ontologie sémantique

J'utilisé la notion sémiotique de Peirce (de science cénoscopique*) pour montrer comment l'âge latin, de St Augustin à Joao Poinsot, a marqué la première floraison de la conscience sémiotique - pour être éclipsée en philosophie par le moderne "tournant subjectif " conduisant vers l'"épistémologie" (et plus tard par le "tournant linguistique" s'orientant vers la "philosophie analytique"), que Sebeok nomma "période cryptosémiotique".

Le véritable retour à la conscience sémiotique aura été enclenché selon moi par les travaux de Charles S. Peirce, en commençant notamment par sa Nouvelle liste de catégories.

Auteur: Deely John

Info: Medieval Philosophy Redefined (2010). *ayant pour objet l’étude de ce qui est commun à l’expérience de tous,

[ systèmes de signes ] [ diachronie ] [ linguistique occidentale ] [ historique ]

sémiotique

...en logique il est nécessaire de prêter une particulière attention aux mots qui désignent des signes. De tels termes sont genres, espèces, etc. Rien n'est genre, mais comme il y a des termes comme homme et arbre qui désignent une chose en la laissant plus ou moins indéterminée on peut donc parler de tout ce qui peut être désigné par une dénomination aussi générale que genre ou de classe. Ces vocables sont appelés "termes de seconde intention". La première intention est l'acte mental par lequel un objet est conçu. La seconde intention est l'acte mental par lequel la première conception devient réceptacle conçu qui fait référence à sa relation à son objet. Un terme de seconde intention ne se réfère pas tant au signe lui-même qu'il signifie quoi que ce soit de désigné par un signe d'une certaine description. Une terme de seconde intention ne signifie pas autant le signe lui-même qu'il signifie quoi qui puisse être dénoté par un signe d'une certaine description.

Auteur: Peirce Charles Sanders

Info: Chap. XI. On Logical Breadth and Depth. MS [R] 384; MS [W] 233. 1873

[ emblème ] [ ontologie linguistique ]

glissement sémantique

La prophétie de Nietzsche :
"Un bouddhisme mou envahira l’Europe"

Cette prophétie s’est magistralement réalisée et triomphe de nos jours dans le monde entier. Dès que le pâli Djâna (absorption immédiate) fut traduit par le sanscrit Dhyâna (méditation réflexive) on était en droit de s’attendre au pire. Bodhidharma le comprit instantanément et choisit de s’exiler. Même phonétiquement les deux mots ne se prononcent pas de la même manière. Djâna est bref comme l’immédiat et Dhyâna est long comme toute réflexion. Quant à leur signification, elle participe de deux pratiques opposées et inconciliables. L’un ou l’autre terme devait disparaître. C’est Djâna qui en fit les frais entraînant avec lui toute la langue pâli, un peu comme la langue gauloise disparut en faveur du latin (voir la guerre des Gaules de Jules César). C’est comme si on décrétait le refoulement officiel de l’inconscient au seul profit de la conscience consciente d’elle-même. Le problème est structurel. Conscient ou inconscient ? Compte tenu que la conscience de rien est aussi un rien, ou une négation, de toute conscience. Le mot Zen est la prononciation japonaise de l’idéogramme Tchan, apocope de Tchanna qui est la prononciation phonétique chinoise du pâli Djâna (Djâna-Tchanna) : absorption immédiate. Rien à voir avec le Dhyâna mot sanscrit qui signifie méditation, terme qui implique toutes formes de réflexion et de graduation. Cette transformation du subitisme en gradualisme, de la "non pensée" en pensée, du non-être en ontologie, de l’immédiateté en travail progressif et graduel va produire ce "bouddhisme mou" et dégénéré, prédit par Nietzsche (dont le concept de "volonté de puissance" est précisément l’inconscient freudien et lacanien). Ce bouddhisme apathique et châtré s’étend aujourd’hui sur toute la planète. Tous les dictionnaires du monde répètent erronément que zen n’est autre que le sanscrit Dhyâna, méditation. Toute la pensée du monde est influencée par cette perversion linguistique qui corrompt de nos jours les plus brillants et les plus courageux esprits.

Auteur: Massat Guy

Info: Publication facebook du 28.02.19

[ amalgame ] [ erreur ]

ontologie linguistique

En 1867, Charles Sanders Peirce, alors âgé de vingt-huit ans, publie On a New List of Categories (1.545-1.559). Dans ce texte étonnant, il esquisse le fondement métaphysique d'une philosophique séméiotique et il entreprend l'élaboration d'une définition et d'une classification scientifique des signes. Le texte commence par une étude de la substance et de l'être et Peirce y formule l'hypothèse de l'existence des trois catégories fondamentales de l'être, qu'il nommera ultérieurement Priméité, Secondéité et Tiercéité, et grâce auxquelles il définit le representamen.

Un representamen est une relation triadique dans laquelle un fondement est relié à un objet par le biais d'un interprétant. La définition peircéenne du representamen est intentionnellement formelle et générale. Peirce prétendait alors que la sémiotique était une science de base et qu'elle constituait le fondement de la logique, de la psychologie et de la sociologie. Dans ses écrits ultérieurs, il a indiqué qu'il préférait utiliser le mot "signe" pour désigner les representamen dont la pensée et l'action humaines sont les interprétants. Comme il existe trois types de representamen ou de relations-signe, il s'ensuit qu'il existe trois sciences séméiotiques subsidiaires. Premièrement la grammaire formelle qui est l'étude des fondements des signes étudié en eux-mêmes et indépendamment de leurs relations avec leurs objets ou leurs interprétants. Deuxièmement la logique ou critique qui est l'étude de la relation des signes à leurs objets. Troisièmement la rhétorique formelle qui est l'étude de la relation des signes et de leurs interprétants.

Peirce a repris ces termes à la philosophie grecque et à la philosophie médiévale, mais il est évident qu'il a anticipé sur la syntaxe, la sémantique et la pragmatique. C'est également dans cet article de 1867 que Peirce a introduit la tripartition des signes en "indice", "icône" et "symbole". Il tient la séméiotique pour une science première par rapport à la logique et il considère qu'elle constitue une base pour la logique des termes, des propositions et des arguments. La séméiotique fonde également les trois formes de raisonnement qu'on utilise dans les sciences : hypothèse, déduction et induction. A la même époque que cet article sur les catégories, Peirce a écrit et publié toute une série d'articles particulièrement brillants dans lesquels il a développé sa théorie de manière plus détaillée, et dégagé plus complètement ses applications à l'étude de la logique, de l'histoire et de la méthodologie des sciences.

Il a également appliqué cette séméiotique à la psychologie et à la théorie des sociétés. L'homme est un signe. En fait l'homme est un signe extérieur, un signe dans le monde. Le corps de l'homme et ses actions constituent le médium matériel de l'homme-signe, tout comme l'encre et les sons constituent le médium matériel du langage. Les sensations et les émotions sont des "mots constitutionnels" (2.426, 5.291). Pendant les six années qui suivirent, Peirce en vint à penser que l'homme est un dialogue de signes, dans lequel le doute pose les questions tandis que les actions et les croyances sont les interprétants. Ces croyances et ces actions seront ultérieurement traduites en une conversation avec la société des signes. Peirce a esquissé une théorie de l'éthique dans laquelle ce sont des normes séméiotiques qui régissent la communauté en expansion où cette conversation a lieu.

Auteur: Savan David

Info: La séméiotique de Charles S. Peirce. https://www.persee.fr/doc/lgge_0458-726x_1980_num_14_58_1844. Les références entre parenthèses qui suivent les citations renvoient au volume et au numéro de paragraphe des Collected Papers de Peirce, sélectionnés et présentés par Paul Weiss et Charles Hartsone, et publiés par Harvard University Press en 8 volumes, 1932- 1954. Trad : F. Peraldi

[ communication ] [ pouvoir sémantique ] [ sémiotique ]

homme-machine

Chat GPT ou le perroquet grammairien

L’irruption des IA conversationnelles dans la sphère publique a conféré une pertinence supplémentaire aux débats sur le langage humain et sur ce qu’on appelle parler. Notamment, les IA redonnent naissance à un débat ancien sur la grammaire générative et sur l’innéisme des facultés langagières. Mais les grands modèles de langage et les IA neuronales nous offrent peut-être l’occasion d’étendre le domaine de la réflexion sur l’architecture des systèmes possibles de cognition, de communication et d’interaction, et considérant aussi la façon dont les animaux communiquent.

a capacité de ChatGPT à produire des textes en réponse à n’importe quelle requête a immédiatement attiré l’attention plus ou moins inquiète d’un grand nombre de personnes, les unes animées par une force de curiosité ou de fascination, et les autres, par un intérêt professionnel.

L’intérêt professionnel scientifique que les spécialistes du langage humain peuvent trouver aux Large Language Models ne date pas d’hier : à bien des égards, des outils de traduction automatique comme DeepL posaient déjà des questions fondamentales en des termes assez proches. Mais l’irruption des IA conversationnelles dans la sphère publique a conféré une pertinence supplémentaire aux débats sur ce que les Large Language Models sont susceptibles de nous dire sur le langage humain et sur ce qu’on appelle parler.

L’outil de traduction DeepL (ou les versions récentes de Google Translate) ainsi que les grands modèles de langage reposent sur des techniques d’" apprentissage profond " issues de l’approche " neuronale " de l’Intelligence Artificielle : on travaille ici sur des modèles d’IA qui organisent des entités d’information minimales en les connectant par réseaux ; ces réseaux de connexion sont entraînés sur des jeux de données considérables, permettant aux liaisons " neuronales " de se renforcer en proportion des probabilités de connexion observées dans le jeu de données réelles – c’est ce rôle crucial de l’entraînement sur un grand jeu de données qui vaut aux grands modèles de langage le sobriquet de " perroquets stochastiques ". Ces mécanismes probabilistes sont ce qui permet aussi à l’IA de gagner en fiabilité et en précision au fil de l’usage. Ce modèle est qualifié de " neuronal " car initialement inspiré du fonctionnement des réseaux synaptiques. Dans le cas de données langagières, à partir d’une requête elle-même formulée en langue naturelle, cette technique permet aux agents conversationnels ou aux traducteurs neuronaux de produire très rapidement des textes généralement idiomatiques, qui pour des humains attesteraient d’un bon apprentissage de la langue.

IA neuronales et acquisition du langage humain

Au-delà de l’analogie " neuronale ", ce mécanisme d’entraînement et les résultats qu’il produit reproduisent les théories de l’acquisition du langage fondées sur l’interaction avec le milieu. Selon ces modèles, généralement qualifiés de comportementalistes ou behavioristes car étroitement associés aux théories psychologiques du même nom, l’enfant acquiert le langage par l’exposition aux stimuli linguistiques environnants et par l’interaction (d’abord tâtonnante, puis assurée) avec les autres. Progressivement, la prononciation s’aligne sur la norme majoritaire dans l’environnement individuel de la personne apprenante ; le vocabulaire s’élargit en fonction des stimuli ; l’enfant s’approprie des structures grammaticales de plus en plus contextes ; et en milieu bilingue, les enfants apprennent peu à peu à discriminer les deux ou plusieurs systèmes auxquels ils sont exposés. Cette conception essentiellement probabiliste de l’acquisition va assez spontanément de pair avec des théories grammaticales prenant comme point de départ l’existence de patrons (" constructions ") dont la combinatoire constitue le système. Dans une telle perspective, il n’est pas pertinent qu’un outil comme ChatGPT ne soit pas capable de référer, ou plus exactement qu’il renvoie d’office à un monde possible stochastiquement moyen qui ne coïncide pas forcément avec le monde réel. Cela ne change rien au fait que ChatGPT, DeepL ou autres maîtrisent le langage et que leur production dans une langue puisse être qualifiée de langage : ChatGPT parle.

Mais ce point de vue repose en réalité sur un certain nombre de prémisses en théorie de l’acquisition, et fait intervenir un clivage lancinant au sein des sciences du langage. L’actualité de ces dernières années et surtout de ces derniers mois autour des IA neuronales et génératives redonne à ce clivage une acuité particulière, ainsi qu’une pertinence nouvelle pour l’appréhension de ces outils qui transforment notre rapport au texte et au discours. La polémique, comme souvent (trop souvent ?) quand il est question de théorie du langage et des langues, se cristallise – en partie abusivement – autour de la figure de Noam Chomsky et de la famille de pensée linguistique très hétérogène qui se revendique de son œuvre, généralement qualifiée de " grammaire générative " même si le pluriel (les grammaires génératives) serait plus approprié.

IA générative contre grammaire générative

Chomsky est à la fois l’enfant du structuralisme dans sa variante états-unienne et celui de la philosophie logique rationaliste d’inspiration allemande et autrichienne implantée sur les campus américains après 1933. Chomsky est attaché à une conception forte de la logique mathématisée, perçue comme un outil d’appréhension des lois universelles de la pensée humaine, que la science du langage doit contribuer à éclairer. Ce parti-pris que Chomsky qualifiera lui-même de " cartésien " le conduit à fonder sa linguistique sur quelques postulats psychologiques et philosophiques, dont le plus important est l’innéisme, avec son corollaire, l’universalisme. Selon Chomsky et les courants de la psychologie cognitive influencée par lui, la faculté de langage s’appuie sur un substrat génétique commun à toute l’espèce humaine, qui s’exprime à la fois par un " instinct de langage " mais aussi par l’existence d’invariants grammaticaux, identifiables (via un certain niveau d’abstraction) dans toutes les langues du monde.

La nature de ces universaux fluctue énormément selon quelle période et quelle école du " générativisme " on étudie, et ce double postulat radicalement innéiste et universaliste reste très disputé aujourd’hui. Ces controverses mettent notamment en jeu des conceptions très différentes de l’acquisition du langage et des langues. Le moment fondateur de la théorie chomskyste de l’acquisition dans son lien avec la définition même de la faculté de langage est un violent compte-rendu critique de Verbal Behavior, un ouvrage de synthèse des théories comportementalistes en acquisition du langage signé par le psychologue B.F. Skinner. Dans ce compte-rendu publié en 1959, Chomsky élabore des arguments qui restent structurants jusqu’à aujourd’hui et qui définissent le clivage entre l’innéisme radical et des théories fondées sur l’acquisition progressive du langage par exposition à des stimuli environnementaux. C’est ce clivage qui préside aux polémiques entre linguistes et psycholinguistes confrontés aux Large Language Models.

On comprend dès lors que Noam Chomsky et deux collègues issus de la tradition générativiste, Ian Roberts, professeur de linguistique à Cambridge, et Jeffrey Watumull, chercheur en intelligence artificielle, soient intervenus dans le New York Times dès le 8 mars 2023 pour exposer un point de vue extrêmement critique intitulée " La fausse promesse de ChatGPT ". En laissant ici de côté les arguments éthiques utilisés dans leur tribune, on retiendra surtout l’affirmation selon laquelle la production de ChatGPT en langue naturelle ne pourrait pas être qualifiée de " langage " ; ChatGPT, selon eux, ne parle pas, car ChatGPT ne peut pas avoir acquis la faculté de langage. La raison en est simple : si les Grands Modèles de Langage reposent intégralement sur un modèle behaviouriste de l’acquisition, dès lors que ce modèle, selon eux, est réfuté depuis soixante ans, alors ce que font les Grands Modèles de Langage ne peut être qualifié de " langage ".

Chomsky, trop têtu pour qu’on lui parle ?

Le point de vue de Chomsky, Roberts et Watumull a été instantanément tourné en ridicule du fait d’un choix d’exemple particulièrement malheureux : les trois auteurs avançaient en effet que certaines constructions syntaxiques complexes, impliquant (dans le cadre générativiste, du moins) un certain nombre d’opérations sur plusieurs niveaux, ne peuvent être acquises sur la base de l’exposition à des stimuli environnementaux, car la fréquence relativement faible de ces phénomènes échouerait à contrebalancer des analogies formelles superficielles avec d’autres tournures au sens radicalement différent. Dans la tribune au New York Times, l’exemple pris est l’anglais John is too stubborn to talk to, " John est trop entêté pour qu’on lui parle ", mais en anglais on a littéralement " trop têtu pour parler à " ; la préposition isolée (ou " échouée ") en position finale est le signe qu’un constituant a été supprimé et doit être reconstitué aux vues de la structure syntaxique d’ensemble. Ici, " John est trop têtu pour qu’on parle à [John] " : le complément supprimé en anglais l’a été parce qu’il est identique au sujet de la phrase.

Ce type d’opérations impliquant la reconstruction d’un complément d’objet supprimé car identique au sujet du verbe principal revient dans la plupart des articles de polémique de Chomsky contre la psychologie behaviouriste et contre Skinner dans les années 1950 et 1960. On retrouve même l’exemple exact de 2023 dans un texte du début des années 1980. C’est en réalité un exemple-type au service de l’argument selon lequel l’existence d’opérations minimales universelles prévues par les mécanismes cérébraux humains est nécessaire pour l’acquisition complète du langage. Il a presque valeur de shibboleth permettant de séparer les innéistes et les comportementalistes. Il est donc logique que Chomsky, Roberts et Watumull avancent un tel exemple pour énoncer que le modèle probabiliste de l’IA neuronale est voué à échouer à acquérir complètement le langage.

On l’aura deviné : il suffit de demander à ChatGPT de paraphraser cette phrase pour obtenir un résultat suggérant que l’agent conversationnel a parfaitement " compris " le stimulus. DeepL, quand on lui demande de traduire cette phrase en français, donne deux solutions : " John est trop têtu pour qu’on lui parle " en solution préférée et " John est trop têtu pour parler avec lui " en solution de remplacement. Hors contexte, donc sans qu’on sache qui est " lui ", cette seconde solution n’est guère satisfaisante. La première, en revanche, fait totalement l’affaire.

Le détour par DeepL nous montre toutefois la limite de ce petit test qui a pourtant réfuté Chomsky, Roberts et Watumull : comprendre, ici, ne veut rien dire d’autre que " fournir une paraphrase équivalente ", dans la même langue (dans le cas de l’objection qui a immédiatement été faite aux trois auteurs) ou dans une autre (avec DeepL), le problème étant que les deux équivalents fournis par DeepL ne sont justement pas équivalents entre eux, puisque l’un est non-ambigu référentiellement et correct, tandis que l’autre est potentiellement ambigu référentiellement, selon comment on comprend " lui ". Or l’argument de Chomsky, Roberts et Watumull est justement celui de l’opacité du complément d’objet… Les trois auteurs ont bien sûr été pris à défaut ; reste que le test employé, précisément parce qu’il est typiquement behaviouriste (observer extérieurement l’adéquation d’une réaction à un stimulus), laisse ouverte une question de taille et pourtant peu présente dans les discussions entre linguistes : y a-t-il une sémantique des énoncés produits par ChatGPT, et si oui, laquelle ? Chomsky et ses co-auteurs ne disent pas que ChatGPT " comprend " ou " ne comprend pas " le stimulus, mais qu’il en " prédit le sens " (bien ou mal). La question de la référence, présente dans la discussion philosophique sur ChatGPT mais peu mise en avant dans le débat linguistique, n’est pas si loin.

Syntaxe et sémantique de ChatGPT

ChatGPT a une syntaxe et une sémantique : sa syntaxe est homologue aux modèles proposés pour le langage naturel invoquant des patrons formels quantitativement observables. Dans ce champ des " grammaires de construction ", le recours aux données quantitatives est aujourd’hui standard, en particulier en utilisant les ressources fournies par les " grand corpus " de plusieurs dizaines de millions voire milliards de mots (quinze milliards de mots pour le corpus TenTen francophone, cinquante-deux milliards pour son équivalent anglophone). D’un certain point de vue, ChatGPT ne fait que répéter la démarche des modèles constructionalistes les plus radicaux, qui partent de co-occurrences statistiques dans les grands corpus pour isoler des patrons, et il la reproduit en sens inverse, en produisant des données à partir de ces patrons.

Corrélativement, ChatGPT a aussi une sémantique, puisque ces théories de la syntaxe sont majoritairement adossées à des modèles sémantiques dits " des cadres " (frame semantics), dont l’un des inspirateurs n’est autre que Marvin Minsky, pionnier de l’intelligence artificielle s’il en est : la circulation entre linguistique et intelligence artificielle s’inscrit donc sur le temps long et n’est pas unilatérale. Là encore, la question est plutôt celle de la référence : la sémantique en question est très largement notionnelle et ne permet de construire un énoncé susceptible d’être vrai ou faux qu’en l’actualisant par des opérations de repérage (ne serait-ce que temporel) impliquant de saturer grammaticalement ou contextuellement un certain nombre de variables " déictiques ", c’est-à-dire qui ne se chargent de sens que mises en relation à un moi-ici-maintenant dans le discours.

On touche ici à un problème transversal aux clivages dessinés précédemment : les modèles " constructionnalistes " sont plus enclins à ménager des places à la variation contextuelle, mais sous la forme de variables situationnelles dont l’intégration à la description ne fait pas consensus ; les grammaires génératives ont très longtemps évacué ces questions hors de leur sphère d’intérêt, mais les considérations pragmatiques y fleurissent depuis une vingtaine d’années, au prix d’une convocation croissante du moi-ici-maintenant dans l’analyse grammaticale, du moins dans certains courants. De ce fait, l’inscription ou non des enjeux référentiels et déictiques dans la définition même du langage comme faculté humaine représente un clivage en grande partie indépendant de celui qui prévaut en matière de théorie de l’acquisition.

À l’école du perroquet

La bonne question, en tout cas la plus féconde pour la comparaison entre les productions langagières humaines et les productions des grands modèles de langage, n’est sans doute pas de savoir si " ChatGPT parle " ni si les performances de l’IA neuronale valident ou invalident en bloc tel ou tel cadre théorique. Une piste plus intéressante, du point de vue de l’étude de la cognition et du langage humains, consiste à comparer ces productions sur plusieurs niveaux : les mécanismes d’acquisition ; les régularités sémantiques dans leur diversité, sans les réduire aux questions de référence et faisant par exemple intervenir la conceptualisation métaphorique des entités et situations désignées ; la capacité à naviguer entre les registres et les variétés d’une même langue, qui fait partie intégrante de la maîtrise d’un système ; l’adaptation à des ontologies spécifiques ou à des contraintes communicatives circonstancielles… La formule du " perroquet stochastique ", prise au pied de la lettre, indique un modèle de ce que peut être une comparaison scientifique du langage des IA et du langage humain.

Il existe en effet depuis plusieurs décennies maintenant une linguistique, une psycholinguistique et une pragmatique de la communication animale, qui inclut des recherches comparant l’humain et l’animal. Les progrès de l’étude de la communication animale ont permis d’affiner la compréhension de la faculté de langage, des modules qui la composent, de ses prérequis cognitifs et physiologiques. Ces travaux ne nous disent pas si " les animaux parlent ", pas plus qu’ils ne nous disent si la communication des corbeaux est plus proche de celle des humains que celle des perroquets. En revanche ils nous disent comment diverses caractéristiques éthologiques, génétiques et cognitives sont distribuées entre espèces et comment leur agencement produit des modes de communication spécifiques. Ces travaux nous renseignent, en nous offrant un terrain d’expérimentation inédit, sur ce qui fait toujours système et sur ce qui peut être disjoint dans la faculté de langage. Loin des " fausses promesses ", les grands modèles de langage et les IA neuronales nous offrent peut-être l’occasion d’étendre le domaine de la réflexion sur l’architecture des systèmes possibles de cognition, de communication et d’interaction. 

Auteur: Modicom Pierre-Yves

Info: https://aoc.media/ 14 nov 2023

[ onomasiologie bayésienne ] [ sémiose homme-animal ] [ machine-homme ] [ tiercités hors-sol ] [ signes fixés externalisables ]