famine

Pour qui a faim, il n'y a pas de mauvais pain.

Auteur: Proverbe espagnol

Info: L'Espagne en proverbes (1905)

[ sobre ] [ non gourmande ]

origine de la vie

Pouvons-nous créer les molécules de la vie ? 

Des chercheurs de l’Université de Floride exploitent toute la puissance du supercalculateur HiPerGator pour montrer que des molécules peuvent se former naturellement dans le bon environnement.

Les manuels de biologie de base vous diront que toute vie sur Terre est constituée de quatre types de molécules : les protéines, les glucides, les lipides et les acides nucléiques. Et chaque groupe est vital pour tout organisme vivant.  

Mais quoi si les humains pouvaient réellement montrer que ces " molécules de la vie ", telles que les acides aminés et les bases de l’ADN, peuvent se former naturellement dans le bon environnement ?  Des chercheurs de l’Université de Floride utilisent HiPerGator – le superordinateur le plus rapide de l’enseignement supérieur américain – pour tester cette expérience.

HiPerGator – avec ses modèles d’IA et sa vaste capacité d’unités de traitement graphique, ou GPU (processeurs spécialisés conçus pour accélérer les rendus graphiques) – transforme le jeu de la recherche moléculaire. Jusqu'à il y a dix ans, mener des recherches sur l'évolution et les interactions de vastes collections d'atomes et de molécules ne pouvait se faire qu'à l'aide de simples expériences de simulation informatique ; la puissance de calcul nécessaire pour gérer les ensembles de données n’était tout simplement pas disponible.

C'est maintenant le cas, grâce à HiPerGator. À l'aide de ce supercalculateur, UF Ph.D. L'étudiant Jinze Xue (du Roitberg Computational Chemistry Group) a pu mener une expérience à grande échelle sur la chimie de la Terre pendant les vacances d'hiver 2023. Xue a utilisé plus de 1 000 GPU A100 sur HiPerGator et a réalisé une expérience de dynamique moléculaire sur 22 millions d'atomes qui a identifié 12 acides aminés, trois bases nucléiques, un acide gras et deux dipeptides. La découverte de molécules plus grosses,  qui n’aurait pas été possible dans des systèmes informatiques plus petits, a constitué une réussite importante.

" Nos précédents succès nous ont permis d'utiliser l'apprentissage automatique et l'IA pour calculer les énergies et les forces sur les systèmes moléculaires, avec des résultats identiques à ceux de la chimie quantique de haut niveau mais environ 1 million de fois plus rapides ", a déclaré Adrian Roitberg, Ph.D. , professeur au département de chimie de l'UF qui utilise l'apprentissage automatique pour étudier les réactions chimiques depuis six ans. " Ces questions ont déjà été posées mais, en raison de limitations informatiques, les calculs précédents utilisaient un petit nombre d’atomes et ne pouvaient pas explorer la plage de temps nécessaire pour obtenir des résultats. Mais avec HiPerGator, nous pouvons le faire. "

Erik Deumens, Ph.D., directeur principal d'UFIT Research Computing, a expliqué comment l'utilisation complète d'HiPerGator a été possible.

" HiPerGator a la capacité unique d'exécuter de très grands calculs (‘hero) qui utilisent la machine entière, avec le potentiel de conduire à des percées scientifiques et scientifiques ", a déclaré Deumens. " Lorsque nous avons découvert le travail effectué par le groupe du Dr Roitberg, , nous l'avons approché pour essayer un run 'héros' avec le code qu'il a développé. "

L’émergence de l’IA et des GPU puissants pourra permettre de réaliser de telles simulations scientifiques gourmandes en données – des calculs que les scientifiques ne pouvaient imaginer il y a seulement quelques années. 

"En utilisant des méthodes d'apprentissage automatique, nous avons créé une simulation en utilisant l'ensemble complet de GPU HiPerGator", a déclaré Roitberg. " Nous avons pu observer en temps réel la formation de presque tous les acides aminés (alanine, glycine, etc.) et de nombreuses molécules très complexes. C’était très excitant à vivre.

Ce projet fait partie d'un effort continu visant à découvrir comment des molécules complexes peuvent se former à partir d'éléments de base et à rendre le processus automatique grâce à de grandes simulations informatiques. Roitberg et son groupe de recherche ont passé de nombreuses heures à travailler avec les membres de l'UFIT. Ying Zhang, responsable du support IA d'UFIT, a dirigé l'expérience. 

" Ying a constitué une équipe composée du personnel de Research Computing et du personnel de NVIDIA pour aider à faire évoluer les calculs, fournir des conseils et une aide inestimables et accélérer l'analyse des données au point où les analyses ont été effectuées en seulement sept heures (au lieu des  heures  jours que nous pensions initialement que cela prendrait) ", a déclaré Roitberg. " Nous nous sommes rencontrés chaque semaine, de la conception initiale aux résultats finaux, dans le cadre d’une collaboration très fructueuse. "

Les résultats, et le peu de temps avec lequel HiPerGator a pu les fournir, ont été révolutionnaires, rapprochant les chercheurs de la réponse aux questions sur la formation des molécules complexes. Et le fait que Roitberg ait pu exécuter ce calcul montre que l'UF a la capacité de prendre en charge des " exécutions de héro " ou des " moonshot calculations " qui font avancer les projets scientifiques, d'ingénierie et universitaires.

"C'est une excellente opportunité pour les professeurs de l'UF", a déclaré Roitberg. " Avoir HiPerGator en interne – avec un personnel incroyable prêt à aller au-delà des attentes pour aider les chercheurs à produire une science révolutionnaire comme celle-ci – est quelque chose qui rend mes collègues non-UF très jaloux. "

Auteur: Internet

Info: https://news.ufl.edu/2024/02/molecules-of-life/ *Les travaux de calcul informatique qui nécessitent plus de 256 nœuds sont définis comme travaux de "héro". ** Moonshot projects : projet ambitieux, exploratoire et novateur, entrepris sans garantie de rentabilité ou d'avantages à court terme et, peut-être, sans une étude complète des risques et des avantages potentiels.

publicité occulte

POURQUOI LES IMAGES SUBLIMINALES SONT-ELLES INTERDITES ?

On entend régulièrement parler des "images subliminales" dans notre quotidien, et ce n'est pas toujours pour les valoriser. Certains en effet en ont peur, quand d'autres semblent plutôt s'en amuser. Quel est donc l'impact psychologique des images subliminales, et que dit la loi à ce propos ?

QU'EST-CE QU'UNE IMAGE SUBLIMINALE ? 

Une image subliminale est une image projetée quelques millisecondes qui doit être perçue au-dessous du niveau de conscience. Cela veut dire que notre cerveau enregistre l'image, mais que nous, en tant que personne, n'avons pas conscience d'avoir vu cette même image. Provoquant un stimulus, les messages subliminaux ont été utilisés notamment par la publicité ou encore par la propagande, et pourtant, l'efficacité de ces derniers sont encore sujets à débat. 

Comment parvient-on à créer une image subliminale ? Si l'on prend l'exemple du cinéma, 24 images défilent par seconde. On peut décider d'insérer une image subliminale de nature publicitaire afin que cette dernière s'affiche à l'écran durant environ 0,04 seconde (plus précisément 1/24 de secondes). La durée de projection de cette image sera si faible qu'elle ne pourra pas être perçue consciemment par celui qui la voit. Mais l'incroyable machine que représente le cerveau humain, elle, s'en souvient. Que l'on pense à une technique de manipulation inventée par les plus grandes entreprises, ou que l'on juge qu'il s'agit ici d'un mythe infondé, les images subliminales font régulièrement parler d'elles. 

LA TOUTE PREMIÈRE IMAGE SUBLIMINALE 

La première image subliminale serait apparue en 1956 dans un cinéma des Etats-Unis, après une expérience menée par James Vicary, un chercheur en marché. L'année suivante, les résultats de l'expérience sont sans appel pour ce dernier. James affirme en effet que, grâce aux images subliminales projetées, la vente de pop-corn et de Coca-Cola au sein du cinéma (le lieu de l'expérience) a connu une augmentation significative (de 57,7% concernant le pop-corn et de 18,1% concernant le Coca-Cola, selon les chiffres qu'ils donnent à ce moment-là). De cette déclaration naît un véritable mythe : les images subliminales ont un réel et un profond impact psychologique. Quelques temps plus tard cependant, James Vicary revient sur ses paroles et avoue que les chiffres ont été trafiqués afin de promouvoir son agence de marketing. Il est trop tard, le mal est fait, et la CIA prend les choses très au sérieux : une enquête est menée pour savoir quel impact peut réellement avoir une image subliminale sur l'inconscient d'un être humain.

L'IMPACT PSYCHOLOGIQUE

De nombreuses expériences ont ainsi été menées depuis celle de Vicary afin de déterminer quel est le véritable impact psychologique de la projection d'images subliminales. Jacques Araszkiewiez, spécialiste de la question, écrit dans son article L’influence des images subliminales : Il existe une “persuasion subliminale” c’est-à-dire un mécanisme qui dans un cadre approprié conduirait à une forme de persuasion automatique, à l’insu d’un sujet qui n’a pas perçu un stimulus ou qui a oublié qu’il l’avait perçu.

Il y aurait donc une forme d'influence, mais cette dernière est, dans les faits, très difficile à mettre en place. Il faudrait que les spectateurs soient totalement concentrés, qu'ils n'aient pas la tête à autre chose ou qu'ils ne s'adonnent pas à une autre activité en même temps. Qui plus est, si les images subliminales peuvent provoquer un stimulus à l'origine d'une sensation de faim ou de soif, des réactions somme toute assez primaires, il est très difficile de les orienter vers une marque ou un produit en particulier. Ce n'est pas de l'hypnose ! Il est ainsi possible, selon les nombreuses expériences menées, d'influencer un choix (par exemple, celui d'acheter ou non une canette de soda durant la projection d'un film), mais il serait à l'inverse totalement impossible de forcer une personne à faire quelque chose dont elle n'a pas envie. De même, il paraît compliqué d'orienter une personne vers une marque précise plutôt qu'une autre, et encore plus sur le long terme.

Qu'importe, une fois les mensonges de James Vicary dévoilés à une partie de la population les a cru et l'imaginaire collectif s'est chargé d'attribuer aux images subliminales beaucoup plus de pouvoir qu'elles n'en auraient dans la réalité. La loi s'est occupée du reste, et prévoit quelques mesures contre les entreprises, trop gourmandes, qui utiliseraient tous les moyens possibles pour faire augmenter leur chiffre d'affaires.

LA LÉGISLATION CONCERNANT LES IMAGES SUBLIMINALES

Suite au bluff de James Vicary, la loi aux Etats-Unis évolue. Le images subliminales sont ainsi interdites dès 1958 et ce, jusqu'en 1992. Depuis 1992 cependant, aucune loi fédérale permettant de condamner les images subliminales n'a vu le jour. Cela n'empêche pas la Commission Fédérale des Communications de retirer la licence de téléchargement à une entreprise s'il a été prouvé au préalable qu'elle utilise des images subliminales. En France, c'est justement en 1992 que le CSA interdit l’utilisation des images subliminales, avec le décret n° 92-280 du 27 mars 1992, article 10 : "La publicité ne doit pas utiliser des techniques subliminales entendues comme visant à atteindre le subconscient du téléspectateur par l’exposition très brève d’images en vue de la promotion d’un produit, d’une cause ou d’une idée." 

Dans les faits cependant, il est très rare que des sanctions soient prises, même si le CSA a la possibilité d’engager une procédure de sanction qui peut mener à une sanction financière et/ou un retrait des posts contenant des images subliminales. Aujourd'hui encore, l'utilisation d'images subliminales reste donc sujet à controverse, et l'on en apprendra peut-être davantage dans les années à venir. La loi sera-t-elle aussi amenée à évoluer ? 

Auteur: Internet

Info: Chromerit, 6 mai 2019. https://hitek.fr/actualite/image-subliminale-interdiction-psychologie_19279

[ à votre insu ] [ dissimulation ] [ stéganographie ]

anthropomorphisme

Les plantes sont-elles frigides?

La plante évoque l'inertie. On dit "végéter" pour "stagner". Mais il y a quelques siècles encore, "végéter" signifiait le contraire. En latin, ce mot désigne la surabondance d'énergie qui pousse une plante à jaillir. Plus on la coupe, plus elle reverdit : la plante, c'est l'énergie sexuelle incarnée. Sur le plan étymologique en tout cas. Les termes latins dont le mot "végétal" dérive désignent à l'origine "force et croissance". Le mot silva (forêt) est attesté dès Cicéron dans le sens de "grande quantité" et d'"abondance de matière". Le mode d'être de la plante est celui d'une prolifération virtuellement infinie, en constante expansion. Quel plus beau modèle prendre pour l'humain que celui du lierre ou du lichen? A la différence des végétaux dont la vie se confond avec la croissance, la plupart des bêtes, une fois adultes atteignent leurs dimensions définitives, explique Dominique Brancher, ce qui explique peut-être pourquoi les plantes font si peur. Elles ne connaissent pas de limites. Elles ne respectent pas l'ordre. Est-ce la cause du stigmate qui les frappe en Occident ? Les plantes sont-elles victimes de spécisme, de sexisme ou de racisme?

Chercheuse à l'Université de Bâle, Dominique Brancher est l'auteure d'un livre qui entend rendre justice au règne végétal : on en a fait un règne dormant, voué à l'immobilité, à l'absence de pensée, de sentiments, de sensations... Quel dommage d'avoir ainsi perverti ce qui - à l'origine de notre culture - était considéré comme une forme de débordement vital. Trop vital. "Eclipsé par l'attention exclusive donnée au vaste débat sur la distinction entre l'animal et l'homme, [...] le végétal s'est vu relégué au rang de tiers-exclu", dit-elle, regrettant que le mot végéter soit devenu synonyme d'inertie. Mais pourquoi un tel revirement? Pour quelle raison notre culture a-t-elle ainsi châtré la plante? Dans un livre au titre explicite Quand l'esprit vient aux plantes (allusion ironique au poème de La Fontaine "Comment l'esprit vient aux filles"), Dominique Brancher retrace l'histoire de ce qu'elle désigne comme l'invention d'un sexisme anti-flore. Nous avons discriminé les végétaux comme l'ont été les femmes : en leur déniant tout désir. Comme l'ont été les "sauvages" : en leur déniant toute intelligence. Comme le sont encore les animaux : en les parquant dans des réserves. C'est pourquoi il faut lire son enquête sur la sexualité des plantes comme un révélateur de nos choix de vie.

Quand les plantes étaient humaines...

Aux origines présocratiques de notre culture, les cosmogonies imaginées par Thalès (né en 640 av. J.-C.), Héraclite (504 av. J.-C.) ou Empédocle (492 av. J.-C.) reposent sur un principe d'équation : nous sommes faits de la même matière que tout ce qui existe, fleur ou astres. Cette règle d'analogie poétique "dit la trame vitale qui tisse les êtres et confond leurs attributs et leurs formes. Les arbres "pondent" leurs fruits et les êtres humains se développent comme des plantes." Pour Empédocle, qui rédige sa théorie en vers fabuleux face au paysage volcanique de sa Sicile natale, il n'y a ni naissance ni mort. Tout chose se renouvelle sous l'effet d'une ardeur brûlante qui traverse la matière. "Toute chose pense", dit-il. Toute chose aime et hait. "Dans ses transmigrations, l'âme humaine épouse les métamorphoses de la matière car elle a "déjà été autrefois garçon et fille, buisson, oiseau ou poisson cheminant à la surface de l'eau" (Empédocle, VIII).". Dans cet univers foisonnant, les plantes ont du plaisir et souffrent comme les humains qui, eux-mêmes, viennent au monde mouillés par la rosée de leur larmes. Empédocle résume ainsi leur première apparition : "Or donc voici comment des hommes et des femmes trempés de pleurs, Feu, se séparant, fit jaillir les pousses dans la nuit" (Empédocle III, Les Origines).

Avec la "raison" vient l'inégalité

Mais cette vision-là du monde est trop poétique sans doute. Dès le 1er siècle avant J.-C., Nicolas de Damas écrit dans son ouvrage De Plantis : "Il faut rejeter ces idées grossières et nous mettre à dire la vérité". Platon (427 av. J.-C.), deux siècles avant lui, n'accorde aux plantes qu'une âme inférieure et en fait des animaux immobiles. Mais c'est Aristote (384 av. J.-C.) qui "réduit encore plus considérablement la dignité du végétal en lui laissant seulement une sorte d'âme (De Anima, A5, 411)". La classification qu'Aristote met en place devient le modèle dominant d'une pensée occidentale qui place l'homme au sommet de la hiérarchie. Dans ce nouvel ordre moral, "les plantes jouissent seulement d'une âme végétative", désormais privées d'entendement. Avec le christianisme, leur statut ne s'améliore pas, au contraire. "Selon l'agenda cloisonné de la Genèse, Dieu créa les plantes le troisième jour, les animaux le cinquième et l'homme le sixième". Dans l'échelle des êtres, le végétal est en bas. Deux attitudes prévalent à son égard. La première repousse les plantes du côté du péché. Le seconde, guère plus enviable, du côté du paradis. Dans les deux cas, la plante est vue comme une créature frigide.

La plante comme symbole du péché de gourmandise Bien qu'ils lui dénient toute capacité de percevoir et donc de jouir, les théologiens estiment en effet que la plante est gourmande. Ne passe-t-elle pas son temps à sucer la terre? Voilà pourquoi elle est au bas de cette Scala Naturae ("échelle de la nature") que de nombreux ouvrages du XVIe siècle décrivent en termes de menace : attention de ne pas tomber ! Chaque échelon figure un degré de déchéance. Quand l'homme commet le péché de luxure (sensualis), il est ravalé au rang d'animal. Quand il a trop d'appétit (vitalis), le voilà végétal. Quand il sombre dans la tristesse (acédie), il rétrograde en minéral. Le christianisme "est une religion qui déconsidère la vie organique au profit de la pensée rationnelle", rappelle Dominique Brancher. Aux yeux des chrétiens, l'homme ne peut prétendre à son statut supérieur qu'à la condition de ne rien avoir en commun avec la (vile) matière. Les bêtes qui forniquent, les rivières qui ondoient et les plantes qui têtent la glaise sans penser, avec une gloutonnerie "stupide et insensible" (Jean Pic de la Mirandole) sont des choses détestables, qui renvoient à la chute.

La plante comme symbole de l'asexualité

Mais il existe une autre attitude vis à vis des plantes : pour certains chrétiens, elles présentent cet avantage sur les animaux d'être "pures". Cela commence au XIIIe siècle, avec Innocent III : dans un texte intitulé De Contemptu mundi, le pape attribue aux plantes la "candeur de l'âme végétative". La plante n'est pas sexuée, dit-il (ignorant qu'il existe des espèces végétales où les mâles et les femelles sont distincts). "Dégagés des ardeurs charnelles qui abêtissent et abrutissent, les végétaux offrent ainsi la rédemption d'un nouvel Eden. Combien d'auteurs de la Contre-Réforme ne célèbrent-ils pas la pureté de la reproduction végétale?". Dominique Brancher cite par exemple Thomas Browne qui, dans les années 1630, déclare : "Je serais heureux, si nous pouvions procréer comme les arbres sans union et s'il existait un moyen de perpétuer le monde sans passer par le coït vulgaire et trivial. C'est l'acte le plus sot qu'un homme sage puisse commettre dans sa vie". Edifiant. La chercheuse enfonce le clou : "Aux yeux de la mystique flamande, la perfection végétale figure une complétude originelle que la Faute, en modifiant le corps physique des premiers hommes, a définitivement dérobé à l'humanité : "Au lieu d'hommes qu'ils devaient être, ils sont devenus des monstres divisés en deux sexes imparfaits, impuissants à produire leurs semblables seuls, comme se produisent les arbres et les plantes".

Savez-vous planter des choux?

Dans la tradition ouverte par Innocent III, tout un imaginaire puritain se cristallise aux XVIe et XVIe siècles autour des plantes. La botanique devient "une technique de maîtrise des instincts, explique Dominique Brancher. On en trouve les répercussions jusque chez Rousseau, "persuadé qu'à tout âge l'étude de la nature émousse le goût des amusements frivoles, prévient le tumulte des passions". "La campagne a toujours été considérée comme le séjour de l'innocence", renchérit Trembley. L'herborisation devient l'activité favorite des puritains. On associe le curé de campagne à un brave jardinier, expert en sirops pour la gorge. "La méconnaissance concertée de la sexualité des plantes, depuis Aristote jusqu'aux naturalistes de la Renaissance, entretient cette vision angélique." Heureusement, il existe à toute époque des empêcheurs de tourner en rond. Au XVIe siècle, en particulier, des voix dissidentes s'élèvent : non, la plante n'est pas sage. Nous ferions bien d'en prendre de la graine.

Auteur: Giard Agnes

Info: 4 janvier 2016

[ historique ] [ Grèce antique ]

tour d'horizon de l'IA

Intelligence artificielle symbolique et machine learning, l’essor des technologies disruptives

Définie par le parlement Européen comme la " reproduction des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ", l’intelligence artificielle s’initie de façon spectaculaire dans nos vies. Théorisée au milieu des années 50, plusieurs approches technologiques coexistent telles que l’approche machine learning dite statistique basée sur l’apprentissage automatique, ou l’approche symbolique basée sur l’interprétation et la manipulation des symboles. Mais comment se différencient ces approches ? Et pour quels usages ?

L’intelligence artificielle, une histoire ancienne

Entre les années 1948 et 1966, l’Intelligence Artificielle a connu un essor rapide, stimulé par des financements importants du gouvernement américain pour des projets de recherche sur l’IA, notamment en linguistique. Des progrès significatifs ont été réalisés dans la résolution de problèmes de logique symbolique, mais la capacité de l’IA à traiter des données complexes et imprécises était encore limitée.

A la fin des années 70, plus précisément lors du deuxième “été de l’IA” entre 1978 et 1987,  l’IA connaît un regain d’intérêt. Les chercheurs ont commencé à explorer de nouvelles approches, notamment l’utilisation de réseaux neuronaux et de systèmes experts. Les réseaux neuronaux sont des modèles de traitement de l’information inspirés par le fonctionnement du cerveau humain, tandis que les systèmes experts sont des programmes informatiques qui simulent l’expertise humaine dans un domaine spécifique.

Il faudra attendre la fin des années 90 pour voir un renouveau de ces domaines scientifiques, stimulé par des avancées majeures dans le traitement des données et les progrès de l’apprentissage automatique. C’est d’ailleurs dans cette période qu’une IA, Deepblue, gagne contre le champion mondial Garry Kasparov aux échecs.$

Au cours des dernières années, cette technologie a connu une croissance exponentielle, stimulée par des progrès majeurs dans le deep learning, la robotique ou la compréhension du langage naturel (NLU). L’IA est maintenant utilisée dans un large éventail de domaines, notamment la médecine, l’agriculture, l’industrie et les services. C’est aujourd’hui un moteur clé de l’innovation et de la transformation de notre monde, accentué par l’essor des generative AIs. 

Parmi ces innovations, deux grandes approches en intelligence artificielle sont aujourd’hui utilisées : 

1 - Le Machine Learning : qui est un système d’apprentissage automatique basé sur l’exploitation de données, imitant un réseau neuronal

2 - L’IA Symbolique : qui se base sur un système d’exploitation de " symboles ”, ce qui inspire des technologies comme le “système expert” basé sur une suite de règles par exemple.

Mais comment fonctionnent ces deux approches et quels sont leurs avantages et leurs inconvénients ? Quels sont leurs champs d’application ? Peuvent-ils être complémentaires ?

Le machine learning

Le Machine Learning est le courant le plus populaire ces dernières années, il est notamment à l’origine de ChatGPT ou bien MidJourney, qui font beaucoup parler d’eux ces derniers temps. Le Machine Learning (ML) est une famille de méthodes d’apprentissage automatique qui permet aux ordinateurs d’apprendre à partir de données, sans être explicitement programmés. En utilisant des algorithmes, le ML permet aux ordinateurs de comprendre les structures et les relations dans les données et de les utiliser pour prendre des décisions.

Le ML consiste à entraîner des modèles informatiques sur de vastes ensembles de données. Ces modèles sont des algorithmes auto apprenant se basant sur des échantillons de données, tout en déterminant des schémas et des relations/corrélations entre elles. Le processus d’entraînement consiste à fournir à l’algorithme des données étiquetées, c’est-à-dire des données qui ont déjà été classifiées ou étiquetées pour leur attribuer une signification. L’algorithme apprend ensuite à associer les caractéristiques des données étiquetées aux catégories définies en amont. Il existe cependant une approche non-supervisée qui consiste à découvrir ce que sont les étiquettes elles-mêmes (ex: tâche de clustering).

Traditionnellement, le machine learning se divise en 4 sous-catégories : 

Apprentissage supervisé : 

Les ensembles de données sont étiquetés, ce qui permet à l’algorithme de trouver des corrélations et des relations entre les caractéristiques des données et les étiquettes correspondantes. 

Apprentissage non supervisé : 

Les ensembles de données ne sont pas étiquetés et l’algorithme doit découvrir les étiquettes par lui-même. 

Apprentissage semi-supervisé : 

L’algorithme utilise un mélange de données étiquetées et non étiquetées pour l’entraînement.

Apprentissage par renforcement : 

L’algorithme apprend à prendre des décisions en interagissant avec son environnement. Il reçoit des récompenses ou des pénalités pour chaque action, ce qui lui permet d’ajuster sa stratégie pour maximiser sa récompense globale.

Un exemple d’application du Machine Learning est la reconnaissance d’images. Des modèles d’apprentissages profonds sont entraînés sur des millions d’images pour apprendre à reconnaître des objets, des personnes, des animaux, etc. Un autre exemple est la prédiction de la demande dans le commerce de détail, où des modèles sont entraînés sur des données de ventes passées pour prédire les ventes futures.

Quels sont les avantages ? 

Étant entraîné sur un vaste corpus de données, le ML permet de prédire des tendances en fonction de données.  

- Le machine learning offre la capacité de détecter des tendances and des modèles dans les données qui peuvent échapper à l’observation humaine.

- Une fois configuré, le machine learning peut fonctionner de manière autonome, sans l’intervention humaine. Par exemple, dans le domaine de la cybersécurité, il peut surveiller en permanence le trafic réseau pour identifier les anomalies.

- Les résultats obtenus par le machine learning peuvent s’affiner et s’améliorer avec le temps, car l’algorithme peut apprendre de nouvelles informations et ajuster ses prédictions en conséquence.

- Le machine learning est capable de traiter des volumes massifs et variés de données, même dans des environnements dynamiques et complexes.

L’intelligence artificielle symbolique

L’IA symbolique est une autre approche de l’intelligence artificielle. Elle utilise des symboles and des règles de traitement de l’information pour effectuer des tâches. Les symboles peuvent être des concepts, des objets, des relations, etc. Les règles peuvent être des règles de déduction, des règles de production, des règles d’inférence…etc.

Un exemple d’application de l’IA symbolique est le système expert. Un système expert est un programme informatique qui utilise des règles de déduction pour résoudre des problèmes dans un domaine spécifique, comme le diagnostic médical ou l’aide à la décision en entreprise. Un autre exemple est la traduction automatique basée sur des règles, les règles de grammaire et de syntaxe sont utilisées pour traduire un texte d’une langue à une autre.

Quelques exemples d’usages de l’IA symbolique :

La traduction

L’IA symbolique a été utilisée pour développer des systèmes de traduction automatique basés sur des règles. Ces systèmes utilisent des règles de grammaire et de syntaxe pour convertir un texte d’une langue à une autre. Par exemple, le système SYSTRAN, développé dans les années 1960, est un des premiers systèmes de traduction automatique basé sur des règles. Ce type de système se distingue des approches basées sur le Machine Learning, comme Google Translate, qui utilisent des modèles statistiques pour apprendre à traduire des textes à partir de corpus bilingues.

Le raisonnement logique

L’IA symbolique est également utilisée pour développer des systèmes capables de raisonnement logique, en exploitant des règles et des connaissances déclaratives pour résoudre des problèmes complexes. Par exemple, les systèmes d’aide à la décision basés sur des règles peuvent être utilisés dans des domaines tels que la finance, l’assurance ou la logistique, pour aider les entreprises à prendre des décisions éclairées. Un exemple concret est le système MYCIN, développé dans les années 1970 pour aider les médecins à diagnostiquer des infections bactériennes et à prescrire des antibiotiques adaptés.

L’analyse de textes

L’IA symbolique peut être utilisée pour l’analyse de textes, en exploitant des règles et des connaissances linguistiques pour extraire des informations pertinentes à partir de documents. Par exemple, les systèmes d’extraction d’information basés sur des règles peuvent être utilisés pour identifier des entités nommées (noms de personnes, d’organisations, de lieux, etc.) et des relations entre ces entités dans des textes. Un exemple d’application est l’analyse et la catégorisation des messages entrants pour les entreprises, cœur de métier de Golem.ai avec la solution InboxCare.

Les avantages de l’IA symbolique 

L’IA symbolique est une approche qui utilise des symboles, et parfois des " règles” basées sur des connaissances, qui comporte plusieurs avantages :

- Explicablilité : Les décisions prises par les systèmes d’IA symbolique sont explicites et peuvent être expliquées en fonction des règles logiques et des connaissances déclaratives utilisées par le système. Cette transparence peut être essentielle dans des applications critiques, comme la médecine ou la défense.

- Frugalité : Contrairement au Machine Learning, l’IA symbolique ne nécessite pas d’entraînement, ce qui la rend moins gourmande en énergie à la fois lors de la conception et de l’utilisation.

- Adaptabilité : Les systèmes d’IA symbolique peuvent être facilement adaptés à de nouveaux domaines en ajoutant de nouvelles règles logiques et connaissances déclaratives à leurs bases de connaissances existantes, leurs permettant de s’adapter rapidement à de nouvelles situations.

L’intelligence artificielle hybride ou le neuro-symbolique 

Les systèmes hybrides combinent les avantages de l’IA symbolique et du Machine Learning en utilisant une approche mixte. Dans ce type de système, l’IA symbolique est utilisée pour représenter les connaissances et les règles logiques dans un domaine spécifique. Les techniques de Machine Learning sont ensuite utilisées pour améliorer les performances de l’IA symbolique en utilisant des ensembles de données pour apprendre des modèles de décision plus précis et plus flexibles. Mais nous pouvons également voir d’autres articulations comme la taxonomie de Kautz par exemple.

L’IA symbolique est souvent utilisée dans des domaines où il est important de comprendre et de contrôler la façon dont les décisions sont prises, comme la médecine, la finance ou la sécurité. En revanche, le Machine Learning est souvent utilisé pour des tâches de classification ou de prédiction à grande échelle, telles que la reconnaissance de voix ou d’image, ou pour détecter des modèles dans des données massives.

En combinant les deux approches, les systèmes hybrides peuvent bénéficier de la compréhensibilité et de la fiabilité de l’IA symbolique, tout en utilisant la flexibilité et la capacité de traitement massif de données du Machine Learning pour améliorer la performance des décisions. Ces systèmes hybrides peuvent également offrir une plus grande précision et un temps de réponse plus rapide que l’une ou l’autre approche utilisée seule.

Que retenir de ces deux approches ?

L’Intelligence Artificielle est en constante évolution et transforme de nombreux secteurs d’activité. Les deux approches principales de l’IA ont leurs avantages et inconvénients et peuvent être complémentaires. Il est donc crucial pour les entreprises de comprendre ces technologies pour rester compétitives. 

Cependant, les implications éthiques et sociales de l’IA doivent également être prises en compte. Les décisions des algorithmes peuvent avoir un impact sur la vie des personnes, leur travail, leurs droits et leurs libertés. Il est donc essentiel de mettre en place des normes éthiques et des réglementations pour garantir que l’IA soit au service de l’humanité. Les entreprises et les gouvernements doivent travailler ensemble pour développer des IA responsables, transparentes et équitables qui servent les intérêts de tous. En travaillant ensemble, nous pouvons assurer que l’IA soit une force positive pour l’humanité dans les années à venir. 



 

Auteur: Merindol Hector

Info: https://golem.ai/en/blog/technologie/ia-symbolique-machinelearning-nlp - 4 avril 2023

[ dualité ]