couple

Or il arriva que, le lendemain, le destin me réserva un don différent et unique : la rencontre avec une femme, jeune et faite de chair et d'os, chaude contre ma jambe à travers nos manteaux, allègre au milieu du brouillard humide des vallées, patiente, savante et sûre tandis que nous marchions dans les rues encore bordées de décombres. En quelques heures, nous sûmes que nous nous appartenions, non pour une rencontre mais pour la vie, ainsi qu'il en a été. En quelques heures, je m'étais senti neuf et plein de puissances nouvelles, lavé et guéri de mon long mal, prêt enfin à entrer dans la vie avec joie et vigueur ; le monde, autour de moi, était lui aussi soudainement guéri, et exorcisés le nom et le visage de la femme qui était descendue aux enfers avec moi et n'en était pas revenue. Mon écriture même devint une aventure différente, non plus l'itinéraire douloureux d'un convalescent, d'un homme qui mendie de la pitié et des visages amis, mais une construction lucide, qui avait cessé d'être solitaire – une œuvre de chimiste qui pèse et sépare, mesure et juge sur des preuves sûres, et s'ingénie à répondre aux pourquoi. À côté du soulagement libérateur qui est le propre de celui qui est de retour et raconte, j'éprouvais maintenant dans l'écriture un plaisir complexe, intense et nouveau, semblable à celui que j'avais éprouvé, étudiant, en pénétrant dans l'ordre solennel du calcul différentiel. Il était exaltant de chercher et de trouver, ou de créer, le mot juste, c'est-à-dire mesuré exactement, bref et fort, de tirer les choses du souvenir, et de les décrire avec le maximum de rigueur et le minimum d'encombrement. Paradoxalement, mon bagage de souvenirs atroces devenait une richesse, une semence ; il me semblait, en écrivant, croître comme une plante. Dans le train de marchandises du lundi suivant, pressé au milieu de la foule ensommeillée et emmitouflée dans les cache-nez, je me sentais joyeux et décidé comme jamais avant ni après. J'étais prêt à défier le monde entier et tout le monde.

Auteur: Levi Primo

Info: ​​​​​​​Le Système périodique

[ amour ] [ fertilisant ] [ contact ] [ rapprochement ]

écriture

Si je dis parfois qu'il y a tout dans Balzac, Stendhal, Dostoïevsky ou Tolstoï, je m'aperçois qu'il y a bien autre chose chez Rimbaud, Flaubert ou Valéry. Il ne s'agit plus pour moi de décrire, de déduire ou de conclure. Je répugne à l' "expliqué", comme au "raconté", comme au "romancé". Aussi n'ai-je aucune méthode de travail. J'ai plutôt ma façon de gravir la montagne qui sépare la vallée du papier blanchi du plateau des feuilles noircies. Mais ces pistes demeurent secrètes, même pour moi. Tout ce que je puis révéler, c'est que je voudrais, à mon tour, dire quelques mots de ce qui se passe entre notre âme et les choses, c'est que je voudrais comparaître à mon tour devant le suprême tribunal et connaître l'état de mon cœur. Sans doute, il y a une première prise de contact. Des matières, des images sûres, des odeurs irréfutables, des clartés péremptoires viennent à ma rencontre. J'en écris, soit. C'est un premier jet. J'installe ces couleurs de préface sur un large écran. Je tisse une toile. Le stade second consiste à percevoir plus loin, à m'arrêter devant le même spectacle, à me taire plus avant, à respirer plus profond devant la même émotion. Si j'avais quelque jeune disciple à former, je me contenterais probablement de lui murmurer ces seuls mots "Sensible. s'acharner à être sensible, infiniment sensible, infiniment réceptif. Toujours en état d'osmose. Arriver à n'avoir plus besoin de regarder pour voir. Discerner le murmure des mémoires, le murmure de l'herbe, le murmure des gonds, le murmure des morts. Il s'agit de devenir silencieux pour que le silence nous livre ses mélodies, douleur pour que les douleurs se glissent jusqu'à nous, attente pour que l'attente fasse enfin jouer ses ressorts. Écrire, c'est savoir dérober des secrets qu'il faut encore savoir transformer en diamants. Piste longuement l'expression qui mord et ramène-la de très loin, s'il le faut." Un de mes plus vieux ancêtres avait inventé quelque chose au Palais du Louvre et à la Fontaine des Innocents. Son arrière-petit-fils (il avait une bonne figure) avait inventé un Dictionnaire; mon aïeul avait réinventé sa trousse; mon père avait inventé son verre, ses émaux, sa palette, ses instruments, sa cuisson. Et moi, je cherche à continuer tant bien que mal, en y apportant mon équation de poète chimiste, la taillerie de mes pères…

Auteur: Fargue Léon-Paul

Info: Le Piéton de Paris. Paris, "Par ailleurs". Éditions Gallimard, 1932, 1939.

[ filiation ] [ chaîne ] [ méthode de création ]

dépravation

En 1770, un père de famille vint se jeter aux pieds de M. de Sartines, et lui dit que la veille au soir on a enlevé sa fille, et qu'il ne sait ce qu'elle est devenue.
M. de Sartines lui promet une prompte vengeance, et lui assigne un jour pour lui donner des nouvelles sûres de son enfant; il fait faire les perquisitions les plus exactes, et parvient enfin à découvrir les ravisseurs. Le père revient aujour marqué ; M. de Sartines le reçoit les larmes aux yeux : "Hélas ! lui dit ce magistrat, vous êtes bien malheureux, mais je suis presque aussi à plaindre que vous : je sais où est votre fille, et je ne puis vous rendre justice : une autorité supérieure me lie les mains..." L'infortunée était au Parc aux Cerfs, et avait été enlevée pour les plaisirs du roi.
Les courtisans suivaient à l'envi l'exemple de leur maître. Quelques mois après, M. le duc de *** devient amoureux d'une jeune demoiselle très-jolie, fille d'un ancien officier : ne pouvant corrompre ni elle ni sa mère, par argent, il imagine un stratagème bien digne de la cour de Louis XV. Il se déguise avec quelques-uns de ses gens, met le feu pendant la nuit à la maison où demeuraient la mère et la fille; il entre comme pour donner du secours, enlève la demoiselle, la met dans un carrosse, et en abuse à deux lieues de là. Il se rend coupable du double crime de ravisseur et d'incendiaire.
Ce qu'il y a de remarquable, c'est qu'il ne fut point puni, malgré les plaintes de M. de Sartines; il en fut quitte pour quelque argent. Le duc de ***, son père, présenta au roi cette affaire comme une petite plaisanterie, et le monarque se contenta de recommander au fils d'être un peu plus sage à l'avenir.
Peu de seigneurs de la cour de France résistèrent à cette contagion, et se préservèrent de la corruption générale. M. le maréchal de Brissac était un de ces derniers.
Il y a quelques années qu'on le plaisantait sur la rigidité de ses principes d'honneur et de probité, et sur ce qu'il se fâchait, parce qu'on prétendait qu'il était c..., comme tant d'autres, Louis XV qui était présent, et qui riait de sa colère, lui dit : "Allons, monsieur de Brissac, ne vous fâchez point, c'est un petit malheur, ayez bon courage.
- Sire, répondit M. de Brissac, j'ai toutes les espèces de courage, excepté celui de la honte."

Auteur: Internet

Info: Correspondance secrète, année 1774, in le Dictionnaire encyclopédique d'anecdotes modernes, anciennes, françaises et étrangères d'Edmond Guerard

[ abus de pouvoir ] [ dépravation ] [ viol ] [ honneur ]

mémoire

Mettez vos données sur disque dur et elles seront peut être sûres pendant une décennie si rien ne casse. Mais que faire pour garder l'info des millions d'années ?
La puissance de l'ADN comme dispositif de stockage a été identifiée la première fois seulement six ans après la découverte de la molécule. Dans une conférence de 1959 au California Institute of Technology, Richard Feynman, un des physiciens les plus admiré du 20 ème siècle, prévoyait que la miniaturisation de la technologie changerait probablement le monde - essentiellement en prévoyant la révolution numérique. Il précisa alors que la nature avait déjà fait un chip bien meilleur sous forme d'acide désoxyribonucléique.
Dans un petit paquet d'atomes au centre de chaque cellule, Feynman remarqua que toute l'information requise pour créer un humain, une amibe ou une tomate y sont codés. En beaucoup de domaines Feynman était en avance sur son temps. Les scientifiques ont calculé que l'ADN pourrait être le support de stockage idéal. Une seule livre d'ADN pouvant contenir toutes les données de tous les ordinateur.
Mais gérer cette puissance informatique s'est avérée difficile. Le premier ordinateur fonctionnant entièrement comme l'ADN fut créé en 1994 par Leonard Adleman, informaticien à l'université de Californie. Dans une cuillère à café d'eau, il utilisa une série de réactions biochimiques pour résoudre le problème célèbre "du représentant de commerce" (en bref de combien de manières peut-on aller de New York à Cleveland en s'arrêtant dans 7 autres villes dans l'intervalle ?). La promesse de l'approche était due au fait que chaque morceau d'ADN peut fonctionner essentiellement comme ordinateur indépendant, il devrait lui être possible de faire près d'un quadrillion de calculs immédiatement. Plus facile à dire qu'a faire !. Et si Adleman est lui-même est parvenu à résoudre un problème à 20 variables avec son ordinateur ADN beaucoup de chercheurs depuis, dans ce champ de l'ADN, travaillant après ce papier initial d'Adleman, se sont maintenant déplacés vers la confection de machines minuscules au lieu d'utiliser des molécules d'ADN. Le problème : Accéder à toute l'information d’une molécule de l'ADN.
"Ma propre conclusion est que le paradigme du calcul de l'ADN ne fournira pas une plate-forme de calcul puissante pour résoudre des problèmes" dit Lloyd Smith, scientifique à l'université de Wisconsin-Madison qui a effectué ce travail de calcul ADN, mais il ne prévoit pas de remplacer ses applications liées à la matière. "c'est mignon, mais je ne sais pas si c'est un concept si important." Quelques chercheurs qui sont resté avec cette idée de stocker l'information par ADN s'éloignent actuellement de l'idée que la molécule puisse sauvegarder des quantités d'information massives. Au lieu de cela, ils se concentrent sur de plus petits messages correcteurs pendant de très longues périodes - peut-être destinés à survivre à tous les livres et disques durs que la civilisation a produits.
L'ADN des organismes évolue constamment, mais les messages correcteurs d'erreurs destinés à protéger les organismes - restent très longtemps. Pak Chung Wong, chercheur aux Pacific National Laboratories, précise que quelques unes de ces contraintes de bactéries ont maintenu leur ADN quasi intact pendant des millions d'années. Lui et ses collègues ont développé une technique pour implanter au moins 100 mots dans le génome d'un organisme de sorte que le message soit protégé contre des erreurs. Wong et ses collègues ont prouvé qu'ils pourraient implanter un message (ils ont employé "c'est un petit monde après tout") dans le génome de bactérie. Une famille entière de bactéries avec le message put être créée, et même après des centaines de générations, le message était encore intact. Wong note qu'il devrait être possible d'envoyer un message au futur dans un organisme particulièrement robuste - tel que les bactéries ou autres cancrelats, qui survivraient à une guerre nucléaire. Plus pratiquement, les compagnies qui créent des organismes génétiquement modifiés pourraient employer cette technologie pour créer un genre de filigrane ADN pour protéger leur propriété intellectuelle. Au delà de fournir de la manière pour Genentech ou Monsanto afin d’empêcher d'autres compagnies de voler leurs organismes génétiquement modifiés, une telle technologie pourrait être la meilleure manière que nous ayons d'envoyer un message au futur éloigné. Oublions les gravures sur le satellites Voyager. Ce message pourrait durer aussi longtemps que n'importe quelle vie sur terre. La seule question : qu’y mettrons nous ?

Auteur: Internet

Info: Fortean Times, Message dans une bouteille d'ADN, 10.24.05

[ conservation ]

secours

Je suis assis à l'arrière d'un C17 de la RAAF sur le chemin du retour en Australie avec Craig et les étonnants membres de l'équipe australienne du ministère des Affaires étrangères et du Commerce, de la Police fédérale australienne et des Forces de défense australiennes. C'est maintenant la première occasion de s'arrêter et de réfléchir sur les événements extraordinaires des 8 derniers jours depuis que Craig et moi avons été déployés en tant que petite équipe AUSMAT à la rescousse dans les grottes de Tham Luang (Chang Rai) au nord de la Thaïlande.

Quand nous sommes arrivés sur le site, des plongeurs locaux comme Ben Reymenants et l'impressionnant quatuor britannique (John Volanthen, Rick Stanton, Jason Mallinson et Chris Jewell) avaient déjà effectué les plongées les plus extraordinaires à travers la grotte et posé la corde très robuste qui a rendu toutes les plongées ultérieures non seulement possibles, mais aussi sûres. On ne peut sous-estimer les efforts et l'habileté de ces gars pour ouvrir la voie. Suivre la ligne de quelqu'un d'autre est beaucoup plus facile que de trouver son propre chemin. Rick et John n'ont pas seulement trouvé les enfants et l'entraîneur vivants, mais ils ont communiqué la gravité de la situation au reste du monde. Les 4 Britanniques ont ensuite effectué d'autres plongées pour amener matériel et vivres aux joueurs de football, à l'entraîneur et aux quatre plongeurs de la marine thaïlandaise, ce qui a permis de se préparer et de subvenir à la suite du sauvetage.

Pendant ce temps sur le terrain, les Thaïlandais et la communauté internationale ont envoyé des essaims d'hommes et de femmes pour assurer la restauration, les communications, les médias et, bien sûr, d'énormes équipes d'ouvriers qui ont rempli la grotte de tonnes et de tonnes d'équipement pour essayer d'abaisser l'eau et soutenir les opérations de plongée. Je n'ai jamais rien vu de tel quant à la lutte de l'homme pour contrôler les forces naturelles des eaux de la mousson. Les travailleurs locaux et autres escaladeurs ont gréé la section sèche de la grotte avec des cordes pour simplifier le sauvetage et ont fouillé la brousse au-dessus pour trouver d'autres entrées de la grotte. Les équipes de forage ont tenté de traverser près d'un kilomètre de roche jusqu'à l'endroit où se trouvait les garçons. Pendant tout ce temps, 4 braves plongeurs de la Marine Thailandaise sont restés avec l'équipe des sangliers, sachant qu'ils étaient aussi en danger que les enfants.

Lorsque toutes les autres options semblèrent épuisées, la décision de sortir les garçons à la nage a été prise. Pour la sortie des enfants, les 4 plongeurs sauveteurs britanniques furent soutenus par Craig et moi ainsi que trois autres jeunes plongeurs très talentueux du Royaume-Uni (Connor, Josh et Jim) avec des plongeurs européens (Erik, Ivan, notre bon ami Claus et Nikko). La pression exercée sur ces gars était immense, ils n'ont jamais baissé les bras une seconde.

Lorsque les enfants et l'entraîneur étaient amenés dans la chambre 3, les équipes américaines de parachutistes, les plongeurs de l'AFP SRG, le CD australien, les plongeurs chinois et les médecins de la marine de l'armée thaïlandaise les évaluaient, avant de les emmener hors de la grotte vers un hôpital de campagne et les transférer ensuite dans l'immense hôpital du centre de Chang Rai. Sur le chemin du retour à la maison nous avons eu la chance de visiter les garçons, l'entraîneur et les Seals ainsi que tout le beau personnel médical et infirmier de l'hôpital

Je voulais écrire ceci afin de donner crédit à toutes les personnes impliquées d'une manière ou d'une autre. Craig et moi avons eu un coup de projecteur sur nos efforts et nous voulons faire comprendre que bien que nous soyons devenus le visage de ce sauvetage pour quelque raison que ce soit, tout le monde doit savoir que le rôle que nous avons joué ne fut ni plus ni moins important que les centaines (peut-être milliers) mentionnées. Un rôle donné comme beaucoup plus noble qu'il ne le fut en réalité. Nous nous considérons chanceux d'avoir eu des compétences pour pouvoir contribuer à ce merveilleux résultat.

Remerciements particuliers au NCCTRC et à l'AUSMAT, DFAT, au personnel de l'ambassade d'Australie en Thaïlande, à la police touristique thaïlandaise (nos protecteurs !), à la liaison locale, aux spéléologues locaux. Nos sincères condoléances à la famille de l'ex Navy Seal Saman Gunan, décédé au cours des opérations de sauvetage.

Chez nous, nous devons remercier nos familles d'avoir traité avec les médias et de l'inquiétude que nous leur avons causé (elles y sont habituées je le crains). À MedSTAR et au SA Ambulance Service pour l'aide et le soutien importants, en particulier les Drs James Doube et Andrew Pearce. À l'équipe des Services d'anesthésie spécialisée. A l'Association des plongeurs spéléo de l'île de Cave. L'Australie pour la gestion de la vague d'intérêt pour notre sport... L'équipe dirigeante de ce pays a a été incroyable, surtout notre meilleur pote John Dalla-Zuanna. A la communauté mondiale des spéléologues et plongeurs qui se sont comportés avec grâce et dignité et ont essayé d'expliquer quelques faits aux médias de temps en temps ! Enfin, aux milliers de sympathisants de Thaïlande et du monde entier, nous promettons d'avoir lu tous les messages !

Auteur: Harris Richard

Info: En compagnie de Craig Challen

[ solidarité internationale ]

machine-homme

Les algorithmes traditionnels alimentent des outils de calcul compliqués comme l'apprentissage automatique (machine learning). Une nouvelle approche, appelée algorithmes avec prédictions, utilise la puissance de l'apprentissage automatique pour améliorer les algorithmes.

Les algorithmes - morceaux de code qui permettent aux programmes de trier, filtrer et combiner des données, entre autres choses - sont les outils standard de l'informatique moderne. Tels de minuscules engrenages dans une montre, les algorithmes exécutent des tâches bien définies au sein de programmes plus complexes.

Ils sont omniprésents, et c'est en partie pour cette raison qu'ils ont été minutieusement optimisés au fil du temps. Lorsqu'un programmeur doit trier une liste, par exemple, il se sert d'un algorithme de "tri" standard utilisé depuis des décennies.

Aujourd'hui, des chercheurs jettent un regard neuf sur les algorithmes traditionnels, en utilisant la branche de l'IA , donc du machine learning. Leur approche, appelée "algorithmes avec prédictions", tire parti des informations que les outils d'apprentissage automatique peuvent fournir sur les données traitées par les algorithmes traditionnels. Ces outils doivent, en quelque sorte, rajeunir la recherche sur les algorithmes de base.

L'apprentissage automatique et les algorithmes traditionnels sont "deux façons très différentes de calculer, et les algorithmes avec prédictions sont un moyen de les rapprocher", a déclaré Piotr Indyk, informaticien au Massachusetts Institute of Technology. "C'est un moyen de combiner ces deux fils conducteurs assez différents".

La récente explosion d'intérêt pour cette approche a commencé en 2018 avec un article de Tim Kraska, informaticien au MIT, et d'une équipe de chercheurs de Google. Dans cet article, les auteurs ont suggéré que l'apprentissage automatique pourrait améliorer un algorithme traditionnel bien étudié appelé filtre de Bloom, qui résout un problème simple mais aussi complexe et ardu.

Imaginez que vous dirigez le service informatique de votre entreprise et que vous devez vérifier si vos employés se rendent sur des sites web présentant un risque pour la sécurité. Naïvement, vous pourriez penser que vous devez vérifier chaque site qu'ils visitent en le comparant à une liste noire de sites connus. Si la liste est énorme (comme c'est probablement le cas pour les sites indésirables sur Internet), le problème devient lourd - on ne peut vérifier chaque site par rapport à une liste énorme dans le minuscule lapts de temps qui précède le chargement d'une page Internet.

Le filtre Bloom offre une solution, en permettant de vérifier rapidement et précisément si l'adresse d'un site particulier, ou URL, figure sur la liste noire. Pour ce faire, il comprime essentiellement l'énorme liste en une liste plus petite qui offre certaines garanties spécifiques.

Les filtres Bloom ne produisent jamais de faux négatifs : s'ils disent qu'un site est mauvais, il est mauvais. Cependant, ils peuvent produire des faux positifs, de sorte que vos employés ne pourront peut-être pas visiter des sites auxquels ils devraient avoir accès. Cela s'explique par le fait qu'ils s'agit d'une forme d'échange qui implique une certaine imprécision due à cette énorme quantité de données compressées -  astuce intitulée "compression avec perte". Plus les filtres Bloom compriment les données d'origine, moins ils sont précis, mais plus ils économisent de l'espace.

Pour un simple filtre Bloom, chaque site Web est également suspect jusqu'à confirmaton qu'il ne figure pas sur la liste. Mais tous les sites Web ne sont pas égaux : Certains ont plus de chances que d'autres de se retrouver sur une liste noire, simplement en raison de détails comme leur domaine ou les mots de leur URL. Les gens comprennent cela intuitivement, et c'est pourquoi vous lisez probablement les URL pour vous assurer qu'elles sont sûres avant de cliquer dessus.

L'équipe de Kraska a mis au point un algorithme qui peut également appliquer ce type de logique. Ils l'ont appelé "filtre de Bloom instruit" et il combine un petit filtre de Bloom avec un réseau neuronal récurrent (RNN), modèle de machine learning qui apprend à quoi ressemblent les URL malveillantes après avoir été exposées à des centaines de milliers de sites web sûrs et non sûrs.

Lorsque le filtre Bloom vérifie un site web, le RNN agit en premier et utilise son apprentissage pour déterminer si le site figure sur la liste noire. Si le RNN indique que le site figure sur la liste, le filtre Bloom appris le rejette. Mais si le RNN dit que le site n'est pas sur la liste, alors le petit filtre Bloom peut à son tour, faire une recherche précise, mais irréfléchie, dans ses sites compressés.

En plaçant le filtre Bloom à la fin du processus et en lui donnant le dernier mot, les chercheurs ont fait en sorte que les filtres Bloom instruits puissent toujours garantir l'absence de faux négatifs. Mais comme le RNN préfiltre les vrais positifs à l'aide de ce qu'il a appris, le petit filtre de Bloom agit davantage comme une sauvegarde, en limitant également ses faux positifs au minimum. Un site Web bénin qui aurait pu être bloqué par un filtre Bloom de plus grande taille peut désormais passer outre le "filtre Bloom iinstruit" plus précis. En fait, Kraska et son équipe ont trouvé un moyen de tirer parti de deux méthodes éprouvées, mais traditionnellement distinctes, d'aborder le même problème pour obtenir des résultats plus rapides et plus précis.

L'équipe de Kraska a démontré que la nouvelle approche fonctionnait, mais elle n'a pas formellement expliqué pourquoi. Cette tâche a été confiée à Michael Mitzenmacher, spécialiste des filtres de Bloom à l'université de Harvard, qui a trouvé l'article de Kraska "novateur et passionnant", mais aussi fondamentalement insatisfaisant. "Ils font des expériences en disant que leurs algorithmes fonctionnent mieux. Mais qu'est-ce que cela signifie exactement ?" a-t-il demandé. "Comment le savons-nous ?"

En 2019, Mitzenmacher a proposé une définition formelle d'un filtre de Bloom INSTRUIT et a analysé ses propriétés mathématiques, fournissant une théorie qui explique exactement comment il fonctionne. Et alors que Kraska et son équipe ont montré que cela pouvait fonctionner dans un cas, Mitzenmacher a prouvé que cela pouvait toujours fonctionner.

Mitzenmacher a également amélioré les filtres de Bloom appris. Il a montré que l'ajout d'un autre filtre de Bloom standard au processus, cette fois avant le RNN, peut pré-filtrer les cas négatifs et faciliter le travail du classificateur. Il a ensuite prouvé qu'il s'agissait d'une amélioration en utilisant la théorie qu'il a développée.

Les débuts des algorithmes avec prédiction ont suivi ce chemin cyclique : des idées novatrices, comme les filtres de Bloom appris, inspirent des résultats mathématiques rigoureux et une compréhension, qui à leur tour conduisent à d'autres idées nouvelles. Au cours des dernières années, les chercheurs ont montré comment intégrer les algorithmes avec prédictions dans les algorithmes d'ordonnancement, la conception de puces et la recherche de séquences d'ADN.

Outre les gains de performance, ce domaine fait également progresser une approche de l'informatique de plus en plus populaire : rendre les algorithmes plus efficaces en les concevant pour des utilisations typiques.

À l'heure actuelle, les informaticiens conçoivent souvent leurs algorithmes pour qu'ils réussissent dans le scénario le plus difficile, celui conçu par un adversaire qui tente de les faire échouer. Par exemple, imaginez que vous essayez de vérifier la sécurité d'un site web sur les virus informatiques. Le site est peut-être inoffensif, mais il contient le terme "virus informatique" dans l'URL et le titre de la page. La confusion est telle que même les algorithmes les plus sophistiqués ne savent plus où donner de la tête.

Indyk appelle cela une approche paranoïaque. "Dans la vie réelle, dit-il, les entrées ne sont généralement pas générées par des adversaires." La plupart des sites Web que les employés visitent, par exemple, ne sont pas aussi compliqués que notre hypothétique page de virus, et il est donc plus facile pour un algorithme de les classer. En ignorant les pires scénarios, les chercheurs peuvent concevoir des algorithmes adaptés aux situations qu'ils sont susceptibles de rencontrer. Par exemple, alors qu'à l'heure actuelle, les bases de données traitent toutes les données de la même manière, les algorithmes avec prédiction pourraient conduire à des bases de données qui structurent le stockage de leurs données en fonction de leur contenu et de leur utilisation.

Et ce n'est encore qu'un début, car les programmes qui utilisent l'apprentissage automatique pour améliorer leurs algorithmes ne le font généralement que de manière limitée. Comme le filtre de Bloom, la plupart de ces nouvelles structures n'intègrent qu'un seul élément d'apprentissage automatique. M. Kraska imagine un système entier construit à partir de plusieurs pièces distinctes, dont chacune repose sur des algorithmes avec des prédictions et dont les interactions sont régulées par des composants améliorés par les prédictions.

"Tirer parti de cela aura un impact sur de nombreux domaines".

Gageons qu'avec de tels systèmes, un site comme FLP se retrouve à peu près certain de ne jamais être accepté par un filtre de Bloom - ou un filtre de Bloom instruit. Qui sont - objectivement - des instruments de contrôle, et donc de fermeture.  (Note du traducteur).

Auteur: Internet

Info: Nick Thieme, https://www.quantamagazine.org, A I, Machine Learning Reimagines the Building Blocks of Computing, March 15, 2022. Trad Mg

[ censure numérique ] [ triage web ] [ citation s'appliquant à ce logiciel ]