cybernétique

Comment utiliser la puissance collective des mini-robots pour créer des motifs inspirés de la nature.
Les scientifiques ont démontré comment des essaims de robots minuscules pouvaient être programmés comme des cellules pour former des formes ensemble en s'appuyant sur les interactions avec leurs voisins.

Imaginez un avenir où des centaines ou des milliers de petits robots balayeront le terrain après une catastrophe naturelle. Imaginez-vous opéré(e) par des nano-robots qui pratiquent une chirurgie interne. Un jour une telle technologie pourrait être disponible grâce à la recherche mettant en œuvre les principes biologiques de l'auto-organisation en robotique à essaims.

Soutenus par le projet SWARM-ORGAN financé par l'UE les scientifiques ont montré comment des centaines de mini-robots pouvaient utiliser les mécanismes génétiques et cellulaires régissant la morphogénèse biologique précoce. Leurs conclusions ont été publiées récemment dans la revue "Science Robotics".

L'article explique le concept: "La morphogenèse permet à des millions de cellules de s'auto-organiser en structures complexes et prendre des formes fonctionnelles très variées pendant le développement embryonnaire. Ce processus émane des interactions locales de cellules sous le contrôle de circuits génétiques identiques dans chaque cellule, résistants au bruit intrinsèque, et capables de s'adapter à des environnements changeants." Comme indiqué dans le même article, ces attributs offrent "de véritables opportunités dans les applications robotiques en essaim allant de la construction à l'exploration".

Il conclut: "Les résultats montrent des essaims de 300 robots qui s'auto-construisent en des formes organiques et modulables, résistant aux dommages. C'est un pas vers l'émergence de la formation de formes fonctionnelles dans les essaims de robots suivant les principes de l'ingénierie morphogénétique auto-organisée."

La technologie humaine inspirée par la nature
Le Dr James Sharpe chef de l'unité Barcelonnaise du Laboratoire européen de biologie moléculaire a déclaré: "Nous montrons qu'il est possible d'appliquer les concepts naturels d'auto-organisation à la technologie humaine comme les robots."

Le communiqué de presse explique le processus: "S'inspirant de la biologie, les robots stockent des morphogènes: des molécules virtuelles qui transportent l'information structurante. Les couleurs indiquent la concentration en morphogène de chaque robot: le vert indique des valeurs morphogènes très élevées, le bleu et le violet indiquent des valeurs inférieures, et aucune couleur n'indique une absence quasi-totale du morphogène dans le robot."

Les robots transmettent ces informations à leurs voisins par messagerie infrarouge. "En cela les robots sont semblables à des cellules biologiques car eux aussi ne peuvent communiquer directement qu'avec d'autres cellules physiquement proches d'eux. ... L'essaim prend différentes formes en déplaçant les robots des zones à faible concentration en morphogène vers les zones à forte concentration en morphogène – appelées “taches de turing” ce qui conduit à la croissance de protubérances qui sortent de l'essaim." Une vidéo présente la création de différentes formes dans ces essaims. L'équipe de recherche a également montré les propriétés d'auto-guérison de ces robots qui leur permettent de s'adapter aux dommages.

Le projet SWARM-ORGAN (A theoretical framework for swarms of GRN-controlled agents which display adaptive tissue-like organisation) s'est terminé en 2016. Son objectif était "d'explorer de manière exhaustive une approche spécifique – à savoir l'utilisation des RRN (réseaux de régulation génétique) – comme méthode de contrôle potentiellement puissante pour ces systèmes" selon le site web du projet. Une équipe multidisciplinaire composée d'experts aux profils variés notamment en biologie des systèmes développementaux en informatique en robotique morphogénétique et en physique a participé au projet.

Auteur: Internet

Info: https://www.techno-science.net, 27/02/2019

[ différenciation cellulaire ]

interrogations

Lorsqu'Einstein réfléchissait à un problème, il estimait toujours nécessaire de formuler ce sujet de manières aussi diverses que possible, afin pouvoir en adapter la présentation et la rendre compréhensible pour des personnes habituées à des modes de pensée dissemblables et à des parcours éducatifs différents.

Avec FLP nous tentons de nous inspirer de tout, de ce qui précède bien sûr, mais aussi de cette progression : Euclide pensa à partir de la surface, Newton, de la matière, Einstein, de la lumière...

Et bien FLP veut s'amuser à le faire à partir de l'esprit, c'est à dire s'essayer à l'extension-compréhension de notre perspectivisme-anthropique-miroir.

Tout ceci organisé de manière orthogonale, à savoir que chaque individu tente de frotter-intégrer sa singularité infime... dans le corpus linguistique général humain.  Et puis, avec l'aide des chatbots, on va s'apercevoir d'une intrication récurrente langage - mathématique, ce qui est déjà le cas à partir des années 2020.

Voici quelques idées qui, en conservant une ouverture absolue, tendent vers ce concept : 

- Les hommes, structures organiques à la pensée analogique, fonctionnent avec des mots-univers, symboles miroirs, vus par un système AI numérique comme des vecteurs polysémiques (sphères sans fond ? n dimensions ?). 

- Chaque mot-système-univers, plus ou moins fermé en fonction du contexte et de qui le manipule, est aussi une structure autonome + ou - durable. Exemples au hasard : Gaïa, le soleil, le requin, les fougères, la culture humaine, un atome... l'écriture, une route, etc. Termes qui renferment tous, de fait, l'entière évolution cosmique qui les précède. Chacun étant à comprendre/interpréter/intégrer au milieu de mélanges de cycles variés-variables... vus-codés par des observateurs variés-variables aussi. Observateurs pareillement issus de systèmes variés et variables.  Nous avons donc : 

- Des priméïté interprétées par des secondéités qui produisent des tiercités-codages, avec rocades multiples possibles entre ces trois acteurs. Merci Charle Sanders Pierce.

- Les codages-transcriptions des perceptions-représentations-structures de l'observateur, suite aux contacts avec ce qui constitue son "1er LIVRE"... Contacts qui constituent des tiercités qui avec le temps constituent et développent un "2e LIVRE", pensées communautaires, religions, philosophies, etc. 

Et maintenant arrivent les bots dialoguants, IA aptes à réfléchir et raisonner, mais à partir de ce second ouvrage seulement, sans sensibilité, peur de la mort, etc... tous sur base de logique binaire. Alors que le premier livre, minéral-organique, semble fondé sur la tétravalence.

- Pour FLP, les secondéités, individus qui transposent, existent via leurs patronymes. Elles sont de fait des mots-univers-personnalités, ci-nommées : secondéités médium. 

Questions :

a) comment au milieu de tout cela modéliser, structurer et créer une classification diachronique orthogonale afin de constituer de nouveaux et plus efficients corpus ?        

b) comment situer-imaginer une éventuelle extension de ce système-structure autonome vu que le fond "créatif" unique que nous pensons connaître est celui schématisé par l'interaction terre-soleil, avec la gravitation et le cycle de l'eau, d'où nous sommes issus ? 

Réponse : imaginer-construire-développer un autre système autonome de ce genre, mais sur des bases différentes (par exemple : trois soleils, un autre base chimico organique ?...) et essayer de construire quelques idées sémiotiques, linguistiques, syntaxiques ou autres... susceptibles d'aider à une communication entre des êtres issus de ces deux systèmes distincts. 

Auteur: Mg

Info: fév. 2024

[ prospectives ] [ xéno-communication ] [ exolinguistique ] [ au coeur de FLP ]

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 ]

langages comparés

Voici quelques généralisations pas nécessairement très exactes, mais qui donnent un aperçu de ce que les bots synthétisent sur le sujet en début de l'an 2024.  Sont ici recensées certaines perceptions d'ensemble et d'habitudes, surtout émergentes par comparaisons, de quelques uns parmi les grands idiomes humains.

Le Latin est une langue flexionnelle*, ce qui signifie que les mots changent de forme pour indiquer leur rôle dans la phrase, Le latin est consdéré comme l'idiome de l'analyse. De plus en tant que langue classique, il est souvent associé à la rigueur et à la précision. Langue des philosophes, des savants et des juristes de l'Antiquité, le latin est perçu comme une langue qui favorise la pensée et la formulation précise des idées.

Le mandarin, en raison de la complexité de ses caractères et de sa riche histoire, est souvent associé à la sagesse et à la tradition. La culture chinoise est également réputée pour son importance accordée à la famille et à la communauté. C'est aussi une langue agrégative qui combine des mots pour former des expressions complexes, ce qui reflète la vision du monde chinoise comme un système interconnecté.

L'hindi est un langage doté d'un riche vocabulaire pour décrire les émotions fortes, telles que l'amour, la joie et la tristesse. Elle est également associée à la famille et à la communauté, qui sont des valeurs importantes dans la culture indienne. En plus de ces caractéristiques, l'hindi a également un riche vocabulaire pour décrire la spiritualité. La langue est souvent utilisée pour exprimer des concepts tels que la religion, la méditation et la conscience.

La langue japonaise est souvent associée à la politesse, à la précision et à une riche culture traditionnelle. Les différents niveaux de politesse dans la langue reflètent les nuances importantes dans les interactions sociales. Pays du surmoi selon Michel Onfray.

L'allemand est connu pour sa précision et sa structure grammaticale complexe, l'allemand est souvent associé à la technologie, à l'ingénierie et à la rigueur. C'est aussi la langue des dresseurs, probablement du à ses intonations gutturales. La culture allemande a également une forte tradition philosophique.

L'arabe est souvent associé à une riche tradition poétique et littéraire, ainsi qu'à une profonde signification culturelle et religieuse. La calligraphie arabe est également considérée comme une forme d'art distincte. Mais cette langue possède surtout un riche vocabulaire pour exprimer l'amour via de nombreux mots différents pour en décrire toutes les nuances : l'amour romantique, l'amour familial, l'amour amical et l'amour divin et bien sur l'amour en général

Souvent considéré comme une langue pratique et polyvalente, l'anglais est utilisé dans des contextes variés, des affaires aux sciences en passant par la culture populaire. Il est souvent associé à la mondialisation et à une approche pragmatique de la communication. Il est simple et direct et a pour caractéristique un immense vocabulaire, du au fait qu'y sont rassemblés tant les termes de souches latines que ceux venant des langues saxonnes.

La langue espagnole est souvent associée à la passion, à l'expressivité et à une riche tradition artistique et littéraire. Elle est également largement parlée dans plusieurs pays d'Amérique latine, ce qui ajoute une diversité culturelle à son image.

Le français : souvent perçu comme une langue de raffinement et d'élégance, il est associé à la culture artistique, à la gastronomie et à la philosophie. Il est également considéré comme une langue de diplomatie. De plus la langue française a un système complexe de conjugaisons verbales ce qui peut aider ses locuteurs en terme de créativité.

L'idée selon laquelle chaque langue voit le monde différemment est liée au concept de relativité linguistique, également connu sous le nom de l'hypothèse de Sapir-Whorf. Cette théorie, très peu acceptée chez les linguistes, suggère que la structure d'une langue peut influencer la façon dont ses locuteurs pensent et perçoivent le monde qui les entoure. 

Ces généralisations sont évidemment à prendre avec tout le recul nécessaire.

Auteur: Internet

Info: Compil de Mg, avec bard et chatgpt, *langue dans laquelle de nombreux mots sont variables : ils changent de forme selon le contexte d'usage ou leur rapport grammatical aux autres mots dans une phrase

[ points de vue ] [ linguistique ]

illusion

L'exil du peuple juif est un mythe 2
L'historien Shlomo Sand affirme que l'existence des diasporas de Méditerranée et d'Europe centrale est le résultat de conversions anciennes au judaïsme. Pour lui, l'exil du peuple juif est un mythe, né d'une reconstruction à postériori sans fondement historique. Entretien.
Parmi la profusion de héros nationaux que le peuple d'Israël a produits au fil des générations, le sort n'aura pas été favorable à Dahia Al-Kahina qui dirigea les Berbères de l'Aurès, en Afrique du Nord. Bien qu'elle fût une fière juive, peu d'Israéliens ont entendu le nom de cette reine guerrière qui, au septième siècle de l'ère chrétienne, a unifié plusieurs tribus berbères et a même repoussé l'armée musulmane qui envahissait le nord de l'Afrique. La raison en est peut-être que Dahia Al-Kahina était née d'une tribu berbère convertie semble-t-il plusieurs générations avant sa naissance, vers le 6e siècle.
D'après l'historien Shlomo Sand, auteur du livre " Quand et comment le peuple juif a-t-il été inventé ? " (aux éditions Resling - en hébreu), la tribu de la reine ainsi que d'autres tribus d'Afrique du Nord converties au judaïsme sont l'origine principale à partir de laquelle s'est développé le judaïsme séfarade. Cette affirmation, concernant les origines des Juifs d'Afrique du Nord à partir de tribus locales qui se seraient converties - et non à partir d'exilés de Jérusalem - n'est qu'une composante dans l'ample argumentation développée dans le nouvel ouvrage de Sand, professeur au département d'Histoire de l'Université de Tel Aviv.
Dans ce livre, Sand essaie de démontrer que les Juifs qui vivent aujourd'hui en Israël et en d'autres endroits dans le monde, ne sont absolument pas les descendants du peuple ancien qui vivait dans le royaume de Judée à l'époque du premier et du second Temple. Ils tirent leur origine, selon lui, de peuples variés qui se sont convertis au cours de l'Histoire en divers lieux du bassin méditerranéen et régions voisines. Non seulement les Juifs d'Afrique du Nord descendraient pour la plupart de païens convertis, mais aussi les Juifs yéménites (vestiges du royaume Himyarite, dans la péninsule arabique, qui s'était converti au judaïsme au quatrième siècle) et les Juifs ashkénazes d'Europe de l'Est (des réfugiés du royaume khazar converti au huitième siècle).
A la différence d'autres "nouveaux historiens" qui ont cherché à ébranler les conventions de l'historiographie sioniste, Shlomo Sand ne se contente pas de revenir sur 1948 ou sur les débuts du sionisme, mais remonte des milliers d'années en arrière. Il tente de prouver que le peuple juif n'a jamais existé comme "peuple-race" partageant une origine commune mais qu'il est une multitude bigarrée de groupes humains qui, à des moments différents de l'Histoire, ont adopté la religion juive. D'après Sand, chez certains penseurs sionistes, cette conception mythique des Juifs comme peuple ancien conduit à une pensée réellement raciste : "Il y a eu, en Europe, des périodes où, si quelqu'un avait déclaré que tous les Juifs appartenaient à un peuple d'origine non juive, il aurait été jugé antisémite séance tenante. Aujourd'hui, si quelqu'un ose suggérer que ceux qui sont considérés comme juifs, dans le monde (...) n'ont jamais constitué et ne sont toujours pas un peuple ni une nation, il est immédiatement dénoncé comme haïssant Israël " (p. 31).
D'après Sand, la description des Juifs comme un peuple d'exilés, errant et se tenant à l'écart, qui "ont erré sur mers et sur terres, sont arrivés au bout du monde et qui, finalement, avec la venue du sionisme, ont fait demi-tour pour revenir en masse sur leur terre orpheline ", cette description ne relève que d'une " mythologie nationale". Tout comme d'autres mouvements nationaux en Europe, qui ont revisité un somptueux âge d'or pour ensuite, grâce à lui, fabriquer leur passé héroïque - par exemple, la Grèce classique ou les tribus teutonnes - afin de prouver qu'ils existaient depuis fort longtemps, "de même, les premiers bourgeons du nationalisme juif se sont tournés vers cette lumière intense dont la source était le royaume mythologique de David " (p. 81).
Mais alors, quand le peuple juif a-t-il réellement été inventé, selon l'approche de Sand ? "Dans l'Allemagne du 19e siècle, à un certain moment, des intellectuels d'origine juive, influencés par le caractère "volkiste"' du nationalisme allemand, se sont donné pour mission de fabriquer un peuple -rétrospectivement-, avec la soif de créer une nation juive moderne. A partir de l'historien Heinrich Graetz, des intellectuels juifs commencent à esquisser l'histoire du judaïsme comme l'histoire d'un peuple qui avait un caractère national, qui est devenu un peuple errant et qui a finalement fait demi-tour pour revenir dans sa patrie.

Auteur: Ilani Ofri

Info: Haaretz, mars 2008

[ histoire ]

biogénétique

Une partie de l' " ADN indésirable " sert un objectif 

Si on étire tout l’ADN d’une seule cellule humaine, il mesurerait plus de 5 mètres de long. Mais seul un fragment de cet ADN produit des protéines, la machinerie biologique nécessaire à la vie. En 2003, le Human Genome Project a montré que seulement 1 à 2 % de notre ADN – environ 4 cm sur ces 5 mètres – code des gènes pour les protéines. Les séquences non codantes qui constituent les 98 % restants sont souvent appelées " ADN indésirable (junk dna) ", un terme inventé en 1972 par le généticien Susumu Ohno, qui a suggéré que, tout comme les archives fossiles regorgent d'espèces disparues, nos génomes sont remplis d'espèces disparues. gènes éteints ou mal copiés endommagés par des mutations.

Mais même si 98 % du génome est non codant, il ne s’agit pas précisément d’un poids mort. En 2012, un consortium de centaines de scientifiques a rapporté dans l'Encyclopédie des éléments de l'ADN qu'au moins 80 % du génome est " actif " au sens où une partie de l'ADN est traduite en ARN*, même si cet ARN est pas ensuite traduit en protéines. Il existe peu de preuves que la plupart de cet ARN provenant de gènes brisés ait un effet.

Cependant, certaines séquences non codantes, qui représentent environ 8 à 15 % de notre ADN, ne sont pas du tout indésirables. Elles remplissent des fonctions importantes, en régulant les gènes actifs des cellules et la quantité de protéines qu’ils produisent. Les chercheurs découvrent encore de nouvelles façons dont l'ADN non codant fait cela, mais il est clair que la biologie humaine est massivement influencée par les régions non codantes, qui ne codent pas directement pour les protéines mais façonnent quand même leur production. Les mutations dans ces régions, par exemple, ont été associées à des maladies ou à des troubles aussi variés que l'autisme, les tremblements et le dysfonctionnement hépatique.

De plus, en comparant les génomes humains à ceux des chimpanzés et d’autres animaux, les scientifiques ont appris que les régions non codantes peuvent jouer un rôle important dans ce qui nous rend uniques : il est possible que la régulation des gènes par l’ADN non codant différencie plus les espèces que les gènes et les protéines elles-mêmes.

Les chercheurs découvrent également que de nouvelles mutations peuvent parfois conférer de nouvelles capacités à des séquences non codantes, ce qui en fait une sorte de ressource pour une évolution future. En conséquence, ce qui mérite l’étiquette " ADN indésirable " reste à discuter. Les scientifiques ont clairement commencé à nettoyer ce tiroir à déchets depuis 1972 – mais ce qui reste dedans est encore à débattre.

Quoi de neuf et remarquable

Les scientifiques ont travaillé pour comprendre un type d’ADN non codant appelé " transposons** " ou " gènes sauteurs ". Ces bribes peuvent parcourir le génome, créant des copies d’elle-mêmes, qui sont parfois insérées dans des séquences d’ADN. Les transposons se révèlent de plus en plus essentiels au réglage de l'expression des gènes ou à la détermination des gènes codants activés pour être transcrits en protéines. C'est en partie pour cette raison qu'ils s'avèrent importants pour le développement et la survie d'un organisme . Lorsque les chercheurs ont conçu des souris dépourvues de transposons, la moitié des petits des animaux sont morts avant la naissance. Les transposons ont laissé des traces sur l'évolution de la vie. Quanta a rapporté qu'ils peuvent passer d'une espèce à l'autre - comme du hareng à l'éperlan et des serpents aux grenouilles - offrant parfois même certains avantages, comme protéger les poissons du gel dans les eaux glacées.

Les généticiens étudient également les " courts tandem  répétés ", dans lesquels une séquence d’ADN longue d’une à six paires de bases seulement est fortement répétée, parfois des dizaines de fois de suite. Les scientifiques soupçonnaient qu'elles aidaient à réguler les gènes, car ces séquences, qui représentent environ 5 % du génome humain, ont été associées à des maladies telles que la maladie de Huntington et le cancer. Dans une étude couverte par Quanta en février, les chercheurs ont découvert une manière possible par laquelle de courtes répétitions en tandem pourraient réguler les gènes : en aidant à réunir des facteurs de transcription, qui aident ensuite à activer la machinerie de production de protéines.

Ensuite, il y a les " pseudogènes*** ", restes de gènes fonctionnels qui ont été dupliqués puis dégradés par des mutations ultérieures. Cependant, comme Quanta l’a rapporté en 2021, les scientifiques ont découvert que parfois les pseudogènes ne demeurent pas pseudo ou indésirables ; au lieu de cela, ils développent de nouvelles fonctions et deviennent des régulateurs génétiques – régulant même parfois le gène même à partir duquel ils ont été copiés.

Auteur: Internet

Info: Yasemin Sapakoglu. *Aussi sur base 4, l'ARN ou acide nucléique, sert d'intermédiaire dans la circulation de l'information génétique de l'ADN aux protéines. **les transposons sont à la fois régulés par l'épigénétique, mais peuvent aussi induire des changements épigénétiques héritables, faisant le lien entre génome et épigénome dans l'évolution, 333vestiges moléculaires de gènes ancestraux devenus non fonctionnels, mais qui semblent parfois avoir acquis des rôles régulateurs inattendus au cours de l'évolution

[ stratégies géniques ] [ codifications du vivant ] [ mémoire diachronique active ] [ encodages chronologiques ]

mâles-femelles

La voix du mâle: un indicateur de fertilité et une base de choix pour les femelles ? L'exemple du cheval
On savait déjà que les vocalisations des mammifères, incluant l'homme, sont porteuses d'informations sur la familiarité, l'identité ou la taille de l'émetteur et que certaines vocalisations jouent un rôle dans la synchronisation et la coordination des partenaires sexuels. Dans une étude réalisée sur des chevaux, des chercheurs de l'unité EthoS, en collaboration avec l'Institut du cheval et de l'équitation, ont en outre découvert que non seulement la voix des étalons est porteuse d'information sur leur fertilité (succès reproducteur) mais que les juments se servent de ces mêmes paramètres acoustiques pour orienter leurs choix. Ces résultats publiés dans la revue PloS One constituent une avancée fondamentale majeure mais aussi une ouverture à des applications à l'élevage.
Il a été montré chez un certain nombre d'espèces de mammifères, incluant l'homme, qu'un auditeur est capable, entendant la voix d'un émetteur, d'évaluer son degré de familiarité (mones de Campbell, loutres asiatiques...), sa taille (cerfs, koalas, pandas...), son identité (babouins, morses...), son statut de dominance (babouins, hyènes tachetées...). Les humains sont capables d'évaluer l'âge d'un émetteur juste en entendant sa voix. Par ailleurs, les vocalisations peuvent servir de support à l'attraction de partenaires (microcèbes), renforcer le lien mâle-femelle (gibbons) ou coordonner les partenaires sexuels (macaques de barbarie). Quelques études ont montré que chez des espèces comme les macaques, les pandas (mais aussi les humains), les femelles prennent en compte les qualités vocales des mâles dans leurs choix de partenaires. Cependant, il peut être difficile de comprendre pourquoi de telles aptitudes pourraient avoir évolué et quelles conséquences ces choix peuvent avoir sur la reproduction et en particulier le succès reproducteur.
Des chercheurs de l'unité EthoS (A. Lemasson, M. Hausberger, M. Trabalon, K. Remeuf) se sont associés à des agents de l'Institut du Cheval et de l'Equitation - IFCE (F. Cuir, S. Danvy) pour réaliser une recherche sur ce sujet chez les chevaux domestiques. Dans la nature, les juments choisissent activement l'étalon et donc le groupe familial dans lequel elles vont s'insérer, repérant à distance les partenaires potentiels. Les hennissements en particulier sont une vocalisation permettant la communication à distance (en particulier hors contact visuel) et l'équipe rennaise avait déjà démontré qu'ils sont porteurs d'informations sur la familiarité sociale, le statut de dominance, le sexe et la taille de l'émetteur. Dans cette étude, ils se sont donc interrogés sur leur rôle possible dans les choix de partenaires et les conséquences éventuelles de ces choix. L'intérêt du cheval, outre les raisons invoquées ci-dessus, est aussi qu'il y a une gestion très contrôlée de sa reproduction dans le milieu de l'élevage et qu'il était ainsi possible non seulement d'expérimenter mais aussi de disposer de données précises sur la fertilité des étalons.
L'étude a été réalisée en deux étapes: 1) tester le lien éventuel entre paramètres acoustiques de la voix des étalons et des caractéristiques de reproduction 2) tester les préférences de juments pour ces paramètres acoustiques.
Dans un premier temps donc, les voix de 15 étalons reproducteurs d'âge et de race variés ont été enregistrées dans trois Haras nationaux alors qu'ils étaient tenus en main par un agent des Haras et voyaient une jument à distance. Leur voix a été analysée et comparée d'une part à des données de qualité du sperme et aux données (pluriannuelles) de succès de reproduction issues de la base de données de l'IFCE. Les résultats confirment l'existence de grandes différences entre individus mais surtout ont révélé qu'il y avait une corrélation claire entre des paramètres de fréquence acoustique et le succès reproducteur, comme par exemple le nombre de naissances par rapport au nombre d'inséminations: les étalons avec la voix plus grave présentaient davantage de gestations réussies ! De façon intéressante, les paramètres vocaux se sont révélés plus fiables dans la prédiction de la fertilité que les spermogrammes...
Dans un second temps, 40 juments adultes, dont 29 hébergées au Haras du Pin et 11 dans un centre équestre, ont été individuellement confrontées à la diffusion simultanée de deux hennissements d'étalons par des haut-parleurs placés à l'opposé dans un espace de grande taille (manège) ou dans deux corridors. Les hennissements, au vu des données ci-dessus, avaient été choisis pour représenter des extrêmes en terme de fréquence acoustique, donc il s'agissait de hennissements d'étalons inconnus ayant des voix respectivement très aigues ou très graves. Les résultats montrent que les juments ont une très nette préférence pour les voix graves: elles tournent la tête, s'approchent et restent plus à proximité du haut-parleur diffusant le hennissement grave.
Ces résultats originaux ouvrent des lignes de réflexion scientifique très importantes sur le lien entre caractéristiques vocales et reproduction chez les mammifères, suggérant que ces caractéristiques pourraient constituer un outil majeur d'évaluation de compétences, dépassant même des mesures "classiques" de fertilité dont on a montré, même chez l'homme, qu'elles étaient insuffisamment prédictives. Ils contribuent aux débats sur les affinités sociales et sexuelles. Ils appellent maintenant à une recherche approfondie sur les mécanismes qui peuvent relier caractéristiques vocales et fertilité, nécessairement à différents niveaux d'intégration. Enfin, ils témoignent aussi de l'enrichissement mutuel de recherches fondamentales et appliquées. D'un côté, seule la connaissance approfondie des caractéristiques reproductrices de ces étalons par le milieu de l'élevage a permis de répondre à cette question fondamentale, d'un autre côté, ces résultats fondamentaux ouvrent vers des applications envisageables à la gestion de la reproduction de cette espèce d'intérêt économique.

Auteur: Internet

Info:

[ son ]

transposition

La traduction, c'est aussi un acte créatif

George Sand, Albert Einstein, Picasso, John Lennon... Ces personnages hors du commun sont reconnus pour leur créativité. Mais la création n'est pas l'apanage des scientifiques, artistes et littéraires. La créativité fait aussi partie du quotidien de diverses autres professions, notamment celui des traducteurs.

Quelle est la relation entre créativité et traduction ? Les points de vue sont variés. Une chose est sûre: traduire n'est pas que reproduire ! C'est le sujet qu'a abordé la chercheuse Denise Merkle, de l'Université de Moncton, à l'occasion d'un dîner-conférence organisé par le Comité des conférences-midi du Département de linguistique et de traduction de l'Université de Montréal, avec l'appui de la Faculté des arts et des sciences.

"Depuis plusieurs décennies, des traductologues se sont posé la question afin de mieux comprendre le genre de travail cognitif exigé par l'acte créatif qui consiste à traduire. Des recherches récentes se sont penchées sur l'interdisciplinarité inhérente à la traductologie et sur la pertinence de créer la discipline de l'adaptologie. Je cherche à savoir si des travaux récents sur la créativité pourraient contribuer à approfondir et nuancer la réflexion sur la nature de la relation entre traduction et adaptation", a déclaré d'entrée de jeu Mme Merkle avant de définir ce qu'est la créativité.

De M. et Mme Tout-le-monde à Darwin

Pour la professeure, la créativité est entendue dans le sens très large de la capacité à trouver des solutions originales et utiles aux problèmes ou questions qui se posent. En se référant à l'article Beyond Big and Little: The Four C Model of Creativity, Mme Merkle a expliqué qu'il y a plusieurs types de créativité: mini-c, petit-c, pro-c et grand-c.

Le premier, le mini-c, renvoie aux activités exploratoires en réponse aux expériences nouvelles des individus en début d'apprentissage. La créativité dite petit-c est définie comme "un acte plus réfléchi et basé sur des objectifs personnels qui donnent lieu à des productions moins courantes", note Denise Merkle. Elle s'observe dans les solutions innovantes que chacun peut apporter dans son quotidien. "Cela peut être une nouvelle recette ou une solution de traduction inattendue", fait remarquer la chercheuse.

Pour accéder au niveau pro-c, soit celui des professionnels, il faut compter une bonne dizaine d'années, puisqu'il exige un "progrès considérable et volontaire" soutenu souvent par une formation et de nombreuses réalisations. Cela rappelle un peu la "règle des 10 000 heures" énoncée au début des années 90 par le psychologue suédois K. Anders Ericsson, une théorie selon laquelle on ne peut atteindre l'excellence dans une discipline qu'après avoir passé 10 000 heures à la pratiquer.

Mais attention ! Tous les professionnels d'un domaine créatif ne parviendront pas nécessairement au niveau pro-c, indique Mme Merkle. "Un traducteur peut gagner sa vie dans les industries de la langue sans faire preuve de créativité pro-c."

Enfin, la créativité avec un C majuscule, le grand-c, produit des ruptures. C'est le type de créativité qui "change le monde" ou provoque des changements culturels, technologiques, scientifiques, comme l'ont fait les travaux de Charles Darwin ou les oeuvres de Pablo Picasso.

Existe-t-il un lien entre la créativité et la folie ?

"Je ne peux le confirmer scientifiquement, mais il existe de nombreux artistes, notamment des écrivains et des peintres, dont le travail semble appuyer cette hypothèse, admet Mme Merkle. Les créateurs hors du commun sont parfois un peu marginaux. Van Gogh en est un bel exemple." Une étude menée par James C. Kaufman et Ronald A. Beghetto a par ailleurs démontré certains traits de personnalité communs chez les gens créatifs, mentionne la professeure. Au-delà de leur discipline personnelle, ils n'auraient notamment pas peur de prendre des risques.

Les chercheurs ont aussi observé que les gens motivés par la joie et la passion étaient plus créatifs que ceux dont le principal intérêt était l'argent, les louanges ou les bonnes notes.

Le monde de la traduction est bien complexe

Partant de cas concrets des domaines de la traductologie, littéraire et publicitaire, Mme Merkle a illustré la créativité à l'oeuvre chez des traducteurs et quelques-unes des difficultés les plus grandes de l'art de traduire. Certaines sont bien connues: la poésie, l'humour et les jeux de mots sont les bêtes noires du traducteur. "La qualité d'une traduction ne réside pas seulement dans ce qu'elle dit, mais aussi dans l'effet qu'elle produit", signale Mme Merkle. Les traductions imagées des poèmes en prose d'Arthur Rimbaud par le linguiste Clive Scott en témoignent. Le lecteur est invité à parcourir le double chemin qui va du poème de Rimbaud à sa conversion en images et en mouvements par Scott. Ce qui entraîne forcément une charge suggestive nouvelle. La démarche ne plaît pas forcément à tous et est discutable.

Pour plusieurs spécialistes, toute traduction littéraire est une oeuvre originale, car, même si le texte n'est pas du traducteur, celui-ci doit faire des choix et son style d'écriture est souvent reconnaissable. Mais encore une fois, cela ne fait pas l'unanimité, rappelle Mme Merkle.

Puis, il y a les contraintes inhérentes aux publicités dont l'effet humoristique repose sur une illustration. "Il va sans dire que l'articulation du verbal et du visuel entraîne une modification du contenu sémantique, explique la chercheuse. Mais quelle est la limite de la recréation ? Est-il possible de déterminer si les types de créativité repérés dans les traductions diffèrent de ceux mis au jour dans les adaptations et, si la réponse est oui, comment se distinguent-ils ?" C'est ce que permettront de découvrir ses travaux.

Auteur: Internet

Info: Université de Montréal, 10/03/2019

[ hiérarchisation ] [ réinvention ] [ ressusciter ] [ re-création ] [ décentrages ] [ visionnaires ] [ texte-image ]

cognition

Lorsqu'on réfléchit à une idée-concept c'est toujours à postériori. 

Pas tout à fait ici, puisque nous désirons aborder et tenter de caractériser le terme "conscience". Vu bien sûr "à partir de", l'entendement humain. 

Conscience humaine, ici notion-idée tant grégaire-objective, qu'individuelle-subjective, qui serait, selon nous autres singes dépoilés, la plus complexe et la plus évoluée à ce jour. 

Ah ah ah, c'te bonne blague. 

Soit. 

Selon FLP l'entendement humain est principalement scriptural, c'est à dire qu'il a pu se développer "un cran plus loin, ou plus" grâce aux symboles et langages, puis à l'écriture de signes organisés, bientôt stockés sur supports externes, ceci amenant l'émersion-développement d'une culture grégaire (dictionnaires, traductions, mathématiques, spécialisations théologico-scientifiques, recensement des tactiques militaro-politico-économiques, littérature, philos, intellectualisme, chatgpt, etc). Tout ceci maintenant traduit et trans-frontières, accessible à tous, planétarisé... numérisé... Avec une tendance à s'orienter vers l'image ; mais c'est une autre histoire.

Il y a donc un grand corpus-intellect humain, constitué au fil des générations par des millions de singularités qui bougent, agissent... réfléchissent, échangent, et manipulent les idées, principalement écrites donc. 

Corpus qui résulte de notre interaction avec la réalité (priméité), interaction qui génère par rétroaction, grâce à des idiomes qui codifient-définissent-organisent, nos divers points de vue,  (codés par des mots pour faire simple) sur ce réel. Un corpus suffisamment vaste, riche et varié pour que chaque subjectivité puisse s'y épanouir, y exister... se définir elle-même. Et s'y perdre. Aussi.

La preuve ici-même ?

C.S. Pierce dirait quelque chose comme ; humains-secondéités qui, au contact de leur réel-priméité, génèrent des textes, pensées-écrits, qui sont des tiercités. 

Ainsi l'IA matérialisée par chatgpt et consorts ne fait que manipuler ces humaines tiercités. Autant dire que par rapport aux développements divers de la vie bactérienne, et des combinaisons toujours plus complexes de molécules et de protéines qui s'en sont ensuivies, les langages humains font piteux. Pour l'instant.

Oublions ceci et réfléchissons selon la triade piercéenne, partant de l'idée que la priméité est au premier chef notre biotope terre-soleil, avec l'univers en arrière-plan. 

(Avec cette digression :  si la priméité est le soleil et la secondéité notre matrice Gaïa, cette dernière générerait alors des tiercités sous forme de vie organique et d'humains. Perspective éventuellement pessimiste dans la mesure où elle pourrait impliquer l'idée d'une terre-Gaïa terminus, à la surface de laquelle les humains ne seraient qu'éphémères et transitoires virus. Pourquoi pas.)

Mais restons sur cette triade initiale, qui peut être appréhendée comme purement mécanique, logique, voire simplement informationnelle récursive :

a) réalité source-priméité b) vie organique hommes-secondéité C) technologies écritures humaines-tiercité.  

Prenons maintenant un peu de recul en termes de temps et d'échelles, partant de ce que nous savons de plus basique pour ce qui concerne la vie "issue de la matière". A savoir à partir de la chimiosynthèse et surtout, de la photosynthèse. C'est à dire de l'interaction assez incroyable entre l'énergie solaire (photons) et certains atomes-molécules terrestres qui, par le truchement de l'anhydride de carbone*, en viennent à générer des chaines organiques, des végétaux, des animaux...  Et nous.  

Reprenons : l'idée-concept de départ à définir ici est celle de conscience, vue de, et rapportée à "l'entendement humain". ( Euclide a réfléchi en se pensant par rapport à une surface, Newton s'est mis à la place de la matière, Einstein de la lumière. FLP, ne se refusant à aucune mégalomanie, s'attaque à l'esprit lui-même, sissi. D'autant qu'on dirait  que les paradoxes quantiques pointent vers cet impératif. Impératif qui pourra se résumer en une question : comment fonctionne l'observateur ?)

Ici se pose le vertige des limites que porte en lui le langage. Parce que ce dernier, usant de "symboles écrits", désignait/nommait originellement les éléments issus de notre réalité de "façon claire", un arbre est un arbre, une montagne est une montagne, etc... Langage aussi capable de désigner/nommer une abstraction généralisante comme "notre réel lui-même". Et qui, plus avant, est même apte à désigner l'observateur-générateur-manipulateur de l'idiome lui-même. Toi moi, nous autres humains lecteurs.

Puissance paradoxale d'une pensée symbolique suffisamment adroite pour se contempler en miroir d'elle-même via les jeux polysémiques et autres variés décalages signifiant-signifié.

Quel(s) terme(s) alors utiliser pour tenter d'approcher une définition de cette curieuse émergence auto-réfléxive en s'inspirant de l'interaction photosynthétique ?  médium, mécanisme, outil interactif, "quelque chose qui réfléchit"... intelligence... transmutation...  émergence...  interface pseudo rationnelle... pensée abstraite agissante ?... 

Quelques mots simples n'y suffiront pas, et, pour prendre un exemple, une AI totalisante comme chatgpt semble s'y perdre à l'identique, enfermée dans ce qu'il faut bien appeler un anthropisme limitatif. 

C'est ici que FLP, sous pilotage humain (ses participants-lecteurs inserteurs) pourra se positionner, via la conjonction-usage de plusieurs termes simultanés (verticaux, nuage de corrélats ?). Conjonction susceptible de mieux préciser-comprendre-communiquer tel ou tel mot ou situation. Ce qui pourrait bien aider à mieux définir-consolider certaines articulations de nos raisonnements. Mais aussi mieux approcher une image "rapportée" de la conscience humaine, en fonction de "contextes précis et délimités" - pour commencer. 

Fonction FLPique de dictionnaire intriqué - qui n'en n'est qu'à ses balbutiements - et qui s'amuse à sortir de la prison séquentielle du raisonnement écrit en ouvrant une réflexion qui s'arrête en un point, perpendiculaire en quelque sorte. Halte cogitation éventuellement aidée par ces termes-tags-étiquettes annexes, verticaux, ou en nuage. Listing annexe à tendance synonymique qui pourra se présenter comme suit pour ce texte même, éventuellement par ordre d'importance :

entendement

assimilation chlorophyllienne

gnose

méta-moteur

savoirs

mécanisme constructeur, etc.

Humaine-conscience-interface très limitée aussi, au sens où elle ne sert à peu près qu'à elle-même, femmes et hommes, enfermés encore et toujours dans une Culture communautaire trans-époque que nous qualifions volontiers de "solipsisme anthropique". 

Savoirs humains entassés-conjugués qui ressemblent donc à un genre de grande conscience désordonnée, pour laquelle des termes comme information, communication, virtualité, annales akashiques... quasi-esprit, savoirs compilés... Une fois bien mélangés-combinés, pourront faire l'affaire. Mais stop.

Intéressons-nous maintenant ici à la notion de vitesse, sans lâcher cette idée de comparer "comment nous pensons nous-mêmes" avec une photosynthèse qui opère à des échelles de l'ordre du millionnième de seconde et du millionnième de millimètre.  

Bonjour alors les infinités d'échelons et de déclinaisons de "consciences", ou de niveaux de réflexions qui pourront découler de cette idée ; enchevêtrés de surcroit. Au hasard - et par seuls groupes de deux : animaux et biotope, molécules et gravitation, lune et océans, humains et idées, insectes et univers, etc...

Tout est dans tout.

Sortons alors de cette idée de mécaniques résonantes partout dans le cosmos et remettons nous à la place de l'individu monade, du créateur, ou de l'indispensable lecteur qui aide à faire exister ces lignes. 

De notre conscience propre donc, au sens d'une intellection humaine rationnelle, directement issue d'un esprit des listes - et de la logique formelle duale qui nous anime. Une fondation très simple donc, pour qui "s'introspecte" avec honnêteé et lucidité.

Ici l'auteur de ces lignes précise qu'il y a, à tous les plans de la vie non minérale incarnée, un mécanisme incontournable qui est celui de la survie, de la perpétuation. Un mécanisme "qui pousse" et qui, pour FLP, est sous-tendu depuis peu (à l'échelle cosmique) particulièrement chez les eucaryotes, par la dualité mâle-femelle. Avec les poncifs qui vont avec : procréation-curiosité, terre-ciel, conservation-exploration, etc... 

Mécanisme tétravalent, mais c'est une autre histoire.

Cette survie, de notre limitée perspective d'animaux humains, au-delà des infinies différences de vitesse citées plus tôt, présente divers stades-niveaux d'intensité et de résilience que nous dirons psycho-sociologiques : l'individu-monade, sa famille, la communauté... son pays... jusqu'à sa planète. 

Déclinés comme suit : 

- Survie immédiate, dans l'instant.

- Survie à moyen terme - comment se développer, s'intégrer, trouver un travail, un/une partenaire... 

- Survie dans le temps - comment procréer, fonder une, ou plusieurs, famille(s). Construire une carrière pour y aider.

- Survie communautaire ou territoriale - comme n'importe quelle nation agressée qui se défend... ou un peuple juif qui veut se maintenire au travers des pays et des âges.

- Survie grégaire - par exemple de terriens menacés par de vilains ET's dans un mauvais scénario de SF. Ou plus simplement menacés par eux-mêmes de par le réchauffement climatique qu'ils ont induit. 

Humano-terriens qui malgré celà continuent leur expansion démographique et consumériste. Grr

Quant à la survie du processus Gaïa lui-même, ayons l'humilité de reconnaitre que c'est une problématique qui nous dépasse. En attendant de rencontrer les entités qui se sont amusées à nous créer (pour voir ?)... et ouvrir un peu nos perspectives ;-)

En résumé, pour reprendre l'objet de départ de ce texte, la caractérisation du terme "conscience", on s'aperçoit que comme tout principe terminologique arrêté, ce mot se révèle plurivoque, jusqu'à devenir UNIVERS (classe d'universalité des mathématiciens-physiciens ?) dès qu'on entreprend d'approfondir-préciser son analyse sémantique. Univers avec donc une infinité de niveaux et de vitesses imbriquées, ou pas, parallèles, ou pas... C'est à dire tout en même temps connexionniste, bayésien, perspectiviste, diachronique, systémique, cybernétique, etc. 

Tout est dans tout. 

Encore.

Tout ceci allant très au-delà - par exemple - d'une méthode sémantico-noétique aristotélicienne de l'abstraction, limitation en elle-même.

La conscience est partout et nulle part. 

Elle est surtout un mot à la mode qui, sans le langage et surtout l'écriture, ressemble à une illusion. 

"L'être humain vivant semble n'être constitué que de matière et d'énergie. L'esprit n'est qu'une hypothèse." Isaac Asimov**

Auteur: Mg

Info: sept 2023. *Le carbone représente 0,5% des atomes dans la voie lactée. Le CO2, atome de carbone sous sa forme gazeuse, aussi nommé dioxyde de carbone, gaz carbonique ou anhydride carbonique est présent à 4% dans l'athmosphère terrestres. En janvier 2021, l'atmosphère terrestre comportait 415,13 ppmv (parties par million en volume) de CO2, soit 0,04153 %. Cette teneur était de 283,4 ppmv en 1839 d'après des carottes de glace prélevées dans l'Antarctique, soit une augmentation globale d'environ 46 % en 182 ans. **Épigraphe dans Isaac Asimov's Book of Science and Nature Quotations (1988), 214

[ anthropocentrisme ] [ hiérarchisation ] [ corps-esprit ] [ au coeur de FLP ] [ ontologie ] [ polysémie ]

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 ]