pieds et écouterions attentivement. Nous ne comprendrions pas pourquoi l’oracle a toujours raison, mais nous pourrions vérifier ses calculs et ses prédictions par rapport aux expériences et aux observations, et confirmer ses révélations. La science, cette entreprise de l’homme qui le caractérise par-dessus tout, aurait réduit notre rôle à celui de spectateurs, bouches bées dans l’émerveillement et la confusion.

Peut-être qu’un jour, notre manque de perspicacité ne nous dérangerait plus. Après tout, AlphaInfinity pourrait guérir toutes nos maladies, résoudre tous nos problèmes scientifiques et faire arriver tous nos autres trains intellectuels à l’heure avec succès. Nous nous sommes assez bien débrouillés sans trop de perspicacité pendant les quelque 300.000 premières années de notre existence en tant qu’Homo sapiens. Et nous ne manquerons pas de mémoire : nous nous souviendrons avec fierté de l’âge d’or de la perspicacité humaine, cet intermède glorieux, long de quelques milliers d’années, entre un passé où nous ne pouvions rien appréhender et un avenir où nous ne pourrons rien comprendre.

Auteur: Strogatz Steven

Info: Infinite Powers : How Calculus Reveals the Secrets of the Universe, dont cet essai est adapté sur le blog de Jorion

[ singularité ]