Parce que cette interface serait spécifiée comment ? Selon quelle syntaxe ? Et surtout Quelle serait l'origine de cette syntaxe ?
On va retomber sur le vieux debat syntaxe/semantique precedent.
Pour obtenir une IA idependante du contexte humain il faut qu'elle ne se serve que de son "univers" : le contexte de son execution dans le systeme d'exploitation.
je propose une petite lecture sur les possibilités des réseaux de Spiking Neuron :
evolving spiking neural network controllers for autonomous robot
je peux en poster d'autre si ça interesse...
Je n'ai aucune de vos connaissances techniques en informatique, mais je n'ai jamais entendu parler d'un réseau de neurones qui s'est mis à faire quelque chose pour lequel il n'etait pas prévu !!!
"Merde viens voir, le réseau de neurone a détecter la fumée il s'est branché sur un site de téléchargement de MP3 !" (version "soft" lol)
en revanche, si vous avez des enfants, vous savez tous que c'est souvent le cas...
Envoyé par virtual_creature
Merci cà a l air interessant mais faudra que je le lise plus tard.
en revanche, si vous avez des enfants, vous savez tous que c'est souvent le cas
Transhuman, tes exemples sont un peu restricitfs. P4 n'a pas besoin d'être récursif, il peut analyser le travail de processeur et les allocations mémoires qui ne le concernent pas. P4 n'a pas à être évolutif ou intelligent. Il peut être systématique et c'est lui que je qualifie d'algorithme d'IA.
en revanche ne faites pas dire ce que je n'ai pas dit: un réseau de neurone est limité, un programme est limité. Si on le limite TROP on l'empeche d'être "intelligent". Intelligence implique liberté (ou controle non total). C'est pour cela que c'est subtil (et qu'on cause, mais qu'on n'a toujours pas trouvé l'algorithme cherché).
Si je bloque l'accès à internet à une machine "intelligente" (par exemple en ne branchant pas le modem), il est sur qu'elle ne se connectera pas. Par contre, si j'ai un système qui scanne toutes les entrées sorties et qui trouve le bon canal pour aller sur le net, il n'y a pas de raison que la machine n'essaye pas "pour voir".
Essayer "pour voir" est un des algo fondamentaux nécessaires à l'intelligence.
Pour revenir sur P1 et P2, si l'algo de gestion de la machine est bien conçu, il va chercher à condenser l'information contenue dans P1 et P2. Il va donc en dégager les analogies, et mettre éventuellement en commun certaines procédures intermédiaires.
Puis il va explorer des "idées" nouvelles en utilisant son algo essayer pour voir. Il sélectionnera celles qui sont intéressantes au regard de ce qu'il sait (par exemple dans le raffinage on maximise le carburant donc c'est intéressant). Si il ne sait pas que le houblon fermenté peut être du carburant, il n'inventera rien. si par contre, il gère des mesures de sécurité sur la fermentation pour éviter la présence d'oxygène, alors il peut avoir le trait de génie de générer du bio carburant.
Tout cela me parait fort compatible avec l'algorithmique.
Ca y est, je crois que j'ai compris, tu parles du problème d'induction et de la généralisation à partir d'exemples. C'est le problème de l'autruche. Si dans tous les exemples d'animaux que tu prends, tous les oiseaux volent sauf l'autruche, tu ne vas pas pouvoir généraliser et dire que les oiseaux volent. Mais ce n'est pas un problème algorithmique, car il serait effectivement faux de dire que tous les oiseaux volent.
Autre problème bien connu, la distinction entre les oies et les canards à partir de la couleur et de la taille. Si les oies sont généralement plus claires et plus grandes mais que certaines sont plus foncées et plus petites que la moyenne des canards, il n'est pas possible de trouver une droite séparatrice des classes dans le plan couleur / taille. Et comme la plupart des algorithmes d'apprentissage tentent de déterminer une droite, un plan ou un hyperplan (en fonction de la dimension de l'espace des paramètres), il n'est pas possible que ces algorithmes trouvent une solution.
C'est là que les réseaux de neurones (entre autres) trouvent leur avantage. Les perceptrons multi-couches par exemple peuvent apprendre le ou exclusif (les oies sont plus grandes et plus claires que les canards, ou alors elles sont plus petites et plus foncées que les canards, c'est l'un ou l'autre mais pas entre les 2). D'autres techniques se basent sur une analyse de la "forme" de la distribution des exemples dans l'espace des paramètres, ce qui permet de trouver une classification plus complexe qu'un ou exclusif.
Bien évidemment, si 2 classes d'exemples sont complètement enchevêtrées dans l'espace des paramètres, aucun algorithme ni aucun humain ne peut déterminer de façon sure si un exemple donné appartient à une classe ou à une autre.
Avant d'aller plus loin, il ne me semble pas inutile de rappeler un théorème : les réseaux de neurones sont potentiellement capables de réaliser le même traitement que n'importe quelle fonction comportant un nombre quelconque de paramètres. En clair, tout processus de décision basé sur un calcul aussi complexe soit-il à partir de certains paramètres peut être effectué par un réseau de neurones (on revient aux limites de la calculabilité !).
Pour trouver un traitement que nous serions capables de faire et qu'aucun réseau de neurones ne pourrait faire, il faut donc sortir de ce qui est calculable, ni plus ni moins !
Nota Bene : Ce théorème ne nous dit pas comment trouver ce réseau de neurones, il nous dit simplement qu'il existe.
Comme je l'ai dejà dit tes posts sont bien argumentés (meme très bien).
Maintenant je crois qu'il est temps pour moi de prendre ma pelle et mon sceau....
Eh non je vais plutot prendre les codes sources de "reseaux de neurones" de Dreyfus, mon compilateur, mon debuggeur et mettre les mains dans le cambouis...
Merci à tous pour ce bol d'air qui va me permettre d'explorer de nouveaux domaines de l'info..( çà doit être la crise de la quarantaine ).
@+
Aucune malice mais c'est presque du Penrose çà
Voici une expérience simple : tu programmes un réseau qui apprend à associer 2 événements qui se suivent dans le temps comme pour l'apprentissage conditionné de type pavlovien. Supposons maintenant que le robot soit programmé pour fuir dès qu'il reconnait un visage particulier. A chaque fois que tu veux présenter le visage devant la caméra, tu fais sonner une cloche juste avant. Le robot associe alors les 2 événements. Plus tard, en faisant sonner la cloche, il fuit alors qu'il n'a même pas vu le visage. Tu peux aussi programmer ton réseau pour qu'il soit capable d'oublier et de faire d'autres associations, avec même d'autres réponses inconditionnées.
Tu te retrouves finalement avec un robot dont le comportement est complexe et qui peut réagir à des stimuli visuels ou auditifs appris et donc non prévus au départ.
*Bonjour,
Si vous voulez avoir une idée d' l'écart entre le "hardware" de l'homme (et du rat et du chimpanzé) et ce que l'informatique peut réaliser, consultez:
http://perso.wanadoo.fr/yoda.guillau...12.htm#neurone
Et si vous n'êtes pas découragés, considérez que le rat a besoin de ~6 mois, le chimpanzé de ~1 an et l'homme entre 18 et 28 ans (pour les bac+10) d'apprentissage en grande partie dirigé par des adultes, donc non autonome, pour être pleinement opérationnels.
L'exemple des "enfants sauvages" est là pour prouver que l'apprentissage dirigé est indispensable pour acquérir les capacités autorisées par le "hardware". Vouloir que les machines fassent mieux (apprentissage autonome) est un peu enfantin, non?
Les algorithmes pour faire une bonne cuisine ont été élaborées par une longue succession de gourmands. Comment peut-on imaginer que la machine la plus futée puisse les trouver un jour toute seule?
L'argument principal qu'on peut opposer à tous les raisonnements incluant apprentissage autonome est que la nature, qui disposait de tout le temps voulu, n'y est pas parvenue pour les êtres vivants les plus "élaborées" qui ont tous besoin d'un apprentissage dirigé.
L'informatique moderne, y compris "l'IA de papa" rend des services immenses à condition qu'il y ait "collaboration" entre l'homme et la machine, cette dernière ayant une capacité sensorielle et une vitesse de traitement infiniment supérieures à celles de l'homme.
Je crois qu'à moins de trouvailles toujours possibles, mais pour le moment hautement improbables, c'est le perfectionnement de la symbiose homme-machine, sans oublier la capacité de mémoire, la vitesse de traitement et l'énergie nécessaire à un traitement donné, qui apporte les plus grands gains d'efficacité globale.
Tout ceci n'est naturellement pas une raison pour arrêter les recherches sur l'IA.
Intéressant cette partie du site pointée par ton lien paulb. Sur le fond, je suis d'accord avec tes arguments. La technologie informatique est fondamentalement mécaniste au sens qu'aucun de ses produits ne peut être autonomes et créer par eux-mêmes; ils ne peuvent que reproduire ce qui leur est permis initialement de faire.
Bonjour,
"La technologie informatique est fondamentalement mécaniste au sens qu'aucun de ses produits ne peut être autonomes et créer par eux-mêmes; ils ne peuvent que reproduire ce qui leur est permis initialement de faire."
Il aura tout de même fallu 4 pages de discussion animée , le recours à des arguments usant quelques synapses ( bon ok les miennes sont probablement bradées...) pour arriver à faire dissiper beaucoup d'illusions.
Restons au modèle synaptique. Prenons les molécules présentes autour d'une synapse donnée.
Combien de propriétées physico-chimique possède chacune de ces molécules ? et même question pour les différentes combinaisons ?
Tu va me dire que l'on peut simuler ces propriétés. Surement mais faudra faire celà en parallèle et simultanément au fonctionnement simulé de la synapse.
Dis autrement c'est comme si on avait un reseau avec la retropropagation d'une infinité de couches entre elles...
La liberté dont tu parles la nature la pourvoit directement mais pas directement au niveau des organismes mais un cran en dessous au niveau des propriétés de la matière elle même.
L'apprentissage dans la liberté se serait d'obtenir un tissu "computationnel" réactif biochimiquement à son environnement...
Par contre il est tout à fait possible que les algorithmes actuellement developpés "suffisent" alors pour guider cet apprentissage.
Et c'est vrai que les algos en question sortent de l'ordinaire...
A quoi peut bien servir la puissance de calcul du cachalot? (5.10^14 tout de même )
Effectivement, on est bien d'accord. Mais qui a dit le contraire sur ce forum au fait ?
Un enfant a besoin d'être aidé, de même les machines ont besoin d'être aidées pour une bonne part de leur apprentissage.
??
Il y a des algorithmes pour faire de l'apprentissage supervisé, dans ce cas, on oblige le programme à apprendre une certaine classification prédéterminée. Mais il y a aussi des algorithmes d'apprentissage dits "non supervisés", donc autonomes, dont le résultat est imprévisible si on n'a aucune information de classification sur les données initiales.
C'est comme un enfant. Pour apprendre à lire, c'est du supervisé car on lui dit comment telle suite de lettres doit être prononcée et on tente de le corriger s'il prononce mal.
En revanche, on n'apprend pas à un enfant à reconnaître sa mère et son père. Il est capable de distinguer les visages et de les reconnaître grâce à un apprentissage non supervisé, c'est à dire sans lui dire quels sont les signes distinctifs des visages de chacun de ses parents par rapport à ceux d'autres personnes.
Dans le cas de l'apprentissage non supervisé, donc, le programme ne reproduit rien, il crée sa propre classification tout seul en fonction des données qu'il traite. Ce genre de technique n'est pas souvent utilisée dans les produits commerciaux car comme les résultats sont difficiles à prévoir et qu'ils dépendent fortement de la sélection des données d'entrée, on a vite fait d'arriver à une classification biaisée, mal fichue ... et donc invendable.
Bonjour,
Je savais bien qu'on en viendrait à l'acquisition des premières données qui "initialisent" la possibilité d'en acquérir ultérieurement par les méthodes de l'acquisition dirigée.
Il y a plusieurs phases d'apprentissage, réductibles à trois: acquisition par perception répétée, par imitation et par enseignement de méthodes d'acquisition (c'est moi qui catégorise, je peux donc me tromper). La quatrième phase est celle de l'utilisation de l'acquis. Prenons l'exemple du petit homme.
Juste après la naissance, le bébé sait non pas trouver, mais utiliser le téton maternel, c'est donc inné. Dès qu'il ouvre l'œil, il voit, chaque fois qu'il tète, la figure maternelle (ou le biberon, mais tenu en principe par sa mère). Ses neurones auront vite fait d'associer la tétée et le visage (et l'odeur, ne l'oublions pas) de sa mère. Quelque temps après (sauf pour les parents mono ou homo) il fait la même association pour le père. Sa base de données s'enrichit ainsi jusqu'à l'époque "arrrrhhheu-arrrrheu".
Là (à peu près) commence l'époque de l'imitation, très importante car base de données incontournable de tout apprentissage ultérieur. Le langage s'acquiert ainsi en essayant d'imiter les sons émis par les adultes et en essayant de les faire coller avec ce qui se passe. Les bévues dues au tâtonnement sont nombreuses, mais l'enfant les élimine progressivement (les miens criaient "allume", quand ils voulaient s'endormir et la lumière les gênait). J'ai écrit sur cet apprentissage et la suite sur:
http://perso.wanadoo.fr/aap/aap/somm...ion_de_lacquis
La troisième époque commence par les jeux dits éducatifs (ou jeux tout court) avec les adultes, qui leur montrent comment empiler des cubes, enfiler des perles etc., donc des méthodes. Plus tard vient la lecture-écriture, donc la méthode de symboliser des phonèmes ou de transformer ces symboles en phonèmes et aboutit finalement à la connaissance de la méthode utilisée pour élargir sa propre base de données, grâce à l'enseignement verbal ou écrit délivré par d'autres hommes.
La dernière phase, non d'apprentissage, est l'utilisation de la base de données, pour "inventer", c'est à dire associer des éléments de cette base pour en créer des nouveaux.
Naturellement les époques se mélangent, mais leur compréhension permet d'essayer d'établir une correspondance entre le fonctionnement de l'intelligence humaine et ce qu'on voudrait obtenir des machines et indique la longueur du chemin restant à parcourir et les étapes qu'on ne peut pas "sauter".
(Off-topic )Sur l'URL indiquée par paulb :
"...Les occasions de bagarre étaient rares à cause de leur dispersion, la défense du territoire n'était pas un problème brûlant et la cause principale des conflits était probablement le désir de se procurer des femmes,..."
Connais tu le livre "Le principe de Lucifer "? (/off-topic)
Juste deux mots pour essayer d'expliquer pourquoi l'on dit que certains programmes ont une capacité de généralisation.
Je vais considérer un algo très simple, celui des K-Means. On cherche à classifier des objets parmi N classes. A chaque classe on associe un prototype i.e. un représentant typique de la classe. On définit une distance entre objets. Pour un objet donné, on calcule la distance qui le sépare de chaque prototype. On trouve le prototype le plus proche, au sens de la distance, et on dit alors que l'objet appartient à la même classe que celui du prototype. C'est la traduction mathématique de "qui se rassemblent s'assemblent".
Une méthode d'info classique aurait été par exemple : une base de donnée, contenant des objets et la classe à laquelle ils appartiennent. Quand on veut classifier un objet, on le recherche dans la base, s'il y est tant mieux on sait alors à quelle classe l'associer, s'il n'y est pas on ne peut pas répondre.
Avec l'algorithme des K-means, l'algo fournit toujours une classe même si l'objet n'est pas un des prototypes. C'est en ce sens que l'on parle de généralisation : l'algorithme sait traiter une donnée qui lui est inconnue.
Pour un réseau de neurones, c'est à peu près similaire. Pour des architectures de type softmax (le perceptron en est un cas limite), on définit N classes et on apprend au réseau à classifier des objets parmi les classes. Durant cette phase, l'algo définit une distance et calcule le prototype le plus représentatif de chaque classe. Après la phase d'apprentissage, quand un objet est présenté, le réseau indique la classe la plus proche de l'objet. Le RN fournira une réponse même si l'objet présenté ne fait pas partie de la base d'apprentissage.
Pour les algo non-supervisés, le plus connu est le réseau de Kohonen. Comme le dit Argyre, on indique juste le nombre de classes que l'on désire, et l'algorithme se débrouille pour essayer de regrouper entre eux les objets qui se ressemblent le plus. On parle souvent de cartes auto-organisées.
C'est par exemple utilisé en marketing pour essayer de définir des classes typiques de consommateurs. EDF s'en sert pour définir des profiles de consommation d'electricité, Météo France en utilise un pour grouper des cartes de pression-isobare.
Dernière modification par spi100 ; 18/11/2005 à 23h00.
Bonjour spi100,
J'ai écrit en 1980 un programme d'identification destiné à peu près au même usage que celui dont tu parles. Il s'appelle ITI (Identification par Tableaux d'Indices). Il sert à identifier des objets (maladies, champignons, animaux, etc). Il tient compte des petites erreurs que peut commettre l'identificateur (homme) qui observe et entre les caractéristiques trouvées. Au fur et à mesure de l'identification le programme compare les probabilités des différents objets "catalogués" d'être celui qui est en train d'être identifié et les classifie en probabilité décroissante. Il affine donc progressivement l'identification et laisse à l'identificateur le soin d'arrêter le processus dès qu'il considère que la probabilité du premier objet est satisfaisante. Si deux objets se détachent du "peloton", ceci peut signifier soit que l'identificateur a commis des erreurs d'observation, soit que l'objet observé est abîmé ou incomplet, soit qu'il s'agit d'un objet intermédiaire, non catalogué, des deux "vainqueurs".
Il s'agit donc d'un programme exigeant la collaboration homme-machine et laisse l'homme seul juge de la pertinence de l'identification. Je trouve que c'est plutôt un avantage, surtout s'il s'agit p. ex. d'un champignon comestible et un autre vénéneux qui sont en tête!
Ce programme pourrait être automatisé pour l'entrée de données par instruments de mesure, mais vu que je travaillais à titre onéreux pour résoudre les problèmes proposés, personne ne m'a proposé celui-là.
Super site en effet, qui est dans mes favoris, et pourtant je n'avais pas lu cette page !!!. Pourtant j'ai cité dans ce forum certains de ces ordres de grandeurs que j'avais recalculés (comme le nombre de bit dans l'ADN ou la puissance de traitement de la vision). Je suis pour l'essentiel d'accord avec Paulb, et c'est bien comme Paulb l'explique que j'imagine l'IA. Une machine "intelligente" est pour moi un machine capable d'apprendre en interragissante avec l'environnement (environnement inlcuant ses "parents", c'est à dire des humains concepteurs qui guident les premiers pas).
Le seul bémol que j'apporterais est que l'homme ne peut pas du tout être programmé, alors qu'on peut espérer garder assez de controle sur une machine intelligente pour avoir 2 modes d'apprentissages: celui laborieux, mais réellement intelligent utilisé pour les humains et la méthode rapide, mais systématique de la programmation (qui là s'appellerait préprogrammation). Par exemple, pour apprendre une nouvelle langue, la machine pourra ingurgiter instantanément le dictionnaire, et commencer à parler comme babelfish. Puis avec le "vrai" apprentissage, avec des humains, affiner sa compréhension des subtilités de la langue. Mais cette partie là est nécessairement longue (voir infinie pour une langue vivante, car la culture évolue en permanence) et lente (car à la vitesse de l'humain qui interagit, de l'environnement, pas à la vitesse d ela machine).
Non, car dans l'apprentissage, c'est surtout l'apprenant qui doit travailler ...
exact, à mon bémol près. N'est-ce pas là qu'il faut rechercher la déception générée par l'IA des années 80 ? trop d'attente, trop pressés, comme un enfant qui veut son jouet.
Exact, mais je pense que l'IA peut naitre involontairement de la volonté d'améliorer cette symbiose en soulageant de plus en plus le travail du programmeur à l'aide de programmes de programmation.
Exact en apparence, faux en réalité. Le "purement mécanique" peut produire beaucoup plus que l'on croit. Par exemple, un ordinateur est purement mécanique et peut faire tourner n'importe quel logiciel, y compris ceux non envisagés au départ (comme des virus...)
D'autre part la biologie aussi est purement mécaniste, et pourtant...
Tout est dans le "permis initialement", la phrase n'est vraie que si l'on peut démontrer que l'ensemble de possibles est borné, ce qui est vrai dans certains cas, faux dans d'autres. Et ce faux est du à l'émergence. Par exemple l'ordinateur est limité physiquement, mais le software n'est pas limité. Seulement, c'est tricher par ce que le software n'est pas physique.
Non, justement je ne vais pas te le dire. Je vais te dire que les propriétés qui nous intéressent (intelligence) ne dépendent pas du détail précis de ce qui se passe au niveau biologique. Qu'il me suffirait de modéliser grossièrement le phénomène pour en tirer ce qui est utile pour l'émergence de l'intelligence (enconservant donc une valeur moyenne et une fluctuation aléatoire autour de cette moyenne). Le problème de la nature au niveau cellulaire est justement l'inverse: comment controler les phénomènes pour qu'il se passe toujours à peu près la même chose malgré le terrible bruit thermique qui vient régulièrement tout casser.
Prenons les molécules relâchées par une synapse: combien arrivent intactes de l'autre côté avant de se faire attraper par un nettoyeur-recycleur ? Les mécanismes biologiques ne sont controlés QUE par la loi de sgrands nombres.
Le site cité par Paulb permet bien de "sentir" qu'il ne se passe des choses intéressantes qu'à partir des grands nombres et que ces choses sont "rares". Par exemple affirmer qu'il n'y a pas d'uranium dans l'univers est une affirmation vraie de manière très satisfaisante. Ces lois des grands nombres viennet fortement perturber votre intuition.
Ca y est, je pense voir où tu 'bloques' dans notre dialogue. Tu accordes une importance exagérée au hardware par rapport au software. Pour toi, le hardware est limité et ne peut pas changer, donc la machine est limitée, alors que pour le bio le hardware peut changer, donc ça ne te gène pas qu'on puisse être intelligents.
Alors imagines le montage suivant: il est possible d'émuler n'importe quel hardware sur une machine (thèse de Turing) (certes le hardware émulé tourne moins vite, mais la question porte sur ce qu'ils peuvent faire, pas en combien de temps il le font). Cette machine simulée peut faire tourner un soft, mais devient aussi un hardware modifiable. Dans ce modèle, le hardware et le software de la machine peuvent changer.
Qu'en penses-tu ?
Ce n'est pas l'intelligence de l'homme qui consomme le plus de ressources, mais bien la vue et l'audition. Pour le cachalot, il a des sens dont nous ne disposons pas (localisation 3D au son et à l'odeur dans des gammes que nous ignorons totalement). Ca doit sérieusement grignoter du CPU.
D'accord avec ce post. j'ai bien effectué les mêmes observations sur ma progéniture. Il y a souvent confusion chez les gens dans la notion d'intelligence entre un état et un potentiel: un bébé humain est -il intelligent ? on répond oui. Mais alors pourquoi ne peut -il réussir aucun test de QI ? L'IA que je cherche est le potentiel: l'algorithme qui a le potentiel d'apprendre "comme" un humain pour acquérir une intelligence ET de la connaissance permettant à cette intelligence d'être reconnue.
Voilà qui me semble bien résumer la situation.
Bonjour,
Entièrement d'accord avec ton post, mais ce dernier paragraphe demande à être approfondi.
Tes questions sur l'intelligence et le test de QI s'expliquent par la destination de ces tests qui servent à l'évaluation (grosso modo) de l'intelligence à partir d'un âge scolaire impliquant au moins la maîtrise du langage, donc quand le plus dur de l'apprentissage est déjà terminé.
En fait, il ne faut surtout pas confondre "capacité d'apprentissage" et "capacité de compréhension" (intelligence).
La capacité d'apprentissage est à son maximum peu après la naissance et décroît ensuite, d'abord rapidement ,puis de plus en plus lentement. Les "enfants sauvages" qui ont passé 10 ans deviennent pratiquement incapables d'apprendre à parler!
L'intelligence (capacité de compréhension) a deux composantes: l'inné génétique qui autorise une plus rapide augmentation de la compréhension des choses et l'acquis des influences extérieures (enseignement, expérience et intuition) qui enrichit la base de données utilisée par les dons innés.
J'avoue ne pas savoir comment faire correspondre ces concepts avec les structures algorithmiques ou neuroniques des machines, mais je pressens que cette émulation est impératif pour obtenir une véritable IA.
Qu'en penses tu?
Tout à fait çà . Mais celà ne veut pas dire que j'ai une certitude ni des preuves.
Je suis pas sur d'avoir compris. Tu parles d'une machine de Turing emulant une autre machine de Turing ?
La machine changera mais seulement avec les procédés algorithmiques ce qui nous ramène à :
Et je pense que lorsque nous "travaillons" une grande partie se gère de façon algorithmique mais des tas de "relations" s'établissent entre de multiples parties de notre corps pour permettre la mise en concordance des informations. cf mon post sur "Blues Brothers, Verdi et Dim ups..."
Dit autrement j'ai l'impression que la façon dont l'IA forte est perçue par ses défenseurs consiste à vouloir obtenir l'intelligence humaine sans arriver à simuler la "débrouillardise" animale. (Fabriquez moi un robot-castor enseignant à un autre robot-castor comment monter sa hutte...dans la nature )
Peut être même que celà va plus loin. Le domaine végétale est beaucoup plus complexe qu'il n'y parait.( cf "la vie secrète des plantes" ). Celà serait interessant d'arriver à obtenir, par exemple, un algo d'IA simulant une plante qui "apprend" à se défendre d'une plante contre des parasites ( ex un pseudo chêne qui apprend à défendre ses racines contre les champignons du sol ).
On peut aussi envisager l'inverse : un lierre qui "apprend" à "trouver" une plante support.
Mais peut être que celà est déjà en cours du coté de Santa-Fée...
Et celà n'enlève rien à l'intérêt de l'IA faible.
Surement mais je cherchais pas l'intelligence du cachalot. C est juste que j'etais etonne du chiffre
Et je pense que l'ia n'y arrivera pas car cette "emulation" n'est probablement pas algorithmique.
Nous sommes clairement prisonniers du vocabulaire, incomplet pour décrire correctement ces notions. La définition d'intelligence sera correcte quand nous disposerons de modèles informatiques permettant de clarifier au minimum ce qu'elle n'est pas. Mais je suis d'accord avec les distinctions que tu établis. Pour essayer d'avancer, utilisons un modèle (que je connais juste un peu, mais toi beaucoup mieux) dont nous sommes d'accord pour reconnaitre qu'il n'est pas intelligent: le système expert.
Nous disposons d'un hardware, qui ne change pas. D'un système d'exploitation pour travailler confortablement, qui ne change pas non plus mais n'est pas censé limiter les possibilités de l'ensemble.
Là dessus nous construisons un moteur (logiciel) pouvant servir de système expert "universel" c'est à dire sous tendre un système expert dans un domaine particulier.
Nous ajoutons la base de connaissance (qui là porte bien son nom), les connaissances de bases du système à partir duquel il peut analyser les entrées qu'il reçoit pour produire des sorties (qui peuvent éventuellement re générer des entrées). La capacité d'apprentissage est la capacité à utiliser certaines entrées pour augmenter sa base de connaissance de manière "utile".
L'inné est le moteur du système expert. L'enseignement, la base de connaissance initiale.
(tout ça précédé d'un AMHA). Pour obtenir l'intelligence, il faut au minimum des processus de retraitement de la base de connaissance pour la condenser et l'étendre (interpolation et généralisation). Il faut sans doute aussi un certain niveau de confusion entre connaissances, règles et méta règles.
Oui, tu as bien compris. Sauf que contrairement à Gillesh38 et d'autres, de mon point de vue la biologie et la vie sont parfaitement algorithmiques, grâce à la loi des grands nombres et une source de hasard.
Comme explicité à l'aide de Paulb, je ne sais pas ce qu'est "l'IA forte" ou qui sont ses défenseurs, mais la notion d'intelligence me parait nécessiter au moins une part non réductible d'apprentissage progressif et lent. Je suis d'accord avec ce que tu dis sur l'intelligence animale ou même végétale, au sens ou les processus cognitifs sont plus larges et répandus qu'on ne l'accepte en général. Il me parait légitime de considérer qu'une bactérie qui capte un plasmide de résistance à un antibiotique apprend à résister à l'antibiotique et que cet apprentissage a pu lui être enseigné par une autre bactérie. Ces termes me paraissent parfaitement adapté pour décrire ce qui se passe. Donc pour moi, une machine intelligente est nécessairement "débrouillarde" au sens animal.
Bon ca file vite, une journee de boulot sans FSG et on a 50 posts a lire.
Pas d'acccord sur le "non prévu". Il fait ce pour quoi tu l'as construit, même si tu n'as pas prévu explicitement le comportement en détail, tu as prévu le "genre de chose" qu'il fera. Il ne cherchera jamais a manipuler un autre genre d'information (ou alors ce sera considéré comme une erreur et on se dépechera de corriger le programme).
La différence avec nous, c'est que personne ne nous a construit "pour" quelque chose. Nous ne sommes pas fait d'une matière différente que le robot, mais nous fonctionnons sur un principe différent.
"Si j'ai un système" signifie en fait "si j'ai PROGRAMME un systeme": si tu la programmes pour faire des acces aléatoires a internet, elle le fera, mais pour qu'elle cherche a le faire sans que tu la programmes, il faudrait qu'elle ait une perception "humaine" de la réalité , par exemple pour aimer écouter de la musique !Si je bloque l'accès à internet à une machine "intelligente" (par exemple en ne branchant pas le modem), il est sur qu'elle ne se connectera pas. Par contre, si j'ai un système qui scanne toutes les entrées sorties et qui trouve le bon canal pour aller sur le net, il n'y a pas de raison que la machine n'essaye pas "pour voir".
Un enfant cherchera a télécharger du mp3, mais il zappera un site ou on parle de la calculabilité de l'Univers. Qu'est ce qui orienterait le choix d'un réseau de neurones, si le programmeur ne lui a rien dit?
Pi-r2 tu fais une entourloupe la! tu parles d'un hardware algorithmique dont l'évolution est calculable de façon déterministe en fonction de certains paramètres. Turing n'a jamais démontré que tout système matériel etait émulable par sa machine !
Curieuse utilisation de la loi des grands nombres. Pour toi la sociologie est algorithmique? dépeche toi de trouver l'algorithme qui décrit l'évolution de la société, ça intéressera beaucoup de gens !Oui, tu as bien compris. Sauf que contrairement à Gillesh38 et d'autres, de mon point de vue la biologie et la vie sont parfaitement algorithmiques, grâce à la loi des grands nombres et une source de hasard.
bien d'accord.
. non tu confonds une notion de borne, de majorant ("le genre de choses") avec la prévision.
Je dis qu'il est possible de générer des algorithmes dont on ne peut pas prévoir toutes les évolutions, ce qui est une conséquence directe du théorème de Gödel à la sauce Turing. Le prévoir, est "sauf dans un environnement plus grand".
. Là bien d'accord, c'est bien en essayant de trop controler les programmes qu'on les empêche de chercher à manipuler un autre genre d'information.Il ne cherchera jamais a manipuler un autre genre d'information (ou alors ce sera considéré comme une erreur et on se dépechera de corriger le programme
.
D'autres personnes pensent autrement. Ils ont énormément de mal de concevoir que notre intelligence ait pu apparaitre sans but. Comme tu as du mal de concevoir un programme sans but explicite.
. Non, juste une perception de la réalité, pas "humaine". Je ne la programme pas pour faire des accès à l'internet, je ne fais que l'autoriser à utiliser toutes les possibilités "naturelles" dont elle dispose, ici tous les ports de la machine. Qu'elle arrive ou non ensuite à détecter ineternet derrière, c'est son problème, pas le mien.
et qu'est_ce qui oriente nos choix si le grand créateur ne te dit rien, te diront certains. Le réseau de neurones orientera son choix en fonction de ses motivations du moment. Et si il est dans un moment ou sa seule motivation est "s'occuper", ben il en prendra un au hasard, à l'aide de sa fonction aléa (sans doute le critèe de choix ultime quand il faut bien faire un choix, mais qu'il n'a aucun critère.)
Non, non, pas d'entourloupe du tout, je ne parle que de hardware mécanique, d'ordinateur. Un ordonateur est algorithmique. je ne parle pas d'émuler un cerveau bio.
Oui, elle l'est au sens des algorithmes avec oracle. d'ailleurs elle s'étudie avec des critères scientifiques (mouvement de foule, de mode), et il y a des gens qui perçoivent bien ce côté algorithmique (marketeurs...).Curieuse utilisation de la loi des grands nombres. Pour toi la sociologie est algorithmique? dépeche toi de trouver l'algorithme qui décrit l'évolution de la société, ça intéressera beaucoup de gens !
Si tu savais le nombre de choses qu'il faut que je me dépèche de faire et qui découle toutes du même phénomène central ...
