machine-homme

- (homme) Comment résumer au mieux la conjecture de riemann dans les termes les plus simples possibles

- (machine) La conjecture de Riemann, également connue sous le nom d'hypothèse de Riemann, est un célèbre problème non résolu en mathématiques qui traite de la distribution des nombres premiers. En termes simples, elle suggère que le modèle des nombres premiers peut être prédit à l'aide d'une fonction mathématique appelée fonction zêta de Riemann.

La conjecture affirme que tous les zéros non triviaux de la fonction zêta de Riemann ont une propriété spécifique : leur partie réelle est toujours égale à 1/2. Cela signifie que si nous représentons ces nombres complexes sur un graphique, ils tomberont tous sur une ligne verticale à mi-chemin entre les côtés gauche et droit.

L'importance de l'hypothèse de Riemann réside dans le fait qu'elle a des répercussions considérables sur la théorie des nombres, la cryptographie et d'autres domaines des mathématiques. Elle aide les mathématiciens à comprendre le comportement des nombres premiers et pourrait permettre de mieux comprendre la distribution des nombres premiers.

Malgré les nombreux efforts déployés par les mathématiciens au fil des ans, l'hypothèse de Riemann n'a toujours pas été prouvée. Il s'agit de l'un des problèmes non résolus les plus importants des mathématiques, et sa preuve ou sa réfutation aurait des conséquences profondes pour le domaine.

- (homme) Merci, pouvez-vous vulgariser la notion de "tous les zéros non..."

- (machine) Certainement ! Lorsque nous parlons de "zéros non triviaux" dans le contexte de l'hypothèse de Riemann, nous faisons référence à certaines valeurs spéciales de la fonction zêta de Riemann.

Pour bien comprendre, il faut décomposer les choses. La fonction zêta de Riemann est une fonction mathématique qui prend un nombre complexe comme entrée et nous donne un autre nombre complexe comme sortie. Lorsque nous parlons des "zéros" d'une fonction, nous entendons les valeurs de l'entrée qui rendent la sortie égale à zéro.

Dans le cas de la fonction zêta de Riemann, il s'avère qu'il existe certains nombres complexes pour lesquels la fonction s'évalue à zéro. C'est ce qu'on appelle les "zéros" de la fonction zêta de Riemann. Cependant, tous ces zéros ne sont pas intéressants pour l'hypothèse de Riemann.

Le terme "zéros non triviaux" fait référence à un sous-ensemble spécifique de ces zéros qui se trouvent dans une certaine région du plan complexe. En particulier, il s'agit des zéros de la fonction zêta de Riemann qui ne se trouvent pas sur la ligne où la partie réelle du nombre complexe est égale à 1/2. Ces zéros non triviaux sont ceux dont la partie réelle est égale à 1/2 selon l'hypothèse de Riemann.

Ainsi, lorsque nous parlons de "tous les zéros non triviaux" dans le contexte de l'hypothèse de Riemann, nous parlons de ces nombres complexes spécifiques où la fonction zêta de Riemann s'évalue à zéro, mais dont la partie réelle n'est pas égale à 1/2. Ces zéros jouent un rôle clé dans la conjecture et la compréhension de leur comportement est cruciale pour résoudre l'hypothèse de Riemann.

Auteur: chatGPT4

Info:

[ maths ] [ algèbre ]

nature

Pourquoi les espèces voisines ne mangent pas la même chose
Les espèces voisines consomment moins souvent les mêmes ressources que les espèces plus distantes. En effet, c'est la compétition pour les ressources, et non leur apparentement qui détermine les sources de nourriture des espèces d'une communauté. Sous l'effet de cette compétition, les espèces proches se sont spécialisées sur des ressources alimentaires différentes. Telle est la conclusion d'une étude menée par des chercheurs du CNRS, du Muséum national d'Histoire naturelle et de l'Université d'Exeter (Royaume-Uni). Ces travaux ont été obtenus en étudiant avec un niveau de détail hors du commun les interactions trophiques entre espèces au sein d'une prairie anglaise. Publiés le 20 juin 2013 dans la revue Current Biology, ils permettent de mieux appréhender l'évolution des communautés écologiques à l'heure où certaines sont bousculées par le changement climatique et l'arrivée d'espèces invasives.
En écologie, le paradigme actuel considère que les relations de parenté entre espèces détermine l'identité des partenaires avec lesquels les espèces interagissent: plus les espèces sont apparentées, plus elles ont de chances d'interagir avec les mêmes partenaires. Ainsi, d'après cette idée, deux espèces voisines devraient partager les mêmes prédateurs et les mêmes proies. Les récents travaux d'une équipe de chercheurs du CNRS, du Muséum national d'Histoire naturelle et de l'Université d'Exeter montrent que ceci n'est pas forcément exact. Pour la première fois, les scientifiques révèlent que si l'apparentement entre espèces détermine bien par qui les espèces sont mangées, c'est la compétition pour les ressources, et non le degré de parenté, qui détermine de quoi les espèces se nourrissent.
Pour arriver à cette conclusion, ils ont utilisé une série d'observations menées pendant plus de dix ans dans une prairie du sud-est de l'Angleterre. Réalisées avec un degré de détail extraordinaire, ces observations ont permis d'établir les interactions entre une centaine d'espèces situées sur quatre niveaux trophiques: des plantes (23 espèces), des pucerons se nourrissant de celles-ci (25 espèces), des guêpes qui pondent leurs oeufs dans le corps des pucerons (22 espèces), et d'autres guêpes qui pondent leurs oeufs dans les larves des guêpes précédentes au sein des pucerons (26 espèces).
Les chercheurs ont montré que deux espèces voisines de puceron par exemple, sont généralement la proie des mêmes espèces de guêpe. C'est donc bien l'apparentement des espèces qui détermine l'identité de leurs prédateurs. En revanche, ces deux espèces de pucerons voisines ne se nourrissent pas forcément des mêmes plantes. En remontant la chaîne alimentaire, les scientifiques ont observé que les guêpes les plus apparentées avaient peu de chances de se nourrir des mêmes espèces de pucerons. Ceci s'explique par le fait que sous la pression de la compétition pour les sources de nourriture, les espèces voisines diversifient leur alimentation, ce qui a pour effet de réduire la compétition. Obtenir cette conclusion a été possible grâce au niveau de détail des observations réalisées, permettant de révéler les dynamiques d'échelle très locale.
À l'heure où le réchauffement climatique déséquilibre les communautés et où de nombreuses espèces envahissent des écosystèmes auxquels elles étaient étrangères, ces conclusions sont à prendre en compte si l'on veut prédire les nouvelles interactions qui résulteront de ces changements. En effet, ces résultats montrent que les ressources consommées par une espèce qui intègre la communauté ne peuvent pas être prédites par ses relations de parenté avec les espèces déjà présentes.

Auteur: Internet

Info: Dirk Sanders

[ équilibre ] [ harmonie ] [ adaptation ]

machine pensante

Cette IA de Deepmind pourrait révolutionner les maths et " repousser les frontières de la connaissance humaine "

DeepMind vient de frapper un grand coup : le laboratoire d'IA de Google a annoncé en janvier avoir développé AlphaGeometry, une intelligence artificielle révolutionnaire capable de rivaliser avec les médaillés d'or des Olympiades internationales dans la résolution de problèmes de géométrie. Si cela ne vous parle pas, sachez que les médailles Fields - Terence Tao, Maryam Mirzakhani et Grigori Perelman - ont tous les trois été médaillés d'or lors de cette compétition annuelle de mathématiques qui fait s'affronter les meilleurs collégiens et lycéens du monde. Or, AlphaGeometry a résolu avec succès 25 des 30 problèmes de géométrie de l'Olympiade, se rapprochant ainsi du score moyen des médaillés d'or humains. C'est 15 de plus que son prédécesseur. Mais comment les scientifiques de DeepMind ont-ils accompli un tel exploit ?

L'approche neuro-symbolique, la petite révolution de l'IA

AlphaGeometry est le fruit d'une approche neuro-symbolique, combinant un modèle de langage neuronal (MLN) et un moteur de déduction symbolique (MDS).

Les MLN sont des réseaux de neurones artificiels entraînés sur de vastes ensembles de données textuelles. Ils sont capables d'apprendre et de reconnaître des schémas et des structures dans les données textuelles, ce qui leur permet de générer du texte cohérent et de comprendre le langage naturel. Les MDS sont, pour leur part, particulièrement efficaces pour traiter des problèmes qui nécessitent une manipulation formelle des symboles et des règles logiques.

L'approche neuro-symbolique permet de faire travailler ces deux composantes en tandem : dans le cadre d'AlphaGeometry, le MLN prédit des constructions géométriques potentiellement utiles, puis le MDS utilise ces prédictions pour guider la résolution du problème. Cette combinaison offre à l'IA les capacités intuitives des réseaux de neurones et la rigueur logique des moteurs de déduction symbolique, ce qui lui permet de résoudre efficacement des problèmes de géométrie complexes.

Pour surmonter le manque de problèmes mathématiques de niveau Olympiades qui auraient dû servir de données d'entraînement à AlphaGeometry, les chercheurs ont développé une méthode innovante de génération de données synthétiques à grande échelle, permettant au génial bébé de DeepMind de s'entraîner sur un ensemble de 100 millions d'exemples uniques.

(Image : Alphageometry résoud un problème simple...) 

Mission : repousser les frontières de la connaissance

Cette réalisation marque une avancée significative dans le développement de systèmes d'IA capables de raisonner et de résoudre des problèmes mathématiques complexes, rapportent les chercheurs de DeepMind dans un article paru dans Nature en février dernier. Bien que présentant des résultats impressionnants, AlphaGeometry se heurte tout de même à quelques défis, notamment celui de s'adapter à des scénarios mathématiques de plus en plus complexes et à mobiliser ses compétences dans des domaines mathématiques autres que la géométrie. 

Malgré tout, cette avancée ouvre la voie à d'extraordinaires possibilités dans les domaines des mathématiques, des sciences et de l'IA. Ses créateurs ne cachent d'ailleurs pas leur ambition : " Notre objectif à long terme reste de construire des IA capables de transférer leurs compétences et leurs connaissances dans tous les domaines mathématiques en développant la résolution de problèmes et le raisonnement sophistiqués dont dépendront les systèmes d'IA généraux ", assènent Trieu Trinh et Thang Luong, les responsables du projet dans un communiqué. 

Le ton est donné : autrement dit, les systèmes d'IA développés par DeepMind doivent acquérir des capacités de résolution de problèmes sophistiquées et de raisonnement, ce qui implique la capacité à identifier des schémas, à formuler des hypothèses, à déduire des conclusions et à prendre des décisions logiques dans des contextes variés. Le tout en " repoussant les frontières de la connaissance humaine ". Très ambitieux, mais peut-être pas impossible.

Auteur: Internet

Info: https://www.futura-sciences.com/ - mars 2024

[ robot intelligent ] [ historique ]

biochimie

L'IA prédit la fonction des enzymes mieux que les principaux outils

Un nouvel outil d'intelligence artificielle peut prédire les fonctions des enzymes sur la base de leurs séquences d'acides aminés, même lorsque ces enzymes sont peu étudiées ou mal comprises. Selon les chercheurs, l'outil d'intelligence artificielle, baptisé CLEAN, surpasse les principaux outils de pointe en termes de précision, de fiabilité et de sensibilité. Une meilleure compréhension des enzymes et de leurs fonctions serait une aubaine pour la recherche en génomique, en chimie, en matériaux industriels, en médecine, en produits pharmaceutiques, etc.

"Tout comme ChatGPT utilise les données du langage écrit pour créer un texte prédictif, nous tirons parti du langage des protéines pour prédire leur activité", a déclaré Huimin Zhao, responsable de l'étude et professeur d'ingénierie chimique et biomoléculaire à l'université de l'Illinois Urbana-Champaign. "Presque tous les chercheurs, lorsqu'ils travaillent avec une nouvelle séquence de protéine, veulent savoir immédiatement ce que fait la protéine. En outre, lors de la fabrication de produits chimiques pour n'importe quelle application - biologie, médecine, industrie - cet outil aidera les chercheurs à identifier rapidement les enzymes appropriées nécessaires à la synthèse de produits chimiques et de matériaux".

Les chercheurs publieront leurs résultats dans la revue Science et rendront CLEAN accessible en ligne le 31 mars.

Grâce aux progrès de la génomique, de nombreuses enzymes ont été identifiées et séquencées, mais les scientifiques n'ont que peu ou pas d'informations sur le rôle de ces enzymes, a déclaré Zhao, membre de l'Institut Carl R. Woese de biologie génomique de l'Illinois.

D'autres outils informatiques tentent de prédire les fonctions des enzymes. En général, ils tentent d'attribuer un numéro de commission enzymatique - un code d'identification qui indique le type de réaction catalysée par une enzyme - en comparant une séquence interrogée avec un catalogue d'enzymes connues et en trouvant des séquences similaires. Toutefois, ces outils ne fonctionnent pas aussi bien avec les enzymes moins étudiées ou non caractérisées, ou avec les enzymes qui effectuent des tâches multiples, a déclaré Zhao.

"Nous ne sommes pas les premiers à utiliser des outils d'IA pour prédire les numéros de commission des enzymes, mais nous sommes les premiers à utiliser ce nouvel algorithme d'apprentissage profond appelé apprentissage contrastif pour prédire la fonction des enzymes. Nous avons constaté que cet algorithme fonctionne beaucoup mieux que les outils d'IA utilisés par d'autres", a déclaré M. Zhao. "Nous ne pouvons pas garantir que le produit de chacun sera correctement prédit, mais nous pouvons obtenir une plus grande précision que les deux ou trois autres méthodes."

Les chercheurs ont vérifié leur outil de manière expérimentale à l'aide d'expériences informatiques et in vitro. Ils ont constaté que non seulement l'outil pouvait prédire la fonction d'enzymes non caractérisées auparavant, mais qu'il corrigeait également les enzymes mal étiquetées par les principaux logiciels et qu'il identifiait correctement les enzymes ayant deux fonctions ou plus.

Le groupe de Zhao rend CLEAN accessible en ligne pour d'autres chercheurs cherchant à caractériser une enzyme ou à déterminer si une enzyme peut catalyser une réaction souhaitée.

"Nous espérons que cet outil sera largement utilisé par l'ensemble de la communauté des chercheurs", a déclaré M. Zhao. "Avec l'interface web, les chercheurs peuvent simplement entrer la séquence dans une boîte de recherche, comme dans un moteur de recherche, et voir les résultats.

M. Zhao a indiqué que son groupe prévoyait d'étendre l'intelligence artificielle de CLEAN à la caractérisation d'autres protéines, telles que les protéines de liaison. L'équipe espère également développer davantage les algorithmes d'apprentissage automatique afin qu'un utilisateur puisse rechercher une réaction souhaitée et que l'IA lui indique l'enzyme appropriée.

"Il existe de nombreuses protéines de liaison non caractérisées, telles que les récepteurs et les facteurs de transcription. Nous voulons également prédire leurs fonctions", a déclaré Zhao. "Nous voulons prédire les fonctions de toutes les protéines afin de connaître toutes les protéines d'une cellule et de mieux étudier ou concevoir la cellule entière pour des applications biotechnologiques ou biomédicales.

Zhao est également professeur de bio-ingénierie, de chimie et de sciences biomédicales et translationnelles au Carle Illinois College of Medicine. 

Auteur: Internet

Info: "Enzyme function prediction using contrastive learning, "30 mars 2023. Université de l'Illinois à Urbana-Champaign

[ cofacteurs ]

homme-animal

En juin dernier j'avais rencontré Marc et lui avait demandé s'il avait déjà communiqué avec un animal en SHC (sortie hors du corps) et il m'avait répondu que oui, avec divers animaux, dont 2 fois avec des chevaux mais qu'il avait été déçu car ce ne sont pas des créatures très évoluées.

J'ai pensé que le mien serait peut-être un peu plus évolué (car il est très communiquant et sait très bien se faire comprendre, il faisait des spectacles dans sa jeunesse ;-) et j'ai dit que j'aimerais bcp faire cette expérience. En septembre dernier (après plusieurs tentatives) j'ai fait une sortie de corps en ciblant mon cheval.

Corrado est au milieu du pré, c'est la nuit vers 5 ou 6h du matin, il ne dort pas. Je me présente en face de lui et entame la communication. La première question qui me vient est de savoir s'il va bien (car il commence à vieillir) la question est à la fois par télépathie et de mon côté également pensée en mots, il y a les deux aspects. Il répond du tac au tac, pas avec des mots, mais une sorte de présence affirmative très forte que je pourrai traduire par "MOI MOI ICI ICI". J'en conclus que ça va et je lui dis que je l'aime et serai toujours là pour lui ce à quoi il répond de suite "MOI MOI MOI", mais je ne sens pas vraiment d'affection en retour et suis très déçue. Je perçois de lui une très grande présence énergétique et une grosse volonté (aussi forte que la mienne sinon plus). Il "m'explique" les différentes zones du pré (ce qui sera précieux pour moi par la suite pour la gestion des espaces). En fait il s'assimile à certaines zones qui sont à lui, ou plutôt qui SONT LUI (un peu comme les petits enfants qui ne se dissocient pas de leur objet). Par exemple le box 1 C'EST LUI, mais le box 2 est "public" les autres chevaux, animaux, ou humains ont le droit d'y rentrer. La zone de la boule de foin c'est LUI. La zone arrière avec le châtaigner sur lequel il se frotte c'est LUI. L'abri de pâture aussi, le bac d'eau aussi, le devant du pré c'est "public" mais pas l'arrière. etc et ainsi de suite.

D'un coup ça me donne des explications sur son comportement mais je suis un peu déçue car il m'apparait comme un grand égoïste (il est effectivement égoïste et jaloux de la nouvelle jument de ma fille). Je décrirais son mode de pensée comme morcelé, partiel, donc sans vision globale ni synthèse, pas langage au sens humain des mots (alors que j'avais l'impression qu'il reconnait des termes quand je lui parle de manière routinière), mais non, il n'a aucune intégration du langage humain ni de pensée humaine. Il a la pensée de sa race cheval, sans conscience des causes et conséquences, juste l'instant présent et la possession ou l'assimilation. Le "ça", le "je veux"... et il zappe sans fil de continuité (je me dis que c'est peut-être comme ça que pensent les tout petits enfants.

Je suis un peu intimidée devant la force de sa volonté alors que d'habitude je le considère plutôt comme mon bébé, "le mimi à sa maman", ben en fait c'est pas ça du tout. Je me demande si je pourrais monter sur son dos et qu'il marche dans le pré. Je monte sur son dos (plus aisément qu'avec mon corps physique) et je ressens quand même un contact. Je reste un moment ainsi. Puis Je lui demande d'avancer mais il ne bouge pas, alors j'insiste un peu mais constate qu'il s'est endormi !

Je me sens très déçue et ressens un rappel énergétique de la corde d'argent dans ma nuque, je voudrais prolonger la sortie mais impossible je suis rappelée à mon corps via le processus habituel. Donc retour au dessus du corps physique et réintégration lente avec picotements et paralysie. Voilà, j'avais tout noté à l'époque pour ne pas oublier. C'est vraiment une expérience que je voulais faire mais j'ai été un peu déçue comme Marc me l'avait prédit ... Si j'ai l'occasion j'essaierai avec un autre animal, mon chat par exemple. J'ai eu aussi une expérience avec la montagne. Découvert que la montagne avait une conscience et une présence très forte, ça m'a tellement impressionné que j'ai été réintégrée dans mon corps. Voilà ;-)

Auteur: Selma pseudo

Info: 26 mars 2020, communication privée avec FLP

[ voyage astral ] [ déception ] [ égoïste canasson ]

matérialogie

La plupart des matériaux semblent suivre une mystérieuse " règle de quatre ", que les chercheurs ne comprennent toujours pas 

La découverte de régularités et de corrélations dans des données enthousiasme généralement les scientifiques, du moins lorsqu’ils peuvent l’expliquer. Dans le cas contraire, il arrive d’estimer que les données présentent des biais ayant mené à l’apparition de telles corrélations, faisant de l’étude un véritable casse-tête. Ces défauts dans les données sont communément appelés " artefacts expérimentaux ". Récemment, des chercheurs de l’École Polytechnique Fédérale de Lausanne (EPFL), après avoir constaté que la structure de base de la majorité des matériaux inorganiques suit une étrange " règle de quatre ", n’ont pas réussi à trouver d’explication à ce schéma (impliquant une ou plusieurs corrélations inexpliquées).

Tout est parti de l’analyse de deux bases de données largement utilisées sur les structures électroniques (Materials Project et Materials Cloud3-Dimensional). Ces deux collections comprennent environ 80 000 structures électroniques de matériaux expérimentaux et prédits. En principe, tous les types de structures électroniques devraient être présentés de manière égale. Cependant, les résultats ont révélé que cela est loin d’être le cas.

Les scientifiques ont en effet constaté que 60 % des matériaux possèdent une cellule unitaire primitive (la cellule la plus petite dans une structure cristalline) constituée d’un multiple de 4 atomes. Cette récurrence est appelée " règle de quatre " par la communauté scientifique.

Des difficultés à trouver une explication définitive

Comme les scientifiques ont tendance à le faire, l’équipe de recherche en question (EPFL), dirigée par Nicola Marzari, a tenté de trouver des explications à ce schéma inattendu. Au départ, les chercheurs ont estimé que l’émergence d’un tel modèle signifiait qu’il y avait un biais quelque part dans les données.

" Une première raison intuitive pourrait venir du fait que lorsqu’une cellule unitaire conventionnelle (une cellule plus grande que la cellule primitive, représentant la pleine symétrie du cristal) est transformée en cellule primitive, le nombre d’atomes est typiquement réduit de quatre fois ", a déclaré Elena Gazzarrini, ancienne chercheuse à l’EPFL et travaillant actuellement au CERN (Genève). " La première question que nous nous sommes posée visait à déterminer si le logiciel utilisé pour transformer en cellule primitive la cellule unitaire l’avait fait correctement, et la réponse était oui ", poursuit-elle.

Une fois la piste des erreurs évidentes écartée, les chercheurs ont effectué des analyses approfondies pour tenter d’expliquer la " règle de quatre ". L’équipe s’est alors interrogée si le facteur commun pouvait être le silicium, étant donné qu’il peut lier 4 atomes à son atome central. " Nous pourrions nous attendre à constater que tous les matériaux suivant cette règle de quatre incluent du silicium ", a expliqué Gazzarrini. Malheureusement, cela n’est pas le cas.

Gazzarrini et son équipe se sont alors basés sur les énergies de formation des composés. « Les matériaux les plus abondants dans la nature devraient être les plus énergétiquement favorisés, c’est-à-dire les plus stables, ceux avec une énergie de formation négative », explique Gazzarini. " Mais ce que nous avons constaté avec les méthodes informatiques classiques, c’est qu’il n’y avait aucune corrélation entre la règle de quatre et les énergies de formation négatives ".

En considérant ces constats, Gazzarrini a envisagé la possibilité qu’une analyse plus fine recherchant une corrélation entre les énergies de formation et les propriétés chimiques puisse fournir une explication à cette règle de quatre. Ainsi, l’équipe a fait appel à l’expertise de Rose Cernosky de l’Université du Wisconsin, experte en apprentissage automatique, pour créer un algorithme d’analyse plus puissant. L’algorithme en question regroupait notamment les structures en fonction de leurs propriétés atomiques. Ensemble, Cernosky et l’équipe de Gazzarrini ont ensuite examiné les énergies de formation au sein de classes de matériaux partageant certaines similitudes chimiques. Cependant, une fois de plus, cette nouvelle approche n’a pas permis de distinguer les matériaux conformes à la règle de quatre de ceux qui ne le sont pas.

Un mystère persistant, mais qui mène vers une découverte prometteuse

Bien que jusqu’à présent l’équipe n’a pas pu résoudre l’énigme de la règle de quatre, elle a toutefois fait une belle avancée : l’exclusion de plusieurs hypothèses logiques. Les chercheurs ont également fait une découverte prometteuse (la règle de quatre), qui pourrait servir à des études futures sur ce phénomène structurel.

En effet, avec un algorithme Random Forest, le groupe est en mesure de prédire avec 87 % de précision si un composé suit la règle de quatre ou non. " C’est intéressant, car l’algorithme utilise uniquement des descripteurs de symétrie locaux plutôt que globaux ", déclare Gazzarrini. " Ceci suggère qu’il pourrait y avoir de petits groupes chimiques dans les cellules (encore à découvrir) qui pourraient expliquer la règle de quatre ", a-t-elle conclu.

Auteur: Internet

Info: https://trustmyscience.com/ - Kareen Fontaine & J. Paiano·24 avril 2024 - Source : NPJ Computational materials

[ interrogation ] [ tétravalence ] [ physique appliquée ]

communisme

Les théories de Marx sont assez bien connues pour ne nécessiter qu’un résumé. Il commence par définir la valeur des marchandises en tant que fonction du travail nécessaire pour les produire. Ce travail, source de la dignité du travailleur, est la seule marchandise qu’il puisse vendre. Une fois que le capitaliste a acheté assez de travail pour satisfaire ses propres besoins, il exploite le travailleur – par l’oppression directe ou par les améliorations indirectes de la productivité – pour en tirer un profit. Ce profit s’accumule, rendant les capitalistes de plus en plus puissants, jusqu’à ce que la classe moyenne ait été absorbée dans la classe des travailleurs, et que toute cette masse misérable et dégradée se révolte et engendre le socialisme. Pour Marx, ce processus était à la fois nécessaire et inévitable, et c’est pourquoi il vantait le capitalisme et l’État bourgeois, dont il pensait qu’ils préparaient les conditions pour le mode de production supérieur du socialisme. C’est aussi la raison pour laquelle il vouait un culte à la production elle-même, la machinerie de la société, à laquelle il estimait que l’homme devait se soumettre jusqu’au jour où elle cesserait de le détruire. Ensuite, selon Marx, tous les antagonismes sociaux se seraient magiquement arrêtés.

[...]

Pour Marx, l’histoire était une machine téléologique, ou orientée vers la finalité, visant à une société sans classe à laquelle les divers antagonismes que renferme la société devaient inévitablement aboutir. Un tel paradis n’était pas fondamentalement différent du paradis judéo-chrétien standard, promis, mais constamment différé, qu’il rejetait. À cette fin, Marx vantait continuellement le développement du capitalisme – même s’il aboutissait à l’extrême déchéance des travailleurs. Marx défendait l’insistance de David Ricardo sur la production pour la production, sans considération pour l’humanité, comme étant "absolument juste". Suivant le nationalisme quasi fasciste de Hegel, pour qui l’individu était un moyen "subordonné" et consommable au service d’une fin étatique, il a fait l’éloge du saccage de l’Inde par l’Angleterre, écrivant dans son essai "La domination britannique en Inde" que l’empire anglais était "l’outil inconscient de l’histoire" et que nous pouvions regretter les crimes des Britanniques ou l’effondrement d’un empire ancien, mais que nous avions la consolation de savoir que cette torture grotesque finirait par "nous apporter un plaisir plus grand". Il était pareillement sanguinaire concernant la colonisation des États-Unis par l’Europe. De tels événements étaient des étapes nécessaires dans le processus historique linéaire, soumis à des lois, envers lequel il était engagé.

[...]

ce qui se passe en réalité ne correspond simplement pas aux prédictions de Marx. Par exemple, il avait la conviction que la paupérisation du prolétariat l’amènerait à se révolter contre l’oppression capitaliste. Pour autant que nous le sachions, cela n’a pas eu lieu et ne s’annonce pas ; l’homme intègre le monde capitaliste dans un état de soumission qui ne fait qu’empirer tandis que la pauvreté l’abrutit et l’affaiblit (particulièrement dans le tiers-monde), que le professionnalisme l’estropie et le désoriente, que la technologie le domestique, le distrait et l’endort avec les compensations qui lui sont offertes par l’État providence – un mécanisme quasi socialiste qui résonne parfaitement avec l’autoreproduction du capitalisme.

[...]

Nous nous trouvons maintenant dans l’impasse que Bakounine avait prédite et vers laquelle Marx et ses nombreux disciples nous ont dirigés, où ceux qui nous oppriment ne sont plus principalement les rois ou les capitalistes, mais les experts professionnels et techniques, et l’ahurissante supermachine qu’ils dirigent. Le pouvoir militaire et le pouvoir usufruitier des rois et des capitalistes existent toujours, mais ils ont été supplantés par le pouvoir de gestion des techniciens (qui, comme l’a démontré leur acceptation universelle des confinements et de la dernière phase biofasciste du système, sont aussi heureux que l’étaient les capitalistes et les rois de voir les classes ouvrières brutalement disciplinées) et le pouvoir d’absorption de la réalité de l’inculture virtuelle et du monde construit pour la servir.

Tout cela explique pourquoi Marx méprisait la classe sociale la moins touchée par l’industrialisation, à savoir la paysannerie. Marx (comme Platon) n’avait aucun intérêt pour les leçons que la nature sauvage pouvait offrir à l’homme, et préconisait en réalité la fin de la production rurale à petite échelle. Il souhaitait qu’on applique à l’agriculture "les méthodes modernes, telles que l’irrigation, le drainage, le labourage à la vapeur, le traitement chimique et ainsi de suite…" et qu’on cultive la terre "à grande échelle", dans ce que nous appellerions aujourd’hui une ferme "monoculturale". En fin de compte, l’extermination de la nature biodiverse et des vies conscientes de ceux qu’elle nourrissait ne le concernait pas vraiment, comme elle ne concerne pas ceux qui, malgré leur pompeuse rhétorique "écoresponsable", sont toujours engagés dans la destruction de l’autosuffisance et de l’indépendance rurale.

Auteur: Allen Darren

Info: https://expressiveegg.org/2022/11/05/adieu-monsieur-marx/

[ critique ] [ historique ]

homme-machine

Quand l'ordinateur façonne sa propre compréhension du monde
Des ordinateurs capables de regrouper, à partir d'une seule photo de vous, toutes les informations que contient votre empreinte numérique... Des machines aptes à auto générer des résumés à partir de textes complexes, ou encore en mesure de détecter un problème de santé à partir de l'imagerie médicale sans l'aide d'un médecin...
Le mariage des deux sciences que sont l'intelligence artificielle et le traitement des métadonnées est consommé. Et, si leur progéniture technologique est déjà parmi nous sous différentes formes, on prévoit que leurs futurs rejetons révolutionneront encore bien davantage notre quotidien.
C'est ce que prédit notamment Yoshua Bengio, professeur au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal et directeur de l'Institut des algorithmes d'apprentissage de Montréal. Cet organisme compte près de 70 chercheurs, ce qui en fait le plus grand groupe de recherche en apprentissage profond (deep learning) du monde dont les activités sont concentrées en un seul endroit.
Les conséquences des avancées scientifiques actuelles et à venir sont encore difficiles à imaginer, mais l'explosion du volume de données numériques à traiter pose tout un défi : selon une estimation d'IBM, les échanges de données sur Internet devraient dépasser le zettaoctet, soit un milliard de fois la capacité annuelle d'un disque domestique...
Comment l'intelligence artificielle - IA pour les intimes - permettra-t-elle de traiter ces informations et de les utiliser à bon escient ?
Avant de répondre à la question, clarifions d'abord ce qu'on entend par "intelligence". Le célèbre psychologue suisse Jean Piaget en avait résumé une définition très imagée : "L'intelligence n'est pas ce qu'on sait, mais ce qu'on fait quand on ne sait pas." Plusieurs décennies plus tard, Yoshua Bengio applique cette définition à l'intelligence artificielle.
Apprentissage profond
Inspiré par les théories connexionnistes, Yoshua Bengio ainsi que les chercheurs Geoffrey Hinton et Yann LeCun ont donné naissance, il y a 10 ans, aux algorithmes d'apprentissage profond. Il s'agit de réseaux de neurones artificiels dont le nombre de couches plus élevé permet de représenter des concepts plus abstraits et donc d'apprendre mieux. Chaque couche se construit sur la précédente et combine les concepts plus simples captés à la couche précédente.
Par exemple, au cours des dernières années, différents chercheurs ont tenté d'améliorer la capacité de l'ordinateur à traiter le langage naturel, selon le concept de représentation distribuée : on associe chaque mot à une représentation, puis on utilise les neurones pour obtenir la probabilité du prochain mot.
"On crée de la sorte des relations sémantiques, explique M. Bengio. Si l'on dit "chien" dans une phrase, il est fort possible que cette phrase demeure correcte même si l'on remplace "chien" par "chat", puisque ces mots partagent de nombreux attributs sémantiques : l'ordinateur découvre des attributs communs et, par une forme de déduction, il devient capable d'opérer des transformations successives qui permettent par exemple à l'ordinateur de traduire d'une langue vers une autre."
De sorte que, là où il fallait auparavant plusieurs êtres humains pour montrer à l'ordinateur comment acquérir des connaissances, celui-ci est de plus en plus apte à façonner lui-même sa propre compréhension du monde. C'est là le propre de l'apprentissage profond.
Quelques applications actuelles
Combinée avec les avancées en recherche opérationnelle et les métadonnées, l'intelligence artificielle est déjà présente dans notre vie sous diverses formes. Il n'y a qu'à penser à la façon dont on peut désormais interagir verbalement avec son téléphone portable pour lui faire accomplir une tâche, comme lui demander d'avertir notre conjoint qu'on sera en retard, lui faire ajouter un rendez-vous à notre agenda ou, encore, lui demander de nous suggérer un restaurant italien à proximité de l'endroit où l'on se trouve... Il peut même vous indiquer qu'il est temps de partir pour l'aéroport en raison de la circulation automobile difficile du moment pour peu que vous lui ayez indiqué l'heure de votre vol !
"Ce n'est pas encore une conversation soutenue avec l'ordinateur, mais c'est un début et les recherches se poursuivent", indique de son côté Guy Lapalme, professeur et chercheur au laboratoire de Recherche appliquée en linguistique informatique de l'UdeM, spécialisé entre autres en génération interactive du langage et en outils d'aide à la traduction.
Et maintenant la recherche porte sur la combinaison langage et image. "Après un entraînement au cours duquel l'ordinateur a appris en visionnant plus de 80 000 photos associées chacune à cinq phrases descriptives, il est à présent en mesure de mettre lui-même par écrit ce que l'image évoque; il y a deux ans à peine, je n'aurais pas cru qu'il était possible d'en arriver là", mentionne M. Bengio, qui collabore régulièrement avec le Massachusetts Institute of Technology, Facebook ou Google.
"Nous avons fait de grands progrès récemment, mais nous sommes loin, très loin, de reproduire l'intelligence humaine, rassure l'éminent chercheur. Je dirais que nous avons peut-être atteint le degré d'intelligence d'une grenouille ou d'un insecte, et encore, avec plusieurs imperfections..."

Auteur: Internet

Info: 9 oct. 2015

[ Internet ] [ évolution ]

théorie du tout

Des scientifiques affirment avoir découvert ce qui existait AVANT le début de l'univers !

Les versions non scientifiques d'une réponse ont invoqué de nombreux dieux et furent à la base de toutes les religions et de la plupart des philosophies depuis le début de l'histoire.

Aujourd'hui, une équipe de mathématiciens du Canada et d'Égypte a utilisé une théorie scientifique de pointe et une série d'équations époustouflantes pour découvrir ce qui a précédé l'univers dans lequel nous vivons.

En termes (très) simples, ils ont appliqué les théories de l'infiniment petit - le monde de la mécanique quantique - à l'ensemble de l'univers - expliqué par la théorie générale de la relativité, et ont découvert que l'univers passe fondamentalement par quatre phases différentes.

Plus important encore, ils ont découvert ce qui a précédé cet univers... un autre univers ou, plus précisément, une autre "phase cosmologique".

Bien que sa taille soit infinie, notre univers est cyclique et a toujours existé à l'un des quatre stades.

L'univers est en expansion, et cette expansion s'accélère, mais l'équipe pense que certaines modifications motivées par la mécanique quantique finiront par stopper l'expansion et ramèneront l'ensemble à un point quasi infini - à ce stade, l'univers recommencera à s'étendre.

L'article, intitulé ''Non-singular and Cyclic Universe from the Modified GUP'', écrit par Maha Salah, Fayçal Hammad, Mir Faizal, Ahmed Farag Ali, est très complexe, mais le professeur Mir Faizal en a souligné les principaux points.

Selon lui, ils ont intégré les effets de la mécanique quantique dans la cosmologie en utilisant une approche appelée GUP modifiée.

Cette approche modifie l'équation de la cosmologie d'une manière très intéressante. Elle prédit quatre phases distinctes pour notre univers - la phase actuelle de l'univers n'étant qu'une de ces phases.

Dans ce modèle cosmologique, il existe une phase antérieure au big bang, et il est possible de connaître cette phase de l'univers en étudiant la physique de la phase actuelle de notre univers.

Le professeur Mir Faizal a déclaré : "Dans notre modèle cosmologique, l'univers n'a pas commencé par un big bang : "Dans notre modèle cosmologique, l'univers n'a pas commencé par un big bang, mais il y a eu une transition d'une phase de l'univers à une autre.

"Cela est possible parce que l'univers peut exister dans quatre phases différentes, comme l'eau ordinaire peut exister dans trois phases différentes. Tout comme nous pouvons connaître les propriétés de la glace en étudiant l'eau qui s'est formée à partir d'elle, nous pouvons connaître la cosmologie d'avant le big bang en étudiant la physique de cet univers.

"En utilisant notre modèle cosmologique, nous pouvons étudier la physique de la phase cosmologique précédant le début de notre univers.

Leur modèle leur a permis d'étudier l'état de l'univers avant le Big Bang. Les équations de leur modèle prédisent que l'expansion de l'univers s'arrêtera et sera immédiatement suivie d'une phase de contraction.

Le professeur Mir a ajouté : "Lorsque les équations sont extrapolées au-delà du taux maximal de contraction, un scénario d'univers cyclique émerge. "D'autres cosmologistes ont proposé un scénario de big bang et de big crunch, mais ces modèles présentent des singularités.

"Les singularités sont néfastes en physique, car elles indiquent un endroit où les lois de la physique s'effondrent, et à ces endroits, on ne peut pas utiliser la physique pour obtenir des résultats significatifs.

"Ce nouveau modèle cosmologique élimine ces singularités. La singularité du big bang peut donc également être évitée en utilisant les corrections GUP modifiées pour la cosmologie".

Dans leur modèle cosmologique, la nature cyclique de l'univers résulte de l'incorporation d'effets quantiques dans un modèle cosmologique de l'univers.

Le professeur Faizal a expliqué que même s'il existe de nombreuses approches étonnantes de la gravité quantique, comme la théorie des cordes et la gravité quantique à boucles, le point commun de la plupart de ces approches est qu'il existe une longueur minimale en dessous de laquelle l'espace n'existe pas.

Beaucoup de ces approches prédisent également qu'il existe une énergie maximale et qu'aucun objet dans l'univers ne peut avoir une énergie supérieure à cette énergie maximale.

L'équipe de chercheurs a intégré l'effet d'une longueur minimale et d'une énergie maximale dans un modèle cosmologique, pour aboutir à un univers cyclique.

Interrogé sur les implications philosophiques, voire théologiques, de ses travaux, le professeur Mir a déclaré : "Personne ne tire d'implications philosophiques ou théologiques d'une dimension spatiale finie ou infinie, et le temps n'est qu'une dimension parmi d'autres, alors pourquoi devrait-il être traité différemment ?

"En tout état de cause, je ne crois pas en un Dieu des lacunes, le big bang étant une grande lacune, mais en un Dieu qui a rendu les mathématiques décrivant la réalité si parfaites qu'il n'y a pas de lacunes, ni aujourd'hui ni au moment du big bang.''

Le professeur Faizal a également travaillé sur le Grand collisionneur de hadrons, où il a exploré les portes d'autres univers.

 

 

Auteur: Internet

Info: https://www.thesci-universe.com/ 5,15,2023

[ hypothèse ]

cosmologie

Des planètes-océans en phase de résoudre cette énigme sur les exoplanètes 

Pourquoi détecte-t-on si peu d'exoplanètes d'environ deux fois la taille de la Terre ? Sur la base de simulations informatiques, une équipe de l'Institut Max-Planck d'astronomie (MPIA) et des universités de Genève (UNIGE) et Berne (UNIBE) révèle que la migration de planètes subneptuniennes glacées - des planètes-océans - pourrait expliquer cette absence.

( photo :  Au fur et à mesure que les planètes-océans glacées et riches en eau migrent vers leur étoile, la glace fond et finit par former une épaisse atmosphère de vapeur d'eau, qui augmente leur rayon.) 

À mesure que ces planètes se rapprochent de leur étoile centrale, la glace d'eau qui s'évapore forme une atmosphère qui les fait apparaître plus grandes qu'à l'état gelé, bien au-delà d'un double rayon terrestre. Simultanément, des petites planètes rocheuses, plus grandes que la Terre, perdent progressivement une partie de leur enveloppe gazeuse d'origine, ce qui entraîne une diminution importante de leur rayon. Ces résultats ouvrent de nouvelles perspectives pour l'étude des exoplanètes. Ils sont à découvrir dans Nature Astronomy.

En 2017, le télescope spatial Kepler a révélé l'absence de planètes ayant une taille d'environ deux rayons terrestres. Ce "vide" dans la distribution des rayons des planètes est appelé "rift subneptunien". "Son existence est l'une des contraintes observationnelles les plus importantes pour comprendre l'origine et la composition des exoplanètes dont le rayon est compris entre celui de la Terre et celui de Neptune", explique Julia Venturini, boursière Ambizione du FNS, collaboratrice scientifique au Département d'astronomie de l'UNIGE, membre du PRN PlanetS et coauteure de l'étude. "Comme d'autres groupes de recherche, nous avions prédit sur la base de nos calculs, avant même les observations de 2017, qu'un tel rift devait exister", ajoute Christoph Mordasini, professeur à la division de recherche spatiale et sciences planétaires (WP) de l'UNIBE, membre du PRN PlanetS et coauteur de l'étude.

D'où vient le rift subneptunien?

Deux types d'exoplanètes peuplent l'intervalle de rayon entre un et quatre rayons terrestres. D'une part, des planètes rocheuses - des " super-Terres " - plus grandes que la Terre. D'autre part, des planètes gazeuses appelées planètes subneptuniennes (ou mini-Neptunes) dont certaines, les planètes-océans, pourraient abriter une quantité d'eau si importante que leur surface serait recouverte d'un océan glacé de plusieurs dizaines de kilomètres de profondeur. Parmi ces deux types de planètes, les super-Terres et les Subneptuniennes, les astronomes en découvrent très peu avec un rayon de deux fois celui de la Terre.

Pour expliquer l'apparition de ce "rift", le mécanisme le plus souvent suggéré est que les planètes perdent une partie de leur atmosphère d'origine sous l'effet de l'irradiation de l'étoile. "Cette explication suppose que les planètes se forment et restent très proches de leur étoile, où elles seraient sèches, sans eau", précise Julia Venturini. "Cependant, cette explication contredit les modèles de formation, qui montrent que les planètes d'une taille comprise entre deux et quatre rayons terrestres, les planètes-océans, proviennent généralement des régions glacées les plus éloignées du système stellaire".

De nombreux indices suggèrent donc que certaines planètes pourraient s'éloigner de leur lieu de naissance au cours de leur évolution, en migrant vers l'intérieur ou vers l'extérieur de leur système. Cette migration permettrait aux planètes nées dans des régions froides et glacées, comme les planètes-océans, de terminer leur formation sur des orbites très proches de leur étoile.

Planètes-océans errantes

Au fur et à mesure que les planètes-océans glacées et riches en eau migrent vers leur étoile, la glace fond et finit par former une épaisse atmosphère de vapeur d'eau. Ce processus entraîne une augmentation de leur rayon vers des valeurs légèrement plus élevées, au-delà d'un double rayon terrestre. Inversement, les super-Terres, pauvres en eau, "rétrécissent" en perdant les gaz volatils de leur atmosphère d'origine, tels que l'hydrogène et l'hélium, sous l'influence de l'étoile.

Les modèles informatiques combinés de formation et d'évolution indiquent ainsi que la migration des planètes-océans contribue de manière significative au grand nombre de planètes détectées avec un rayon plus grand que deux rayons terrestres alors que l'évaporation atmosphérique des super-Terres contribue au surnombre des planètes plus petites que deux rayons terrestres. Au centre de ces deux populations se trouve le rift subneptunien. "Nous avions déjà obtenu ce résultat en 2020. La nouvelle étude le confirme avec un modèle de formation différent. Cela renforce la conclusion selon laquelle les planètes subneptuniennes sont principalement des mondes d'eau". précise Julia Venturini, qui a aussi dirigé l'étude de 2020.

D'autres travaux à venir

En plus d'expliquer un phénomène jusque-là mystérieux, ces travaux ouvrent de nouvelles perspectives pour l'étude des exoplanètes. "Si nous étendions nos résultats à des régions plus tempérées, où l'eau est liquide, cela pourrait suggérer l'existence de mondes aquatiques dotés d'océans liquides profonds", explique Christoph Mordasini. "De telles planètes pourraient potentiellement abriter la vie et constitueraient des cibles relativement simples pour la recherche de biomarqueurs en raison de leur taille".

Des observations avec des télescopes comme le James Webb Space Telescope ou l'Extremely Large Telescope, en cours de construction, pourraient également être utiles. Elles permettraient de déterminer la composition atmosphériques des planètes en fonction de leur taille, ce qui permettrait de tester les simulations décrites.

Auteur: Internet

Info: https://www.techno-science.net/, Adrien le 17/02/2024, Source: Université de Genève

[ autres mondes ] [ exobiologie ]