valeurs

Si nous faisons des choix dans le cadre d'une petite image de la réalité, nous serons aveugles à la plupart de leurs conséquences. La plus petite réalité que nous ayons est l'égocentrisme - quand tout tourne autour de soi. Une image un peu plus grande est celle de notre famille, puis de l'entreprise, la communauté, le pays, le monde. On peut même se soucier du système solaire et des météorites susceptibles de nous percuter. Au-delà de cela existe un autre ensemble de choses. Le domaine de la conscience, le monde intérieur. Si le monde physique est le monde extérieur et la conscience le monde intérieur, il y a des choses qui sont objectives en son sein, comme l'amour, la justice, la beauté, la vérité, la compassion, l'empathie, la moralité, la sollicitude, l'émotion, la peur. Tous ces concepts existent au-delà du monde physique objectif et sont très, très importants. Ils élargissent  la taille de notre réalité et le sens de ce qui est réel.

Ainsi, au fur et à mesure que le réel dans lequel nous opérons s'étend, notre espace de décision aussi, tout comme notre perspective, et donc notre potentiel à faire partie de la solution plus que du problème. Actuellement nous pouvons voir les résultats de choix dictés par cette incapacité à voir au-delà de notre avidité, nos besoins de ressources, de survie et de réussite. Elargir notre compréhension améliorera ces choix.

Auteur: Campbell Thomas W.

Info: My Big TOE - Awakening.

[ réseau neuronal ]

cosmologie

Notre détecteur de nouvelle physique par réseau neuronal (NNPhD) à automatiquement découvert Neptune à partir de données sur l'orbite d'Uranus. Il décèle aussi le rayonnement gravitationnel à partir de données sur les étoiles à neutrons. Le Machine Learning a un grand potentiel pour la recherche en physique ! 

(La conservation de l'énergie est un principe de base de la physique. Sa rupture implique souvent une nouvelle physique. Cet article présente une méthode de découverte de "nouvelle physique" basée sur des données. Plus précisément : étant donnée une trajectoire régie par des forces inconnues, notre détecteur neuronal de nouvelle physique (NNPhD) vise à déceler une nouvelle physique en décomposant le champ de force en composantes conservatives et non conservatives,  représentées respectivement par un réseau neuronal lagrangien (LNN) et un réseau neuronal sans contrainte, entraînés à minimiser l'erreur de récupération de force, plus une constante de  λ  fois la magnitude de la force non-conservatrice prédite. Nous montrons qu'une transition de phase se produit à   λ  =  1, de manière universelle pour des forces arbitraires. Nous démontrons que la NNPhD détecte avec succès une nouvelle physique via de ludiques expériences numériques, redécouvrant la friction à partir d'un double pendule amorti, Neptune à partir de l'orbite d'Uranus, et les ondes gravitationnelles à partir d'une orbite en spirale. Nous montrons également comment le NNPhD couplé à un intégrateur surpasse à la fois un LNN et un réseau neuronal sans contrainte, pour ce qui est de prédire l'avenir d'un double pendule amorti.)

Auteur: Tegmark Max

Info: Sur son fil FB, 24 déc 2021. En collaboration avec Ziming Liu, Bohan Wang, Qi Meng, Wei Chen et Tie-Yan Liu. Phys. Rev. E 104, 055302

[ pesanteur ] [ interactions ]

homme-par-machine

L’affirmation selon laquelle la méthode utilisée par le cerveau humain pour encoder les relations entre les concepts n’est pas uniquement mathématique est fondée sur notre compréhension actuelle des neurosciences, de la psychologie cognitive et des complexités observables du comportement et de l’expérience humaine. S’il est vrai que de nombreux processus cérébraux peuvent être décrits mathématiquement dans une certaine mesure (par exemple, dans les modèles d’activité neuronale ou de traitement des signaux), la profondeur du traitement cognitif et émotionnel humain transcende la simple description mathématique. Voici comment nous pouvons étayer ce point de vue :

Preuves de l’existence de processus non mathématiques dans la cognition humaine

Observations neuroscientifiques : L’imagerie cérébrale et les études neurophysiologiques révèlent des schémas complexes et dynamiques d’activité cérébrale associés à la cognition et aux émotions. Si ces schémas peuvent parfois être modélisés mathématiquement, les modèles ne rendent pas pleinement compte des expériences subjectives, des intentions et de la conscience qui accompagnent ces processus.

Complexité psychologique : les pensées, les émotions et les souvenirs humains sont liés entre eux d’une manière qui ne repose pas uniquement sur des relations mathématiques observables ou quantifiables. Par exemple, la signification personnelle, l’impact émotionnel et le contexte culturel peuvent tous influencer la manière dont les concepts sont liés, au-delà de ce qui peut être réduit à de simples valeurs numériques ou équations mathématiques.

Propriétés émergentes : La conscience et l’expérience subjective sont des propriétés émergentes des processus cérébraux que nous ne comprenons pas encore tout à fait. La qualité subjective de l’expérience (qualia) n’est pas quelque chose qui peut être directement mesuré ou entièrement capturé en termes mathématiques, bien qu’il s’agisse d’un produit des processus cérébraux.



 

Auteur: chatGPT4

Info: Sur le blog de Paul Jorion, mars 2024

[ partialité ] [ esprit défini ]

homme-machine

Ici dans les laboratoires de Zurich, nous travaillons sur l’après. Dans les dix prochaines années, il y aura des innovations liées aux techniques d’intelligence artificielle qu’on mettra à disposition, telle que l’intelligence artificielle généralisée (AGI). Une intelligence artificielle plus intelligente. Un des concepts sur lesquels mes équipes travaillent ici est la partie symbolique, que l’on appelle l’intelligence symbolique*. L’idée est de ne pas seulement dépendre d’un réseau de neurones qui demande une quantité colossale de données à répétition pour pouvoir apprendre.

Je vous donne l’exemple d’un système de conduite pour automobile, pour que ce soit plus compréhensible. Au lieu d’entraîner le système avec une grosse quantité de vidéos de voitures qui s’arrêtent à une intersection quand une autre voiture arrive de la droite, nous pourrions lui faire ingérer le code de conduite directement, et intégrer cette notion dans celle-ci. On en arrivera au même point, mais avec l’apprentissage neuronal classique, il faut une quantité phénoménale de vidéos différentes qu’il faudra répéter plusieurs fois pour que le réseau ait compris et ajusté ses poids pour obtenir la bonne réponse.

Le travail est donc d’aller faire ingérer le modèle de ces 50 pages comprenant toutes les règles et leur description, puis d’utiliser cette intelligence symbolique en combinaison avec l’intelligence basée sur les données, le Deep Neural Network. Ce sera beaucoup plus efficace ainsi. Notamment dans les situations uniques où le modèle n’aurait pas été entraîné. Avec un système de conduite, cela pourrait être utile si une voiture rencontre un panneau stop tombé sur le bas-côté de la route. On pourra aller plus loin dans ce que l’on appelle la out of distribution generalization* : la généralisation de ce qu’on a appris en dehors des données fournies pendant l’apprentissage.

 

Auteur: Haas Robert

Info: https://www.01net.com/, 24 déc 2023, *à différencier du développement de la fonction symbolique chez l'enfant, c'est-à-dire la capacité d'avoir des représentations mentales. ****généralisation hors distribution (OOD), ou problème de généralisation de domaine, qui suppose l'accès uniquement à des données tirées d'un ensemble "Eavail" "domaines disponibles pendant la formation".  Il faut donc aller vers la généralisation d'un ensemble de domaines plus large "Eall" comprenant des domaines non vus.

[ combinaison ouverture ]

femmes-hommes

Les cerveaux des hommes et des femmes sont connectés différemment
Les stéréotypes sur les aptitudes propres aux deux sexes sont confortés par une étude, qui prouve que les cerveaux des hommes et des femmes sont connectés de manière très différente.
Ces cartes de la connectivité cérébrale montrent des différences frappantes et aussi complémentaires dans l'architecture du cerveau humain. Elles aident à fournir une base neuronale potentielle expliquant pourquoi les hommes excellent dans certaines tâches et les femmes dans d'autres", relève Ragini Verma, professeur de radiologie à la faculté de médecine de l'Université de Pennsylvanie.
La recherche a ainsi montré que les femmes sont supérieures aux hommes pour la capacité d'attention, la mémoire des mots et des visages ainsi qu'aux tests d'intelligence sociale mais les hommes les surpassent en capacité et vitesse de traitement de l'information.
CONNECTIVITÉ NEURONALE DIFFÉRENTE
Cette étude montre chez l'homme une plus grande connectivité neuronale entre le devant du cerveau, siège de la coordination de l'action, et l'arrière où se trouve le cervelet, important pour l'intuition.
Les images indiquent aussi un grand nombre de branchements dans chacun des deux hémisphères cérébraux. Une telle connectivité suggère que le cerveau masculin est structuré pour faciliter les échanges d'informations entre le centre de la perception et celui de l'action.
Quant aux femmes, les branchements relient l'hémisphère droit, où siège la capacité d'analyse et de traitement de l'information, à l'hémisphère gauche, centre de l'intuition. La chercheuse Ragini Verma explique que les hommes sont en moyenne plus aptes à apprendre et à exécuter une seule tâche, comme faire du vélo, du ski ou la navigation.
Les femmes, elles, ont une mémoire supérieure et une plus grande intelligence sociale qui les rendent plus aptes à exécuter de multiples tâches et à trouver des solutions pour le groupe.

Auteur: Internet

Info: 5 décembre 2013

[ sciences ]

intelligence artificielle

- Peux-tu nous parler des "transformateurs" dans le processus d'IA ?

- Les transformateurs (transformers) sont un type d'architecture de réseau neuronal qui a gagné en popularité et en succès dans les tâches de traitement du langage naturel (NLP), telles que la traduction linguistique, la réponse aux questions et la modélisation linguistique. Ils ont été introduits par Vaswani et al. dans un article fondateur en 2017, et sont depuis devenus un outil standard dans la communauté du TAL.

L'innovation clé de l'architecture du transformateur est l'utilisation de mécanismes d'auto-attention, qui permettent au réseau de s'intéresser à différentes parties de la séquence d'entrée lors du traitement de chaque élément de la séquence. Cela permet au réseau de saisir les dépendances complexes entre les mots ou les tokens de la séquence d'entrée, sans s'appuyer sur un traitement séquentiel*. Le mécanisme d'auto-attention permet également au réseau d'apprendre des représentations contextuelles des mots, qui peuvent être utilisées pour générer des traductions ou des prédictions plus précises et plus fluides.

L'architecture du transformateur présente plusieurs avantages par rapport aux modèles de réseaux neuronaux antérieurs pour les tâches de NLP. Elle peut traiter des séquences d'entrée de longueur variable, ce qui est important pour des tâches telles que la modélisation linguistique et la traduction automatique. Elle peut également capturer les dépendances à longue portée entre les mots, ce qui est important pour des tâches telles que la réponse aux questions et le résumé. En outre, il a été démontré que l'architecture des transformateurs est plus parallélisable et plus efficace sur le plan informatique que d'autres modèles de réseaux neuronaux, ce qui permet d'accélérer les temps d'apprentissage et d'inférence.

Dans l'ensemble, les transformateurs ont eu un impact significatif sur le domaine de l'IA et du NLP**, et ils continuent d'être un domaine actif de recherche et de développement. Ils sont largement utilisés dans de nombreuses applications pratiques, notamment les assistants virtuels, les chatbots et les systèmes de traduction automatique.

Auteur: chatGPT4

Info: 1 mai 2023 *traitement des données dans l'ordre où elles se présentent, sans sélection, regroupement ou tri préalable.**Natural langage processing

[ . ]

intelligence artificielle

Résumé et explication du texte "Attention is All You Need"

Le texte "Attention is All You Need" (Vaswani et al., 2017) a révolutionné le domaine du traitement du langage naturel (TLN) en introduisant l'architecture Transformer, un modèle neuronal basé entièrement sur le mécanisme d'attention. Ce résumé explique les concepts clés du texte et son impact sur le TLN.

Concepts clés:

• 
  

  Attention: Le mécanisme central du Transformer. Il permet au modèle de se concentrer sur des parties spécifiques d'une séquence d'entrée (par ex., une phrase) lors du traitement, capturant ainsi les relations à longue distance entre les mots.

  
  


• 
  

  Encodeur-décodeur: L'architecture du Transformer. L'encodeur traite la séquence d'entrée et produit une représentation contextuelle. Le décodeur utilise ensuite cette représentation pour générer la séquence de sortie.

  
  


• 
  

  Positional encoding: Ajoute des informations de position aux séquences d'entrée et de sortie, permettant au modèle de comprendre l'ordre des mots.

  
  


• 
  

  Apprentissage par self-attention: Le Transformer utilise uniquement des mécanismes d'attention, éliminant le besoin de réseaux récurrents (RNN) comme les LSTM.

  
  

Impact:

• 
  

  Efficacité: Le Transformer a surpassé les modèles RNN en termes de performance et de parallélisation, permettant un entraînement plus rapide et une meilleure scalabilité.

  
  


• 
  

  Polyvalence: L'architecture Transformer s'est avérée efficace pour une large gamme de tâches en TLN, telles que la traduction automatique, le résumé de texte et la réponse aux questions.

  
  


• 
  

  Impact durable: Le Transformer est devenu l'architecture de base pour de nombreux modèles de pointe en TLN et continue d'inspirer des innovations dans le domaine.

  
  

En résumé:

"Attention is All You Need" a marqué un tournant dans le TLN en introduisant l'architecture Transformer. Le mécanisme d'attention et l'absence de RNN ont permis d'améliorer considérablement l'efficacité et la polyvalence des modèles de TLN, ouvrant la voie à de nombreuses avancées dans le domaine.

Points importants:

• 
  

  Le Transformer repose sur le mécanisme d'attention pour capturer les relations à longue distance dans les séquences.

  
  


• 
  

  L'architecture encodeur-décodeur avec self-attention offre une grande efficacité et une grande flexibilité.

  
  


• 
  

  Le Transformer a eu un impact profond sur le domaine du TLN et continue d'inspirer de nouvelles recherches.

  
  

Auteur: Internet

Info: Compendium de gemini

[ historique ] [ traitement automatique du langage ] [ écrit célèbre ]

drogue

La dépendance au tabac renforcée chez les porteurs d'une mutation génétique
Des chercheurs de l'Institut Pasteur, du CNRS et de l'UPMC - Université Pierre et Marie Curie viennent de prouver chez la souris que le besoin de nicotine, principale substance addictive du tabac, était fortement régulé par une mutation génétique très fréquente dans la population humaine. Cette mutation, qui affecte le récepteur neuronal à la nicotine, perturbe son fonctionnement et provoque en conséquence une inactivation partielle du "circuit de la récompense". Les individus porteurs de cette mutation ont donc besoin d'augmenter leur consommation de tabac pour en ressentir les effets. Ces résultats, publiés en ligne dans Molecular Psychiatry le 3 décembre, ouvrent la voie au développement de traitements de sevrage tabagique destinés aux individus porteurs de cette mutation.
Lorsque le tabac est consommé, la nicotine qu'il contient se fixe aux récepteurs nicotiniques, ce qui entraine l'activation du "circuit de la récompense". Il s'agit d'un système neuronal, qui dans un état fonctionnel normal, favorise entre autre la sensation de bien-être de l'individu. C'est l'effet de la nicotine sur le cerveau qui comble le manque ressenti par les fumeurs en cas de privation de tabac. En conséquence, la consommation de tabac d'un individu est fortement liée à la sensibilité de ces récepteurs nicotiniques.
Les équipes de Uwe Maskos, responsable de l'unité Neurobiologie intégrative des systèmes cholinergiques, Institut Pasteur/CNRS, et de Philippe Faure, chercheur CNRS au laboratoire "Neurobiologie des processus adaptatifs" (CNRS /UPMC), viennent de faire une découverte qui prouve que la dépendance au tabac peut être influencée par le patrimoine génétique de l'individu. Chez la souris, les chercheurs ont montré qu'une mutation génétique avait pour conséquence d'abaisser fortement la sensibilité à la nicotine. Les porteurs de cette mutation ont donc besoin d'une dose de tabac plus importante pour obtenir la même quantité de plaisir qu'un individu non porteur de cette mutation (environ 3 fois supérieure).
La mutation caractérisée par les chercheurs affecte une partie du récepteur nicotinique. Lorsqu'elle est présente, le fonctionnement de ce dernier est perturbé et le "circuit de la récompense" est en conséquence partiellement inactivé. Cette mutation est fréquente chez l'homme, d'autres études suggèrent qu'elle est présente chez 35% des européens et près de 90% des gros fumeurs. Ces découvertes ouvrent la voie au développement de traitements de sevrage "personnalisés", destinés aux individus porteurs de cette mutation génétique.

Auteur: Internet

Info:

[ accoutumance ] [ cigarette ]

homme-machine

L'IA de DeepMind peut construire une vision du monde à partir de plusieurs images.
L'intelligence artificielle peut maintenant se mettre à la place de quelqu'un d'autre. DeepMind a développé un réseau neuronal qui lui a appris à "imaginer" une scène à partir de différents points de vue, à partir d'une image seulement.
Avec une image 2D d'une scène - par exemple, une pièce avec un mur de brique et une sphère et un cube de couleur vive sur le sol - le réseau neuronal peut générer une vue 3D à partir d'un point de vue différent, rendant les côtés opposés des objets et modifiant l'endroit où les ombres tombent pour maintenir la même source de lumière.
Le système, nommé Generative Query Network (GQN), peut extraire des détails d'images statiques pour deviner les relations spatiales, y compris la position de la caméra.
"Imaginez que vous regardez l'Everest et que vous bougez d'un mètre - la montagne ne change pas de taille, ce qui vous dit quelque chose sur sa distance", dit Ali Eslami qui a dirigé le projet à Deepmind.
"Mais si vous regardez une tasse, elle changera de position. C'est semblable à la façon dont cela fonctionne."
Pour former le réseau neuronal, lui et son équipe lui ont montré des images d'une scène à partir de différents points de vue, utilisés pour prédire à quoi ressemblerait quelque chose depuis derrière ou du côté. Le système s' auto enseigne aussi via le contexte, les textures, les couleurs et l'éclairage. Ce qui contraste avec la technique actuelle de l'apprentissage supervisé, dans lequel les détails d'une scène sont étiquetés manuellement et transmis à l'IA.
L'IA peut également contrôler des objets dans l'espace virtuel, en appliquant sa compréhension des relations spatiales à un scénario où elle déplace un bras robotique pour ramasser une balle. Elle apprend beaucoup comme nous, même si nous ne le réalisons pas, dit Danilo Rezende de DeepMind, qui a également travaillé sur le projet.
En montrant au réseau neuronal de nombreuses images en formation, l'IA peut identifier les caractéristiques d'objets similaires et s'en souvenir. "Si vous regardez à l'intérieur du modèle, nous pouvons identifier des groupes de neurones artificiels, des unités dans le graphique de calcul, qui représentent l'objet ", dit Rezende.
Le système se déplace autour de ces scènes, faisant des prédictions sur l'endroit où les choses devraient être et à quoi elles devraient ressembler, en s'ajustant quand ses prédictions sont incorrectes.
Il a pu utiliser cette capacité pour élaborer la disposition d'un labyrinthe après avoir vu quelques photos prises de différents points de vue.

Auteur: Whyte Chelsea

Info: https://www.newscientist.com, 14 juin 2018

science-fiction

Le scepticisme scientifique est le pain quotidien du Dr Steven Novella. En tant que président de la New England Skeptics' Society, sa mission est de promouvoir la science et la pensée critique. Novella met en lumière des preuves sur une série de sujets complexes sur son blog et son podcast 'The Skeptics Guide to the Universe'.

Dans son dernier livre, The Skeptics' Guide to the Future, Novella, neurologue à Yale, regarde l'avenir avec un œil critique, tentant de prévoir l'avenir de manière réaliste plutôt que de se laisser prendre au battage médiatique qui accompagne généralement le futurisme. Parmi la panoplie de sujets qu’il aborde figure la notion de réalité neuronale, qui serait l’expression ultime de la réalité virtuelle.

"Avec la réalité neuronale, vous n'avez pas besoin de porter des lunettes, ni de vous soucier de problèmes de sécurité ou de déconnexion entre les mondes physique et virtuel", écrit-il. "La réalité neuronale utilise une interface cerveau-machine pour introduire directement le monde virtuel dans votre esprit."

Il n’y aurait pas de casque encombrant ni de contrôleurs portables.

"Cela remplacerait complètement vos entrées sensorielles et autres sorties motrices par un monde virtuel, pendant que vous, par exemple, êtes allongé en toute sécurité dans votre lit", a-t-il décrit. 

Cette réalité neuronale semble trop futuriste pour être possible. Mais Novella dit que cela arrivera certainement. "Il n'y a aucune raison de penser que cette technologie n'est pas possible ; la seule question est de savoir combien de temps cela prendra et quelle sera la qualité de la technologie."

On pourrait imaginer que cette technologie soit d'abord utilisée dans un esprit compassionnel. Les personnes souffrant du syndrome d'enfermement (locked in) pourraient être les premières à l'utiliser, suivies par les tétraplégiques. Ensuite, les personnes âgées et les infirmes pourraient vivre leurs derniers jours dans des mondes fantastiques à l'intérieur de leur esprit. Toutefois, à terme, la réalité neuronale pourrait devenir dystopique, ou utopique, selon le point de vue que l'on adopte.

"Il ne fait aucun doute qu'il pourra être séduisant de vivre dans un monde virtuel où l'on peut littéralement disposer de pouvoirs quasi divins", commente Novella.

À terme, presque tout le monde pourrait décider de "prendre la pilule bleue"* et de vivre dans une réalité neuronale.

Comme le note Novella, cela pourrait être la réponse au paradoxe de Fermi, qui attire l'attention sur l'absence de preuves de l'existence d'une vie extraterrestre intelligente, alors qu'elle devrait être courante dans notre univers. 

Peut-être que des extraterrestres sont installés en toute sécurité sous terre, encadrés soignés et protégés par des robots, et qu'ils se contentent de vivre dans leur propre esprit.

Auteur: Internet

Info: https://www.realclearwire.com, Ross Pomeroy. *Pilule rouge et pilule bleue représentent un choix entre la volonté d’apprendre une vérité potentiellement troublante ou qui change la vie en prenant la pilule rouge ou en restant dans l’expérience satisfaite de la réalité ordinaire avec la pilule bleue. Les termes proviennent du film The Matrix de 1999.   Le concept de pilules rouges et bleues a depuis été largement utilisé comme métaphore politique, en particulier parmi les libertaires de droite et les conservateurs aux États-Unis, où "prendre la pilule rouge" ou être "pilule rouge" signifie prendre conscience des préjugés politiques inhérents. dans la société, y compris dans les médias grand public, et finalement devenir un penseur indépendant ; tandis que "prendre la pilule bleue" ou être "la pilule bleue" signifie accepter sans aucun doute ces prétendus préjugés.

[ monde humain consensuel ] [ terre cerveau anthropique ] [ pur esprit ]