Mais je ne vois pas du tout pourquoi tu parles de magie. Il n'y a aucune magie pour comprendre l'intelligence ou la conscience.
Ce qu'il faut c'est recourir aux propriétés bio-physique de la matiere, notamment l'imbriquation moléculaire au sein de la cellule. cf par exemple "christian duve : A l ecoute du vivant aux ed Odile Jacob".
Souligner les difficultés de l'IA forte ce n'est pas defendre le vitalisme.
La sémantique qui ne peut émerger de la syntaxe .... et revoilà les arguments de Searle, qui est, tout comme Penrose, non informaticien, et qui a reçu, plus encore que Penrose, un courrier abondant de critiques concernant ses critiques sur l'IA (c'est lui-même qui commence son article en disant qu'il a reçu un abondant courrier contradictoire bla bla bla, cf son article paru dans La Recherche il y a une dizaine d'années).
En attendant, j'attends toujours que tu (Transhuman) me parles des limites des réseaux de neurones artificiels.
Je reviens néanmoins sur le problème des nouveaux struct. pi-r2 a parfaitement raison quand il dit qu'il n'y a pas de distingo à faire entre données et structures de données.
Exemple :
Dans une structure, tu places un nom de type string et une liste chaînée d'éléments avec pointeurs sur tout ce qu'on veut.
Pour définir une nouvelle structure de donnée, il suffit donc de trouver un nouveau concept, de lui donner un nom, et d'associer à ce concept tous les attributs que l'on veut en ajoutant à la liste chaînée autant de pointeurs que nécessaires vers ces attributs.
Comme tu utilises une liste chaînée, tu n'es pas limité par le nombre d'attributs de ton nouveau concept.
Maintenant attention, je ne dis pas que c'est facile à faire ou que c'est la solution miracle à tous les problèmes, non pas du tout, car je dis et je redis que le problème fondamental de l'IA, c'est de parvenir à apprendre des connaissances implicites car tout ce qui est implicite est difficile à formaliser.
Les critiques que tu fais concernant la complexité de certains problèmes, notamment le fait d'innover (par exemple pondre un nouveau programme) sont liées à ce problème d'explicitation. Mais il y a une différence entre c'est impossible parce qu'il y a une limite intrinsèque due à la nature de la solution algorithmique et on n'y arrive pas parce que c'est très compliqué et que nous avons beaucoup de mal à concevoir la solution.
En gros, le problème n'est pas l'algorithmique, le problème est l'insuffisance de notre intelligence.
C'est pour ça que quelque soit l'exemple que tu prendras, il se trouvera toujours un informaticien pour te dire que non, il existe certainement un programme qui doit pouvoir faire cela, parce qu'il n'y a pas de limite intrinsèque ... et il te proposera un exemple simplifié.
Même ce qui concerne la sémantique n'est qu'illusion. Essaie donc de définir formellement la sémantique, tu verras alors de nombreux informaticiens qui te diront que dans ce cas, on peut faire un programme qui ... etc.
Bon , voilà le coeur de notre différence d'apréciation de l'I.A.Envoyé par Argyre
Argyre lorsque tu dis "il suffit donc de trouver" et "lui donner un nom, et d'associer" qui fait celà ?
le programmeur/concepteur ou le logiciel ?
Parce que si c'est le concepteur alors ce n'est pas de l'IA capable d'innovation. Si c'est le logiciel alors il y a de l'innovation issu de l'artificiel.
Le prbm n'est pas de savoir comment implémenter la structure de donnée. Le prbm fondamental est de savoir comment implementer la possibilité de prendre une décision innovante modifiant la structure de données.
Enfin concernant les reseaux de neurones je crois avoir expose ma compréhension de leur limite ( "ensemble défini A PRIORI "...).
salut perso, j'ai une question a propos de l'IA, est-ce qu'un ordinateur est aujourd'hui caapcble de résoudre un problème type puzzle?? c'est a dire des morceaux d'information qui ne s'assemble un a un que d'une certainne façon?? et donne un nouvel ensemble??
Là, tu me demandes beaucoup, c'est un peu un secret de cuisine. Dans le principe, toute décision dépend de la consultation d'une base de données, accumulée d'une part par la programmation initiale et d'autre part par le tâtonnement ultérieur, dans le cas d'une absence de réponse programmée. En général, il s'agit des dérivées de l'évolution de la température, du pH, de la turbidité et d'autres facteurs physico-chimiques. Une instruction du type "case of" permet, par variable incrémentée, d'étendre le champ de recherche dans la mémoire (prévue dès le départ plus vaste que nécessaire) et de prendre la mesure nouvellement cataloguée. Là j'ai presque trop dit.
Je suis d'accord avec toi sur la nécessité de garder les pieds sur terre et ne considérer l'IA que comme une extension du génie humain et non sa remplaçante. Également d'accord sur l'imbécillité du jargon utilisé actuellement pour compliquer des concepts simples.
Effectivement, je faisais allusion au logiciel. Ca peut être fait par le logiciel par des techniques d'apprentissage, mais ça peut l'être également par une technique de résolution de problèmes par recherche d'un chemin solution dans un espace d'états défini par un graphe construit dynamiquement. Par dynamiquement, je veux dire que le nom des états, ses caractéristiques et ses successeurs sont définis au fur et à mesure en fonction de l'état précédent (désolé si c'est un peu compliqué, mais c'est notre jargon et ça répond précisément à ta question).
Référence : Artificial Intelligence : A Modern Approach, par Russel et Artvig, chapitre 3 : Solving Problems by Searching.
(D'ailleurs, cette technique réalise en quelque sorte un apprentissage des états possibles et cherche une solution que le programmeur ne connait pas nécessairement au départ.)
Oui. Un exemple plus simple de puzzle qui est un cas d'école en IA est le jeu du taquin.
Et on sait parfaitement trouver la liste des mouvements à effectuer pour retrouver l'ordre des pièces.
Pour le puzzle, c'est pratiquement pareil. Je parle en tout cas d'un puzzle simulé par ordinateur avec des formes ne laissant aucune ambiguité sur le positionnement de chaque pièce par rapport aux autres. Etat initial : la liste des morceaux non placés. Etat final, tous les morceaux assemblés. Ce problème se résout par une technique de recherche de chemin solution dans un espace d'états.
Pour un puzzle réel, ce doit être plus difficile, car il faut un système de reconnaissance des formes (et peut-être aussi d'analyse de couleurs) et de manipulation des pièces qui complexifie beaucoup le problème.
Merci paul,
Celà me suffit tout à fait. Je ne te demande pas d'enfreindre un brevet.
Donc "d'étendre le champ de recherche dans la mémoire (prévue dès le départ plus vaste que nécessaire) "
Celà correspond à ce que je comprend des possibilités de l'I.A.
Lorsque pi-r2 parle d'un prgm LISP se modifiant lui même, je ne doute pas qu'il puisse adjoindre à ce prgm un algo génétique ou de réseau neuronal pour , par exemple, optimiser l'allocation mémoire en tenant compte de façon continue des modifications du prgm.
Les techniques dont parle Stabile permettent celà. Mais si l'algo est prevu pour un contexte donné, l'algo n'ira pas de lui-même explorer d'autres espaces de recherche dotés d'une structure différente. Et c'est celà que veut l'IA forte.
Pour que je change d'avis faudra me donner des exemples à l'image de ce qu'à fait paul.
Parce que sinon je n'intervient plus sur ce fil qui commence à se mordre la q... à l'image d'une autre discussion.
Argyre, toi et moi avons poste en meme temps. Donc quand je redigeais mon post ( #38 ) je ne connaissais pas ta reponse ( #36 ).
Merci pour les références. Promis je n'interviens plus sur le sujet avant de les avoir etudiés (grosse patience necessaire ).
Merci encore à vous deux ( argyre et paul ) pour vos informations.
@+ bonne journée
Et pourquoi cet ensemble serait-il donné à priori ?
Ce n'est le cas que lorsqu'on veut forcer le programme à traiter ou à apprendre une certaine chose (ce qui est souvent le cas).
Mais rien n'interdit d'ajouter une caméra, de laisser le robot se déplacer dans un environnement qu'il ne connait pas, bref d'acquérir des informations non prévues par le programmeur. Il suffit d'avoir un programme d'apprentissage de formes pour qu'on ne puisse pas prévoir le résultat à l'avance. Idem avec le son ou la détection d'obstacles par IR.
Je te l'ai dit, à chaque fois que tu suggèreras une limite intrinsèque spécifique, il y aura toujours un contre-exemple à exhiber pour montrer que ce n'est pas ça le problème.
Bonjour,
Quelques citations:
De: Calculabilité, expression symbolique et formule univers #55:
De: Calculabilité, expression symbolique et formule univers #69:
De: Robotique, Intelligence et informations #23:
Excuse-moi d'avoir quelquefois manqué de respect pour tes affirmations! Une carrière aussi fulgurante est plus que méritoire!
Paulb, va te recoucher s'il te plait, tu n'es apparemment pas capable de lire un texte sans faire de mauvaise interprétation.
Il n'y a aucune incompatibilité dans les 3 phrases que tu as citées de moi, c'est juste un problème de compréhension de ta part.
Monsieur Paulb,
Vous avez sans aucun doute lu la charte ? Alors, merci d'y porter attention dans le contenu de vos messages.
2. La courtoisie est de rigueur sur ce forum: pour une demande de renseignements bonjour et merci devraient être des automatismes. Vous pouvez critiquer les idées, mais pas les personnes. Tout message diffamatoire sera modéré immédiatement.
Et zut, j avais pourtant dis que j'intervenais plus
Bon qu est ce qui vous prend!! Ce fil allait plutôt bien non ?
Paul et Argyre on sait que vos opinions sont différentes, et alors ?
Moi qui croyait que la biologie nous élevait au dessus de stupidesalgorithmes
j'suis deçu..
Hello tout le monde!
Je rejoins le clan Argyre...
Je pense que Paulb fait partie de ceux qui ont travaillé dans "l'ancienne IA"(système expert). Ce fut une voie de garage qui a beaucoup fait perdre l'IA en crédibilité.
Aujourd'hui on essaye en gros, de faire apprendre un concept, plutôt que de le coder directement. On tente de faire émerger des propriétés nouvelles globales à un système composé de nombreuses entité en interaction, en ne codant que le fonctionnement d'une entitée de base. Les réseaux neuronales artificiels en sont un exemple...la propriété globale que l'on essaye d'atteindre est dans ce cas, le comportement d'un robot piloté par ce réseau. Encore pas mal d'obstacle, théorique et pratique, sont encore à franchir pour obtenir un robot autonome, qui apprend par lui même, qui découvre sont environnement seul. Mais, au vu de l'avancement actuel, je suis personellement très optimiste. L'émergence de propriété global, non codé directement par le programmeur, est un concept clé dans l'IA actuel. Est tu d'accord Argyre?
Bonjour,
Eh bien oui, j'ai pratiqué l'IA de papa. Elle avait des petits inconvénients, mais ça marchait et ça marche encore. Est-ce que ça fait perdre sa crédibilité? Elle est purement utilitaire, ce qui ne satisfait pas les grands penseurs, qui voudraient, avec raison, disposer d'esclaves sachant tout faire. Nous pourrions alors tous avoir 51 semaines de congés, avec juste une semaine pour donner des ordres à ces esclaves qui ne protesteraient jamais. Mais en êtes-vous sûrs? Ils auront vite compris que nous avons tout (la vie) à perdre et eux seulement quelques circuits nanotechnologiques, vite remplacés par eux-mêmes.
Naturellement ce que je dis là est aussi solide que les spéculations que je lis sur ces forums. Quand on en sera à la mise en œuvre du résultat des ces spéculations, si un jour ça arrive, nous pourrons comparer leurs avantages par rapport à ce qui existe et décider s'il faut les généraliser. Mais je crains que ce n'est pas demain la veille, sauf pour des usages aussi limitées que ceux de l'IA de papa. Naturellement, je pense que les recherches dans ce domaine sont à poursuivre, on ne sait jamais.
Bonjour,
Je ne pense pas d'avoir manqué de courtoisie, j'ai dit bonjour et si j'ai critiqué des idées, c'étaient les miennes, en m'excusant de les avoir eues.
Oui, c'est le courant connexionniste et le concept d'émergence de nouvelles propriétés est effectivement son principe fondateur.
En revanche, je ne suis pas aussi optimiste que toi sur notre capacité à exploiter ces approches connexionnistes. Je perçois en effet quelques problèmes importants qui seront difficiles à résoudre. Je dis "difficile" car je tiens à faire la distinction avec "impossible".
Bref, malgré ma passion pour ce sujet, je n'arrive toujours pas à avoir une idée tranchée sur la question.
Bonjour Argyre,
Chez Eyrolles connais tu "Réseaux de neurones de de Gerard Dreyfus ..." ?
J'ai la possibilité de l'obtenir plus rapidement que les references que tu m'as indiqué et il me semble qu'il aborde aussi l'émergence de nouvelles propriétés ( au chapitre "Cartes auto-organisatrices et classification automatique" ).
Merci de ton opinion
P.S. : Ce n'est pas parce que j'ai critiqué l'autre livre de chez Eyrolles que je suis obtus vis à vis des maths. C'est le style que je critiquais pas le mode d'expression.
Non, je ne l'ai pas lu. D'après la table des matières, le chapitre 4 parle effectivement d'apprentissage non supervisé.
Cependant, toujours d'après la table des matières, je pense que le bouquin est très matheux. Il n'y a rien semble t-il vis-à-vis des sciences cognitives et donc du lien avec les neurosciences ou la neuropsychologie notamment. Je n'ai pas l'impression que les travaux soient bien situés par rapport aux autres approches de l'IA non plus.
Mais bon, les auteurs sont des références du domaine et ça devrait suffire pour se faire une bonne idée des réseaux de neurones artificiels.
Rien n'interdit tout cela, mais le robot n'inventera qu'a l'interieur des limites physiques dans lesquelles tu l'as contraint. A moins de le coupler a un système physique qui génère SPONTANEMENT des cameras, des micros et autres organismes sensoriels, mais on ne connait que la biochimie qui fasse ça.
L'homme s'est développé a l'intérieur de limites posées par la biochimie, et l'intelligence qu'il a acquise est adaptée à cet espace.
Nous divergeons je pense sur la question de savoir si la nature de cet espace physique est indispensable au type d'intelligence que nous avons développé (qui permette en gros de tenir une conversation sensée dans le test de Turing). Je pense que transhuman, paulb et moi-meme pensons plutot que oui, alors qu'argyre et pi-r2 pensent plutot que non. Attendons un peu pour le savoir, mais les données historiques montrent bien que les espoirs de concevoir rapidement des ordinateurs a qui on puisse parler ont été tres exagérés et démentis par le développement de l'informatique, malgré des progrès quantitatifs énormes (et conformes, eux, aux prévisions).
Quand bien même nous ne réussirions jamais à construire un robot capable de passer le test, je ne serais toujours pas d'accord pour admettre que la nature de cet espace physique soit "indispensable" au type d'intelligence que nous avons développé.
C'est NOTRE aptitude à résoudre des problèmes qui est peut-être insuffisante pour concevoir ce robot, pas nécessairement le hardware ni le software qui est à notre disposition. Il se pourrait même que le résultat dépende de 3 fois rien, par exemple le fait de faire travailler ensemble certaines personnes qui ont de bonnes intuitions ou de ne pas le faire. Et qui sait, dans l'avenir, peut-être que la recherche en IA n'intéressera plus personne et du coup personne ne trouvera la solution ... alors qu'elle était peut-être toute proche en 2010 ou en 2020.
En tout cas, l'attente ne résoudra pas forcément nos divergences.
Bon comme je viens de feuilleter un peu les reseaux neuronaux je crois que l'on a un "petit" probleme de vocabulaire :
Quand un specialiste comme Argyre lit nos critiques sur les possibilités d'apprentissage il est en desaccord car il a en tete toutes les realisations qui fonctionnent et plutot bien.
Alors je vais essayer de formuler ce que je comprend du probleme :
Au depart(phase d'apprentissage ) le reseau de neurone est alimenté avec un ensemble de propriétés qui ont des relations entre elles ( eg distribution de la colorimétrie de l'ocean ).
L'opérateur humain ne donne pas explicitement ces relations au reseau neuronal. Celui-ci les trouve par un procédé très sophistique d'essai et de vérification recurrant lors de la phase d'apprentissage.
Ensuite le modèle des relations obtenu est appliqué au vrai problème à résoudre ( ex detection de la pollution ).
Argyre dit qu'il y a bien apprentissage car à aucun moment l'opérateur humain n'indique les propriétés des données au réseau. Le réseau les "trouve" stochastiquement et les "mémorise" par les biais des poids relatifs des entrées/sorties des neurones au sein de la couche choisie.
Par exemple, pour reprendre mes précedents exemples, si on modèlise civ2 en UML les schémas des dépendances seront "stockés" via ces équilibrages relatifs des neurones.
( la suite arrive...)
( suite : )
Les equilibrages relatifs des neurones entre eux peuvent se représenter via un graphe :
Ex si la sortie du neurone A vers le neurone B est affecté d'un coefficient > 0.5 alors on trace un arc du graphe
( Du calme j'ai bien vu que c'est beaucoup plus complexe et que le "0.5" depend en realite du modèle de representation choisi ).
Seulement mes critiques de l'IA ne correspondent pas tout à fait à ce cas de figure.
Si l'on trace ( en théorie, parce que en pratique on est pas rendu... ) l'ensemble des arcs du graphe on se retrouve soit avec un espace convexe soit avec un espace non convexe.
Et l'informatique les espaces non convexes elle n'aime pas trop...
Pour le reseau de neurone celà signifie quoi ?
(....)
Je ne comprends pas ce que vient faire la convexité là-dedans. Tu traces tes arcs selon quelle convention ? Tu traces dans un plan ?
... Durant la phase d'apprentissage le reseau va tenter d'etablir des relations entre tout les sommets du graphe et s'il fait celà dans un ensemble non convexe il ne vas pas y arriver facilement car dans ce type d'ensemble tout chemin reliant deux points quelconques de l'ensemble ne fait pas forcément partie de l'ensemble.
Pour s'en sortir, on peut utiliser un partitionnement de l'ensemble non-convexe en plusieurs sous-ensemble convexes et au sein de chacun de ces sous ensembles convexe utiliser un algorithme du plus court chemin
Et c'est là qu'il y un problème : l'algo de recherche du plus court chemin entre deux points non adjacents d'un ensemble convexe est connu : c'est l'algo A* . Mais il repose sur la définition préalable du calcul de la distance minimun entre deux points. Et çà ( la definition d'une norme en fait ) fait toujours appel à une intervention humaine.
C'est pour celà que le livre cité par Argyre "Apprentissage artificiel Concepts et algorithmes" et dont j'ai parcouru le chap 4 téléchargeable gratuitement se place dans un "espace des versions n'est rien d'autre que l'ensemble de toutes les hypothèses prises dans un ensemble H donné à priori"(texto dans le livre).
Le "A PRIORI" est indispensable pour s'assurer de travailler sur un espace convexe.
Le "A PRIORI" ne restreint pas le type de problème envisagé mais la façon dont on gère l'apprentissage du reseau neuronal.
En fait il me semble qu'un reseau de neurone se comporte bien pour trouver une solution particulière à une instance d'une classe de problème dont on sait cerner la formulation générale ( du problème, pas de la solution ).
Bon evidemment comme dans la réalité du monde les espaces convexes sont plutot en minorité, alors je crains quelques difficultés pour l'IA...
Argyre excuse moi par avance je te fais surement bouillir avec mon vocabulaire de non specialiste bidouilleur. Te genes pas pour reformuler tout çà.
Pour te repondre brièvement parce que je dois passer à de l'informatique plus basique ( boulot) regarde le dit chap 4 pg 138 la figure 4.9 et ce qui précède.
Bon quelques remarques sur de précedentes observations :
Posté par Pi-R2 :
"De fait la sculpture est toute entière contenue dans le bloc de pierre du départ. Le sculpteur ne fait rien d'autre que dégager une structure déjà comprise dans les données initiales. Où est donc l'art ?"
Posté par Argyre :
"Quand bien même nous ne réussirions jamais à construire un robot capable de passer le test, je ne serais toujours pas d'accord pour admettre que la nature de cet espace physique soit "indispensable" au type d'intelligence que nous avons développé."
Au moins c'est clair.
Seulement celà ne tient pas la route :
Bon supposons que l'on dispose d'un prog. d'IA P1(peut importe la technique ) qui donne toute satisfaction dans un domaine délimité (ex surveillance de la fermentation de levure
Supposons aussi que l'on dispose d'un second programme d'IA P2 qui donne satisfaction dans un autre domaine ( ex surveillance d'une tour de raffinage ).
Exercice : Arriver à obtenir un troisième programme d'IA P3 qui en observant les deux premiers arrive à innover ( ex trouver un procédé de préparation d'un bio carburant à partir du Houblon)
Si Argyre et Pi-R2 ont raison alors P3 doit pouvoir "innover" simplement en observant le fonctionnement de P1 et P2 dans l'ordinateur. En clair l'apprentissage de P3 se fait durant le fonctionnement de P1 et P2.
De quoi dispose P3 pour ce faire : des allocations memoires et de la distribution des cycles processeur.
Ce qui implique que P3 dispose d'un modèle descriptif du fonctionnement du système d'exploitation.
Comment est ce possible sans recourir au savoir d'un humain ?
Et bien en considerant le système d'exploitation comme un programme B qu'un autre programme d'IA P4 observe spécifiquement.
Donc P3 "raisonnerait" en observant le fonctionnement de P1,P3 et P4.
MAIS P4 COMMENT RAISONNE T IL ?
Le problème de P4 est qu'il doit observer les fluctuations d'allocation memoire et processeurs du système d'exploitation sur lequel il ( P4 ) s'execute actuellement.
Ce qui amène P4 a être recursif.
COMMENT S ARRETE CETTE RECURSIVITE ?
( HE OUI tout est lié cf calculabilité et formule univers)
He bien en permettant à P4 d'etre informé des variations des propriétés physiques du support d'execution
Donc pour s'en sortir je laisse gille montrer le chemin " mais on ne connait que la biochimie qui fasse ça.".
IMPORTANT : "la biochimie" il n'a pas dit "la vie" et encore moins "l'être humain".
Voilà. Maintenant je retourne à mes file system de base...
et pourquoi P3 ne pourrais pas avoir une interface claire avec P1 et P2? où il aurait transfert d'information entre ces programmes?Si Argyre et Pi-R2 ont raison alors P3 doit pouvoir "innover" simplement en observant le fonctionnement de P1 et P2 dans l'ordinateur. En clair l'apprentissage de P3 se fait durant le fonctionnement de P1 et P2.
De quoi dispose P3 pour ce faire : des allocations memoires et de la distribution des cycles processeur.
