biotechnologie

Bébé médicament : Embryon sélectionné selon ses caractéristiques génétiques pour guérir l’un de ses aînés malades, par prélèvement de cellules dans le cordon ombilical à la naissance. Sans garantie sur l’entente de la fratrie. Procédure abandonnée en France en 2014 et rétablie dans la loi bioéthique de 2021.

Auteur: PMO Pièces et main-d'oeuvre

Info: Dans "Alertez les bébés ! ", éditions Service compris, 2020, page 127

[ défini ] [ bébé double espoir ] [ novlangue de la reproduction artificielle ]

transhumanisme

Internet, la physique quantique, la biotechnologie, la robotisation du travail, l'intelligence artificielle, l'ingénierie génétique, les nouvelles techniques de reproduction assistée, et le voyage extraterrestre précipitent également des changements sans précédent vers l'invention d'autres modalités d'existence entre l'organisme et la machine, le vivant et le non-vivant, l'humain et le non-humain, tandis que de nouvelles hiérarchies dans le domaine politique apparaissent et disparaissent.

Auteur: Preciado Paul B.

Info: Je suis un monstre qui vous parle

[ instabilité ] [ nouvelles configurations ] [ possibilités ] [ science ] [ déconstruction ]

post-darwinisme

Les travaux de  John Henry Holland et Stuart Kauffman, parallèlement aux simulations d'évolution de Dawkins et  aux modèles de systèmes autopoïétiques de Varela, constituent une inspiration essentielle pour la nouvelle discipline de la vie artificielle. Cette approche, initiée par Chris Langton (1989, 1992), tente de développer des systèmes technologiques (programmes informatiques et robots autonomes) qui présentent des propriétés proches de la vie, telles que la reproduction, la sexualité, l'essaimage et la co-évolution.

Auteur: Heylighen Francis

Info:

[ systèmes émergents ] [ mémétique ] [ synthèse ]

gestation pour autrui

GPA éthique : Oxymore (comme "développement durable", "entreprise citoyenne", "commerce équitable", "obscure clarté", "roue carrée") prétendant que la location de son utérus aux fins de fournir un enfant à d’autres serait possible gratuitement (moyennant défraiement) et sans lien de subordination. Le père de la GPA éthique est ce bourgeois gentilhomme qui n’était point marchand mais donnait de l’étoffe à ses amis pour de l’argent. Si votre mère insiste pour porter votre enfant, prévoir les frais de psychanalyse pour toute la famille.

Auteur: PMO Pièces et main-d'oeuvre

Info: Dans "Alertez les bébés ! ", éditions Service compris, 2020, page 130

[ définition ironique ] [ novlangue de la reproduction artificielle ]

prospective

[...] coupés de leur nature animale primordiale, récusant la source biologique de l’existence, se reproduisant en laboratoire par insémination artificielle, les habitants de ces villes scintillantes et métalliques évolueront complètement comme des robots rationnellement programmés (…) la tendance générale de la société technologique tend vers l’androgynie (…), un monde où les éléments d’une semi-humanité désexualisée, unisexes, interchangeables, remplaçables, continueront à asservir la nature et la nature humaine dans un univers dominé par un enchevêtrement de machines en train de se reproduire.

Auteur: Abbey Edward

Info: "The Future of Sex : A Reaction to a Pair of Books ", in One Life at a Time Please, 1988

[ technostructure ] [ biocratie ] [ reproduction artificielle ] [ indifférenciation ]

cryoconservation

Vitrification : Technique moderne de conservation des embryons obtenus par fécondation in vitro. A l’inverse de la congélation, lente et favorisant la formation de cristaux de glace intra et extra-cellulaires, la vitrification est ultra-rapide et sans cristaux. On déshydrate l’embryon et on remplace l’eau de ses cellules par des substances cryoprotectrices à concentration élevée, avant de l’immerger dans l’azote liquide à -196°C.

Une simple bonbonne d’azote dans un bagage de cabine permet de transporter en avion les embryons congelés en Inde ou au Népal pour les implanter dans l’utérus d’une mère porteuse en Ukraine ou aux Etats-Unis (compter 2000€ la livraison).

Auteur: PMO Pièces et main-d'oeuvre

Info: Dans "Alertez les bébés ! ", éditions Service compris, 2020, page 132

[ définie ] [ reproduction artificielle ] [ commerce ]

reproduction

Ou l'on achète du sperme congelé dans un centre d'insémination artificielle et on le glisse au bon moment dans le ventre de Madame. Ou l'on branle Monsieur. Dans les porcheries qui disposent de verrats génétiquement sélectionnés, un ouvrier s'enferme dans une pièce avec l'un des champions et un mannequin de monte. Lequel est une poupée gonflable qui ne se gonfle pas. Il faut que le verrat bande, il faut ce qu'il faut, de manière à ce que le prolo de service puisse recueillir une belle dose d'éjaculat dans un récipient ad hoc. Ensuite, comme dans le cas précédent, il conviendra d'injecter la semence. C'est stressant, vraiment stressant. Ne pas hésiter à insulter l'animal s'il n'arrive pas à donner son sperme dans des temps raisonnables. Le traiter de "gros tas", de "grosse merde" ne sert pas à grand-chose sur un plan pratique, mais soulage.

Auteur: Nicolino Fabrice

Info: Bidoche. L'industrie de la viande menace le monde

[ animal ] [ industrie ] [ orgasme ]

consumérisme

Malgré le froid, la veille de Noël obligeait les gens à sortir de chez eux et vers une heure, pendant qu'il [le commissaire Morvan] marchait lentement en direction du restaurant (...) - il s'aperçut que le Burger King de la place était bondé. Des familles entières, encombrées d'enfants et de paquets, faisaient la queue aux caisses ou bien, installées à des tables aux bancs inamovibles, vissés au sol, mangeaient des menus identiques dans des assiettes et des gobelets de carton, profitant d'un court répit dans leur pénible course entre la reproduction et la consommation. Rigoureusement programmés de longue date par quatre ou cinq institutions fossilisées qui se complètent l'une l'autre - Banque, Ecole, Religion, Justice, Télévision - comme l'est un robot par le perfectionnisme obsessionnel de son constructeur, le plus insignifiant de leurs actes et la plus secrète de leurs pensées, à travers lesquels tous sont convaincus d'exprimer un individualisme farouche, se retrouvent, identiques et prévisibles, en chacun des inconnus qu'ils croisent dans la rue et qui, comme eux, se sont endettés en une semaine pour toute l'année qui va commencer en achetant, dans les mêmes grands magasins ou les mêmes chaînes de boutiques, les mêmes cadeaux qu'ils installeront au pied des mêmes arbres décorés de petites lumières, de neige artificielle et de guirlandes dorées, pour aller s'asseoir à des tables identiques et manger les mêmes aliments supposés exceptionnels qu'on pourra retrouver au même moment sur toutes les tables de l'Occident, desquelles ils se lèveront, passé minuit, se croyant réconciliés avec le monde opaque qui les a modelés, et emportant avec eux jusqu'à la mort - la même pour tous -, octroyées par le monde extérieur, les mêmes expériences qu'ils croient uniques et incommunicables, après avoir vécu les mêmes émotions et emmagasiné dans leur mémoire les mêmes souvenirs.

Auteur: Saer Juan José

Info: L'enquête

procréation médicalement assistée

Malgré les postures faussement subversives des activistes LGBT contre "le modèle familial traditionnel", leur exigence d’accès à la PMA, comme celle des couples hétéros stériles, n’aspire qu’à reproduire ledit modèle : des parents et des enfants comme tout le monde. Les fanatiques du "tout social", en guerre contre "la révérence totale à l’égard de la nature" (Elisabeth Badinter), veulent des contrefaçons de la nature (biotechnologiques). Un enfant fabriqué en laboratoire plutôt qu’une famille sans enfant. Soit dit en passant, si le désir d’enfant est "on ne peut plus naturel", comme le déclare Marta Spranzi, alors il y a une nature humaine. On n’avait pas coutume d’entendre les déconstructionnistes soutenir pareille hérésie essentialiste. C’est comme ça les arrange.

La stérilité, naturelle ou provoquée par le mode de vie industriel (pollution, sédentarité, obésité, etc.), n’altère pas la santé. Elle relève plutôt du handicap, ou de la carence. La conception artificielle d’un enfant ne soigne pas l’infertilité, mais la compense. Elle est remboursée par la Sécu, à la différence des chiens d’aveugles — mais Libération ne milite pas contre cette inégalité-là.

Handicapés, nombre de sourds refusent une greffe d’implants cochléaires. Ils ne veulent pas être des hommes-machines dotés d’ouïe artificielle, mais enrichir la culture humaine de leur particularité et transmettre le langage des signes. Une solution humaine et autonome plutôt que l’automachination et la soumission à des dispositifs hétéronomes, qu’il leur est de plus en plus difficile à défendre puisque la technologie existe.

Comme eux, les couples infertiles et les célibataires qui acceptent leurs limites suscitent incompréhension et défiance. Pourquoi refuser un enfant puisque la technologie le permet ? C’est ainsi que la reproduction artificielle, même minoritaire, s’impose comme la référence, ses possibilités influençant désirs et comportements de toussétoutes. Attendez qu’on puisse choisir les caractéristiques de ses héritiers. Chacun sait que, passé un certain seuil, l’exception devient la norme. Le phénomène se répète à chaque saut technologique. La diligence n’a pas cohabité longtemps avec l’automobile et le train. Engendrer soi-même, gratuitement et au hasard, semblera bientôt aussi incongru que faire de l’auto-stop sans plateforme web.

Auteur: PMO Pièces et main-d'oeuvre

Info: Dans "Alertez les bébés ! ", éditions Service compris, 2020, pages 99-100

[ contradictions ] [ désir-loi ] [ normalisation ]

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 ]