IA : modélisation des neurones - Page 5
Répondre à la discussion
Page 5 sur 6 PremièrePremière 5 DernièreDernière
Affichage des résultats 121 à 150 sur 157

IA : modélisation des neurones



  1. #121
    GillesH38a

    Re : IA : modélisation des neurones


    ------

    Citation Envoyé par shahinshah Voir le message
    Bonsoir,


    D'où viennent ces seuils en question ?

    de la physique des transistors qui permet de leur associer deux états binaires (passant ou bloqué), sur lesquels reposent toute l'électronique. Du coup en oubliant le détail des tensions exactes, on peut décrire de manière exacte l'évolution des transistors par des tables de vérité booléennes (OR, AND, etc...) , ce qui n'existe pas pour les milieux biochimiques.

    -----

  2. #122
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    ce qui n'existe pas pour les milieux biochimiques.
    Ce que tu refuses de voir pour les milieux biochimiques, où en fait la même discrétisation se produit lorsque c'est un acide aminé et pas un autre qui est fixé sur le protide.
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  3. #123
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    tu serais d'ailleurs absolument incapable de distinguer celui d'un homme de celui de la levure de bière .
    de même que je suis incapable de distinguer la séquence binaire de windows de celle d'un linux...
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  4. #124
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    ben non, tout ce que tu vas trouver, c'est quelques changements ici et là sur quelques % d'acides aminés, il n'y a rien qui ressemble à des instructions supplémentaires,
    disons que nous ne savons pas encore lire correctement ces instructions élémentaires. Et pourtant il suffit de quelques unes de ces modifications pour passer du singe à l'homme.
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  5. #125
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    En revanche, tu ne peux pas représenter le contexte biochimique dans lequel baigne l'ADN de manière discrète, et tu ne peux pas le traduire par une suite d'instructions de type machine de Turing.
    si. Le nombre de molécules présente est défini et leur comportement est statistiquement équivalent à un comportement discret grace à la loi des grands nombres, ce qui nous permet de présenter les réactions biochimiques comme si elles étaient dirigées, alors qu'en réalité ce ne sont que des équilibres stochastiques.
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  6. #126
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    Si à la rigueur l'ADN peut etre comparé aux caractères ascii , en revanche il n'y a nulle part aucune molécule qui contient quelque chose de comparable à tes instructions processeurs. Les mécanismes qui assurent l'expression de l'ADN ne sont stockés nulle part, d'ailleurs tu ne peux absolument pas les changer en quoi que ce soit contrairement aux instructions processeurs !
    Si les ribozomes dont le code est lui même stocké sur l'ADN. Et dans un processeur tu ne peux pas changer les loi de l'électricité non plus, de même qu'en bio la nature a du faire avec les lois physiques/chimiques.
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  7. #127
    invitec00162a9

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    de la physique des transistors qui permet de leur associer deux états binaires (passant ou bloqué),
    Ouf ! Jette un coup d'oeil (si tu ne l'as jamais fait) aux datasheets de composants, notamment de microprocesseurs.
    Tu verras que les signaux sont bien loin d'être aussi carrés que cela. L'état passant ou bloqué est une grossière approximation de la réalite.
    En tout cas, dans celles des microP que je consulte quotidiennement.

  8. #128
    _Goel_

    Re : IA : modélisation des neurones

    Citation Envoyé par sliders_alpha Voir le message
    il y avait un science et vie qui contenait tout un dossier la dessus, eux aussi disait que einstein avait 2 fois plus de matiere gliale (pas sur de l'orthographe^^) qu'un humain normal. ça doit dater d'au moin un ans
    En effet. C'est un peu le sens de ce sujet de conversation (qu je souhaitais, à la base) : Discuter des différents paramètres de modélisation à prendre/pris en compte.

    Pour moi le cerveau fonctionne :
    - avec un système rapide : les neurones
    - un système lent : les cellules gliales
    - un système de contrôle : les hormones

    Les neurones doivent :
    - acheminer un signal d'entrée en fonction de paramètres (intensité du signal, taux d'hormones etc...)
    - assurer un plasticité (adaptativité)
    - avoir un traitement de l'information cohérent.

    J'ai une question : un neurone biologique a peine créé, seul, a-t-il un comportement prédéfini ? (ex : acheminer le signal, sans perte des dendrites vers l'axone ?) Pareil pour un groupe de neurones a peine créés.
    De telles recherches ont sûrement dûes être effectuées. Où peut-on trouver les résultats (quels sont-ils ?)?
    Le succès c'est d'être capable d'aller d'échec en échec sans perdre son enthousiasme

  9. #129
    GillesH38a

    Re : IA : modélisation des neurones

    Citation Envoyé par shahinshah Voir le message
    Ouf ! Jette un coup d'oeil (si tu ne l'as jamais fait) aux datasheets de composants, notamment de microprocesseurs.
    Tu verras que les signaux sont bien loin d'être aussi carrés que cela. L'état passant ou bloqué est une grossière approximation de la réalite.
    En tout cas, dans celles des microP que je consulte quotidiennement.
    ce n'est pas très grave, il me semble, il suffit qu'il existe des seuils permettant de discretiser l'etat en 0 et 1 de maniere non ambiguë, il n'y a pas besoin que la transition soit carrée. Si il y a ambiguité, je pense qu'on peut avoir des gros problemes quand il s'agit d'adresser des mémoires non?

  10. #130
    spi100

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    J'ajouterais : un rêve parce qu'une représentation mythologique au même sens que l'anthropomorphisation de la Nature par les mythologies traditionnelles .
    Oui, je suis parfaitement d'accord avec ce que dit Kaplan. Mais Kaplan continue sa thèse en proposant des idées palliant à la critique qu'il énonce. Désolé mais là encore tu nous fais un coup de mauvaise réthorique. Tu énonces l'introduction de Kaplan, qui a pour objectif de montrer en quoi son travail apporte un plus à ce qui existe déjà et tu omets complètement de préciser les résultats de son travail.
    Dernière modification par spi100 ; 20/05/2007 à 23h18.
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  11. #131
    virtual_creature

    Re : IA : modélisation des neurones

    Citation Envoyé par _Goel_ Voir le message
    En effet. C'est un peu le sens de ce sujet de conversation (qu je souhaitais, à la base) : Discuter des différents paramètres de modélisation à prendre/pris en compte.

    Pour moi le cerveau fonctionne :
    - avec un système rapide : les neurones
    - un système lent : les cellules gliales
    - un système de contrôle : les hormones

    Les neurones doivent :
    - acheminer un signal d'entrée en fonction de paramètres (intensité du signal, taux d'hormones etc...)
    - assurer un plasticité (adaptativité)
    - avoir un traitement de l'information cohérent.

    Salut!

    Je dirais que les gliales jouent un rôle dans la plasticité du réseau neuronal(dans l'apprentissage) comme un réseau parallèle...mais sa procédure exacte, je pense que l'on ne le sait pas encore, c'est encore un défit dans la compréhension du cerveau.

    Pour le sytème rapide, le réseau neuronal est une solution remarquable. En effet, le traitement de l'information se fait en parallèle par le temps exact où chaque neurone passe son seuil de décharge. Ce temps peut être discétisé, amha, sans que cela affecte un traitement efficace...tous les indices vont dans ce sens; voir les réalisations de robots basés sur les neurones à spike dont la configuration s'est faite par algorithme évolutionniste. Pas besoins de modélisation fine pour que ces techniques indiquent une voie prometteuse certaine.

    La modification du réseau, ie. des potentiels synaptiques, se fait probablement par des règles locales à chaque neurone, de type hebb, mais peut être on pourrait envisager que le réseau complexe des gliales joue un rôle plus subtile dans l'apprentissage, par des interactions entre les neurones.

    Citation Envoyé par _Goel_ Voir le message
    J'ai une question : un neurone biologique a peine créé, seul, a-t-il un comportement prédéfini ? (ex : acheminer le signal, sans perte des dendrites vers l'axone ?) Pareil pour un groupe de neurones a peine créés.
    De telles recherches ont sûrement dûes être effectuées. Où peut-on trouver les résultats (quels sont-ils ?)?
    Je ne sais pas, peut être son comportement est rapidement dicté par les gliales environnantes. Ce qui m'épate c'est la rapidité avec laquelle le développement cérébrale des animaux propose une fonctionalité effective en relation avec toutes les parties du corps. Edelman avait proposé un méchanisme de selection darwinienne au niveau des assemblées neuronales, mais je ne sais pas si des travaux ont abouti en ce sens.
    Dernière modification par virtual_creature ; 21/05/2007 à 05h48.

  12. #132
    spi100

    Re : IA : modélisation des neurones

    Citation Envoyé par virtual_creature Voir le message
    tous les indices vont dans ce sens; voir les réalisations de robots basés sur les neurones à spike dont la configuration s'est faite par algorithme évolutionniste.
    Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
    Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  13. #133
    invitec00162a9

    Re : IA : modélisation des neurones

    Bonsoir,
    Citation Envoyé par gillesh38 Voir le message
    ce n'est pas très grave, il me semble, il suffit qu'il existe des seuils permettant de discretiser l'etat en 0 et 1 de maniere non ambiguë, il n'y a pas besoin que la transition soit carrée. Si il y a ambiguité, je pense qu'on peut avoir des gros problemes quand il s'agit d'adresser des mémoires non?
    C'est clair. Le problème, c'est que ce ne peut pas être le microprocesseur qui est "au courant" des seuils.
    Tout d'abord, précisons : la technologie utilisée dans les processeurs est du CMOS. Avec cette technologie, le processeur agit sur front montant ou descendant, pas sur niveau (en général).
    Ce sont donc les transitions d'horloge qui déclenchent les actions dans le processeur.
    Maintenant, comment le processeur peut-il connaître une transition ? Pour cela, il devrait échantillonner le signal d'horloge.
    Or le théorème d'échantillonnage de Shannon dit que la fréquence d'échantillonnage doit être au moins le double de la fréquence du signal pour capturer numériquement l'information qu'il contient. Ici la fréquence d'échantillonnage doit être le double de la fréquence d'horloge.
    Ce qui signifie que le processeur devrait disposer de 2 horloges : la normale et celle pour détecter les transitions de l'horloge normale.

    Du coup, on tombe vite dans un problème de régression infinie.

    Si on veut éviter le paradoxe, il faut un moment ou l'autre admettre que le processeur considéré de manière indépendante est un dispositif strictement analogique, et c'est son interaction avec nous, utilisateurs, qui en fait un dispositif de traitement numérique.

  14. #134
    _Goel_

    Question Re : IA : modélisation des neurones

    Citation Envoyé par spi100 Voir le message
    Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
    Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?
    Même question !

    Question subsidiaire : y a-t-il une aproche empirique pour les résaux de neurones, ou tout est précalculé, toutes les avancées sont issues de savants calculs ?
    Le succès c'est d'être capable d'aller d'échec en échec sans perdre son enthousiasme

  15. #135
    Philder

    Re : IA : modélisation des neurones

    Citation Envoyé par spi100 Voir le message
    Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
    Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?
    Bonjour spi100,

    Un petit debut de reponse: un des avantages c'est qu'etant plus proches du principe biologique, il est plus facile de faire des paralleles entre les donnees experimentales et le modele. Par exemple la "transposition" de la loi de Hebb dans ce domaine (STDP: Synaptic Time Dependant Plasticity) colle aux comportements biologique.

  16. #136
    GillesH38a

    Re : IA : modélisation des neurones

    Citation Envoyé par shahinshah Voir le message
    Si on veut éviter le paradoxe, il faut un moment ou l'autre admettre que le processeur considéré de manière indépendante est un dispositif strictement analogique, et c'est son interaction avec nous, utilisateurs, qui en fait un dispositif de traitement numérique.
    c'est une réflexion très intéressante, et qui ne fait que renforcer ce que je pense : les systèmes analogiques forment une classe beaucoup plus vastes que les systèmes numériques, et pas l'inverse. Ta reflexion est en accord avec la définition que je donnais d'un système algorithmique : c'est un système dont on peut EXTRAIRE une description en termes de variables discrètes, mais cette extraction est le fait de l'utilisateur, non du système lui meme, qui est toujours analogique au départ.

    Je remarque d'ailleurs que beaucoup soutiennent l'idée que l'Univers physique puisse etre fondamentalement numérique, et que ta démonstration semble prouver l'inverse. Il y a un probleme fondamental avec l'hypothèse "tout numérique", c'est celle de l'évolution temporelle, que tu soulèves très justement. Un système numérique doit évoluer temporellement de manière discrète, ce qui oblige à définir des intervalles de temps discrets pendant lequel le système garde la même valeur, jusqu'à la transition suivante. C'est assuré dans les ordinateurs par la cadence d'horloge du processeur.

    Mais en réalité comme tu le soulignes, l'état de l'ordinateur ne peut pas rester réellement constant pendant cette intervalle, sinon la transition vers l'état suivant ne se ferait jamais. Si l'état n'a pas transité pendant les 0,5 premières unités de temps et était resté réellement dans le meme état, alors il n'a aucune raison de transiter dans les 0,5 suivantes (puisqu'il est toujours dans le meme état), ni dans les 0,5 d'après (pour la meme raison), et donc il n'a pas transité dans l'unité de temps au bout duquel il etait censé le faire.

    En réalité, comme tu le soulignes toujours, il est indispensable qu'il y ait eu une évolution analogique pendant cette unité de temps pour déclenchr la transition, évolution analogique nécessairement non mesurable par la logique numérique, puisque les valeurs discrétisées ont *par définition gardé les memes valeurs.

    Pour un ordinateur, ça ne pose pas de problème de principe, puisqu'on sait bien que les tensions et les magnétisations sont des grandeurs continues. En revanche, pour une théorie fondamentale du type automate cellulaire qui prétendrait que la nature même de l'UNivers est numérique, cela me parait etre un obstacle insurmontable. Je suis même étonné de ne pas avoir rencontré cet argument avant !

    Cordialement

    Gilles

  17. #137
    invite06fcc10b

    Re : IA : modélisation des neurones

    Bonjour,
    Citation Envoyé par spi100 Voir le message
    Est ce que vous pouvez m'en dire plus sur les réseaux de neurones à spikes. Qu'est ce qu'ils apportent de plus par rapport aux RN statiques ?
    Est ce qu'il ne présente un intêret que pour les systèmes de traitement en temps réel ?
    C'est une question difficile. En premier lieu, je dirais qu'ils n'apportent rien relativement au problème de classification classique, que des réseaux statiques traitent parfaitement. En complément, il y a aussi les réseaux récurrents qui peuvent apprendre à prédire la sortie en fonction d'une base d'exemples de séquences temporelles, comme par exemple dans le cas de l'évolution des tâches solaires.
    En revanche, ce que ne permet pas un réseau de neurones classique, c'est l'apprentissage ou la sensibilité à un petit décalage temporaire entre l'activation des neurones. Par exemple, il y a des lois de Hebb spéciales qui ne permettent le renforcement que s'il y a une parfaite synchronisation des spikes provenant des neurones afférents. Donc, il faut non seulement qu'il y ait coactivation, mais aussi synchronisation du déclenchement des spikes. En fait, le problème de l'apprentissage gagne plusieurs degrés de liberté, ce qui complexifie les choses.
    Il semble que le cerveau utilise plusieurs mécanismes d'apprentissage ou de régulation en même temps. Le codage de l'information se fait sans doute parfois en fréquence, parfois en différence de phase et parfois en intensité, voire un peu tout à la fois.

    Cordialement,
    Argyre

  18. #138
    invite06fcc10b

    Re : IA : modélisation des neurones

    Citation Envoyé par Argyre Voir le message
    C'est une question difficile. En premier lieu, je dirais qu'ils n'apportent rien relativement au problème de classification classique, que des réseaux statiques traitent parfaitement.
    J'oubliais : au niveau de l'utilité, c'est à dire à la question "peut-on se passer de la modélisation à l'aide de spikes ?", je répondrais que cela dépend :
    1) Pour modéliser un petit réseau de neurones biologiques, avec tout au plus une centaine de neurones, on est obligé de descendre au niveau des spikes, voire même au niveau d'un modèle précis de neurone.
    2) Pour modéliser un traitement de l'information, du style reconnaissance des formes, on n'en a sans doute pas besoin.
    3) Pour certains traitements nécessitant la prise en compte du timing d'activation de chaque neurone, on n'est peut-être pas obligé de prendre en compte chaque spike, mais on est obligé de gérer le temps comme en programmation événementielle, avec des lois de décroissance de l'activation.
    Mais attention, je ne doute pas que sur un sujet aussi difficile, d'autres ne soient pas du même avis que moi.

    Cordialement,
    Argyre

  19. #139
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    les systèmes analogiques forment une classe beaucoup plus vastes que les systèmes numériques, et pas l'inverse.
    Je suis d'accord avec cela aussi, au moins intuitivement. analogique= réel, numérique = entier. Mais cela ne prouve pas que l'intelligence soit nécessairement du domaine analogique, cela ne permet pas de trancher sur ce point (l'intelligence, même sur un support évidement continu pourrait être modélisable par un système discret).
    Citation Envoyé par gillesh38 Voir le message
    En revanche, pour une théorie fondamentale du type automate cellulaire qui prétendrait que la nature même de l'UNivers est numérique, cela me parait etre un obstacle insurmontable
    Oui et non. Si on postule que l'univers est le Tout absolu, alors une version discrète de cet univers rencontrerait ce paradoxe (ie comment "nait" le temps). Mais les théories qui parlent d'un univers numérique appellent univers l'ensemble des observables. Dans ce contexte, l'horloge est extérieure à l'univers couvert par la théorie. Le temps nait vraissemblablement d'une instabilité fondamentale qui fait qu'un état parfaitement stable de l'univers n'existe pas (énergie / fluctuations quantiques du vide).
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  20. #140
    invite06fcc10b

    Re : IA : modélisation des neurones

    Bonjour,

    Citation Envoyé par pi-r2 Voir le message
    Je suis d'accord avec cela aussi, au moins intuitivement. analogique= réel, numérique = entier.
    Intuitivement, je ne sais pas, mais logiquement, j'aurais tendance à penser qu'il n'y a pas de différence entre l'analogique et le numérique.
    1) Le premier argument est qu'il est impossible, pour un humain ou pour une machine, d'énoncer un nombre réel en donnant la suite infinie de ses décimales. En revanche, on peut l'énoncer avec un symbole, par exemple "Pi", et on peut traiter tous les réels avec des symboles et travailler en analogique comme on le fait en calcul avec certains logiciels comme Matlab, ce qui démontre le passage au numérique. En clair, nous ne pouvons pas prouver l'existence de systèmes (machines naturelles ou artificielles) capables de traiter de l'analogique autrement que de manière symbolique.
    2) De nombreux éléments de la nature sont assurément quantiques et donc numériques. Par exemple, il semble exister des limites à la division des atomes en éléments plus simples (en fait les quarks), ce qui implique également que la masse et l'énergie ne peuvent être divisés à l'infini (d'où la mécanique "quantique"). La charge électrique est également quantique. Pour l'espace et le temps en revanche, la question de leur discrétisation semble encore se poser.
    Il ressort de tout cela qu'il y a, AMHA, des arguments très forts pour nier l'existence de systèmes analogiques "purs", c'est à dire capables de traiter d'informations analogiques autrement qu'avec des symboles.
    En tout cas, le raccourci "ensemble des réels > ensemble des entiers donc l'ensemble des systèmes analogiques incluerait l'ensemble des systèmes numériques" me parait trop rapide, car il occulte la nature symbolique et donc numérique de tous les systèmes analogiques fonctionnels connus.

    Cordialement,
    Argyre

  21. #141
    spi100

    Re : IA : modélisation des neurones

    Citation Envoyé par Argyre Voir le message
    En tout cas, le raccourci "ensemble des réels > ensemble des entiers donc l'ensemble des systèmes analogiques incluerait l'ensemble des systèmes numériques" me parait trop rapide, car il occulte la nature symbolique et donc numérique de tous les systèmes analogiques fonctionnels connus.

    Cordialement,
    Argyre
    Tu as d'autant plus raison que le théorème d'échantillonage de Whittaker–Shannon, montre que sous certaines conditions on peut reconstruire un signal continu, exactement, à partir d'un ensemble discret et infini de points.
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  22. #142
    invitec00162a9

    Re : IA : modélisation des neurones

    Bonsoir,
    Citation Envoyé par Argyre Voir le message
    1) Le premier argument est qu'il est impossible, pour un humain ou pour une machine, d'énoncer un nombre réel en donnant la suite infinie de ses décimales.
    On pourrait t'objecter que ça prouve simplement que les êtres humains ont des limitations, pas qu'un signal analogique (non numérique) ne peut exister. (Mais voir plus bas).

    Citation Envoyé par spi100 Voir le message
    Tu as d'autant plus raison que le théorème d'échantillonage de Whittaker–Shannon, montre que sous certaines conditions on peut reconstruire un signal continu, exactement, à partir d'un ensemble discret et infini de points.
    Le problème concerne justement les conditions : ce théorème n'est vrai que si on échantillonné le signal avec une fréquence supérieure au double de sa bande passante (en première approximation car le théorème est plus fin que ça).
    Sinon, gare au phénomène de repliement de bande (aliasing en anglais).
    Or on pourrait objecter qu'un signal analogique contient une infinité de fréquences (penser au bruit blanc, par exemple, même s'il n'existe pas dans la réalité, pour cause d'énergie infinie).
    Ce qui fait qu'on ne peut jamais, en pratique, restituer correctement le signal.

    Pour ceux qui seraient intéressés par une théorie de l'Univers numérique via des automates cellulaires, voici 2 documents (en anglais) :
    http://arxiv.org/pdf/physics/9902034
    http://arxiv.org/pdf/physics/9902066

    Points faibles :
    1) Ils sont à côté de la plaque en mécanique quantique car ils n'expliquent pas le mécanisme de la mesure. Comment expliquer le phénomène EPR, ou l'expérience de Scully avec cette théorie ?
    2) La constante cosmologique à 0 dans le deuxième document semble invalidée par les observations actuelles.
    3) Ils n'expliquent pas d'où vient l'horloge qui fait tourner l'automate cellulaire à 3 dimensions (voir l'explication plus haut de gillesh38).

    Maintenant, voici un argument en défaveur de la thèse analogique (et qui est moins sujet aux limitations intrinsèques de l'être humain).
    Les modèles physiques actuels reposent largement sur les théorèmes d'analyse mathématique. Ca marche plutôt bien, mais il ne faudrait pas oublier que ces théorèmes mathématiques reposent sur un certain nombre d'axiomes. Transposés à la physique, ces axiomes deviennent, de facto, des postulats aux côtés des postulats classiques, et sujets à interprétation physique.

    Pour la plupart d'entre eux, je pense que l'interprétation physique ne pose pas trop de problèmes.
    Sauf un.
    Pour faire de l'analyse, il faut au minimum l'Axiome du Choix Dénombrable (une version faible de l'Axiome du Choix) pour effectuer les passages à la limite. En effet, les nombres réels sont définis comme limite (par exemple) de suites de Cauchy de nombres rationnels.
    Ou encore, l'existence d'une base orthonormée dans un espace de Hilbert de dimension infinie requiert l'Axiome du Choix.

    Or interpréter physiquement l'axiome du choix ne me semble pas trivial, sans parler des implications philosophiques. Et si on y renonce, on se retrouve dans un univers numérique (et encore, vu l'exemple que j'ai indiqué à propos de l'espace de Hilbert, on ne peut pas s'en sortir simplement en invoquant la mécanique quantique).

  23. #143
    spi100

    Re : IA : modélisation des neurones

    Citation Envoyé par shahinshah Voir le message
    Sinon, gare au phénomène de repliement de bande (aliasing en anglais).
    Or on pourrait objecter qu'un signal analogique contient une infinité de fréquences (penser au bruit blanc, par exemple, même s'il n'existe pas dans la réalité, pour cause d'énergie infinie).
    C'est effectivement le cas des signaux aléatoires en général. Mais un signal aléatoire par essence relève du hasard, et non de l'intelligible. Je me vois mal en train de construire une IA prédisant le hasard, et ce n'est pas le cas des êtres humains non plus.

    Pour ce qui ait des signaux non aléatoire, tous les signaux traités par le cerveau sont nécessaires bornés en spectre par les limites même de nos sens.
    Dernière modification par spi100 ; 23/05/2007 à 21h38.
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  24. #144
    spi100

    Re : IA : modélisation des neurones

    Ce que j'ai dit s'applique aussi d'ailleurs aux signaux aléatoires. Nos sens ne sont sensibles qu'à une bande de fréquence donnée, et notre cerveau ne traite que ce qu'il recoit.
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  25. #145
    invitec00162a9

    Re : IA : modélisation des neurones

    Citation Envoyé par spi100 Voir le message
    C'est effectivement le cas des signaux aléatoires en général. Mais un signal aléatoire par essence relève du hasard, et non de l'intelligible. Je me vois mal en train de construire une IA prédisant le hasard, et ce n'est pas le cas des êtres humains non plus.

    Pour ce qui ait des signaux non aléatoire, tous les signaux traités par le cerveau sont nécessaires bornés en spectre par les limites même de nos sens.
    On peut avoir à faire du traitement de signal sur des processus stochastiques (je crois que c'est assez utilisé dans les radars).
    Ensuite, on peut très bien transmettre un signal via une porteuse stochastique, ou pouvant être vue comme telle avec une bonne approximation :
    1) En CDMA (la 3G), si je ne me trompe pas, on émet l'information utile au-dessus d'un signal pseudo-aléatoire.
    2) une LED qui émet un signal lumineux transmet un signal ON/OFF au-dessus d'ondes lumineuses non cohérentes.

    De manière générale, c'est sûr qu'il faut filtrer au préalable le signal pour éliminer (atténuer) les fréquences non désirées, et nos sens réalisent probablement cette opération.

    EDIT : croisement avec le précédent message de spi001

  26. #146
    spi100

    Re : IA : modélisation des neurones

    Citation Envoyé par shahinshah Voir le message
    De manière générale, c'est sûr qu'il faut filtrer au préalable le signal pour éliminer (atténuer) les fréquences non désirées, et nos sens réalisent probablement cette opération.

    EDIT : croisement avec le précédent message de spi001

    C'est même certain. Physiologiquement, nous ne sommes pas équipés pour voir dans l'infra-rouge, ou entendre les ultrasons.
    Dernière modification par spi100 ; 24/05/2007 à 00h07.
    GCS/S s: a C++ DI++>+++ UL++A++HIS++$ P++>+++$ E+>++$ W+>++$ N+ Y+ e++++ t+++ y+++

  27. #147
    pi-r2

    Re : IA : modélisation des neurones

    Citation Envoyé par shahinshah Voir le message
    Points faibles :
    Ajouter le fait qu'on ne peut pas discrétiser l'espace en lui gardant ses propriétés d'homogéinéité et d'isotropie.
    Les bonnes idées triomphent toujours... C'est à cela qu'on reconnait qu'elles étaient bonnes !

  28. #148
    GillesH38a

    Re : IA : modélisation des neurones

    Bonjour

    Citation Envoyé par shahinshah Voir le message
    Maintenant, voici un argument en défaveur de la thèse analogique (et qui est moins sujet aux limitations intrinsèques de l'être humain).
    Les modèles physiques actuels reposent largement sur les théorèmes d'analyse mathématique. Ca marche plutôt bien, mais il ne faudrait pas oublier que ces théorèmes mathématiques reposent sur un certain nombre d'axiomes. Transposés à la physique, ces axiomes deviennent, de facto, des postulats aux côtés des postulats classiques, et sujets à interprétation physique.
    Amha, ce genre de raisonnement confonds la réalité du monde et la description que notre cerveau en donne via les lois physiques; les lois physiques sont de toute façon conçues par un système fini, notre cerveau, et il n'est pas étonnant qu'on puisse en donner des descriptions sous forme de quantités dénombrables. L'étrangeté de la Meca Q pourrait bien etre une conséquence des limites de cette description finie pour l'Univers réel.

    De façon générale, il est bien connu qu'une description analogique continue soumise à des conditions aux limites finies est descriptible "presque partout" par une suite dénombrable de valeurs. C'est le problème de la décomposition en modes propres d'une membrane de tambour par exemple, ou le problème de la Meca Q rappelé par Argyre qui n'est qu'une autre version du même phénomène : des modes propres discrets induits par des conditions aux limites finies.

    Attention quand même : la description n'est valable que presque partout, elle nécessite quand même une extension finie, et elle demande une quantité infinie dénombrable de paramètres (alors qu'uun ordinateur ne peut prendre qu'un nombre strictement fini d'états). Il n'y a aucune raison que l'Univers réel obeisse à ces conditions.

  29. #149
    invite06fcc10b

    Re : IA : modélisation des neurones

    Bonjour,
    Citation Envoyé par pi-r2 Voir le message
    Ajouter le fait qu'on ne peut pas discrétiser l'espace en lui gardant ses propriétés d'homogéinéité et d'isotropie.
    Cela ne me semble pas couler de source.
    La plupart des modèles de discrétisation de l'espace ne permettent pas de garder la propriété d'isotropie, on est bien d'accord, mais je doute fort qu'on puisse généraliser ce principe.
    Je rappelle par ailleurs que notre représentation de l'espace continu est réalisée avec des symboles. A titre d'exemple, on peut imaginer un objet se déplaçant dans R3, avec comme position initiale (x0,y0,z0) à t0 et se déplaçant avec une vitesse constante (vx,vy,vz). Un ordinateur peut donner la position de l'objet à tout moment T dans R3, elle vaut : (x0+vxT, y0+vyT, z0+vzT). Même si toutes les valeurs sont dans R, il n'y a aucune approximation tant qu'on ne passe pas à l'application numérique. Mais pourquoi aurait-on besoin de passer à l'application numérique ?
    2 cas se présentent alors :
    1) Il n'y a jamais besoin de passer à l'application numérique, donc la simulation modélise un espace parfaitement continu !
    2) Il n'y a besoin de passer à l'application numérique que lorsqu'un événement survient, par exemple la mesure de la position de l'objet par un capteur. Dans ce cas, il y a approximation de la position seulement lorsque c'est nécessaire, et même s'il y a discrétisation de l'espace, le mode de calcul de la position préserve les propriétés générales de l'espace continu, homogénéité et isotropie !

    A+,
    Argyre

  30. #150
    invite06fcc10b

    Re : IA : modélisation des neurones

    Citation Envoyé par gillesh38 Voir le message
    les lois physiques sont de toute façon conçues par un système fini, notre cerveau, et il n'est pas étonnant qu'on puisse en donner des descriptions sous forme de quantités dénombrables.
    Certes, mais on peut rappeler que nous n'avons aucune preuve de l'existence de quelque chose d'explicitement infini, par opposition à symboliquement ou implicitement infini comme nous le faisons avec les notations mathématiques.

    Une remarque fondamentale tout de même : si on admet qu'il puisse exister un ensemble d'une infinité d'élements tous explicitement définis, on ne peut pas rejeter l'idée qu'il existe un algorithme (et donc une fonction) composée d'une infinité de tests si alors sinon, tournant sur un ordinateur comportant une mémoire infinie et un nombre de processeurs infini ...
    Ces infinis d'infinis suggèrent l'existence d'un univers où chaque événement résulte d'un si alors sinon sans qu'il y ait aucune loi générale (pourquoi faire, puisqu'on peut isoler chaque situation par un test).
    Autrement dit, on dispose de ce que j'appelle des infinis omnipotents, où tout peut arriver, tout peut exister.
    Notre univers ne semble pas être dans ce cas de figure, puisqu'il semble exister des lois universelles, ce qui est un signe. De manière générale, le fait qu'il soit possible d'imaginer des univers omnipotents me parait gênant.
    Pour éviter ces univers, je ne vois pas d'autre issue, AMHA tout à fait raisonnable, de rejeter le concept des ensembles explicitement infinis.

    Cordialement,
    Argyre

Page 5 sur 6 PremièrePremière 5 DernièreDernière

Discussions similaires

  1. Le rôle des neurones dans la mémoire
    Par invite205a11a1 dans le forum Psychologies (archives)
    Réponses: 11
    Dernier message: 14/02/2007, 15h02
  2. plasticité des neurones
    Par invite00ff8b01 dans le forum Biologie
    Réponses: 5
    Dernier message: 19/01/2007, 01h37
  3. Ce qu'on nous apprend au sujet des neurones
    Par invite60c4c827 dans le forum Biologie
    Réponses: 1
    Dernier message: 31/01/2005, 20h34