Liste

[Ikhar84]

Sisi j'ai bien compris, mais ne vois pas l'interêt et le gain dans le contexte.

Mais je vois le pb d'un point de vue trop pratique certainement, trop matérialiste...
-----

[ArchoZaure]

Sisi j'ai bien compris, mais ne vois pas l'interêt et le gain dans le contexte.

Mais je vois le pb d'un point de vue trop pratique certainement, trop matérialiste...

C'est juste que

À noter que si une lettre peut être assimilée (codée) en un nombre, un mot ou une chaîne de caractère quelconque ne peut pas l'être (c'est une matrice 1d, une suite, un vecteur, ce que tu souhaites comme definition, mais ce n'est pas réductible, sauf opération supplémentaire, comme un hachage ou une compression, radicale).

Est faux.
Et c'est pas moi qui ai écrit ça.
Donc soit vous l'admettez (tout le monde écrit des conneries de temps à autre) ou alors vous m'expliquez en quoi je n'ai pas compris votre remarque.
C'est possible aussi, je ne suis pas dans votre tête.

[Ikhar84]

Pas de soucis...
Je n'ai aucun pb d'égo...

Si vous voulez... vous n'avez absolument pas réinventé un algo de hachage naïf et vous avez raison sur tout...

Satisfait ?

[Juzo]

Bonjour,

dans l'idée, tu as cinq objets de tailles différentes non classés dans l'ordre de leur taille, d'un simple coup d'œil tu peux les classer mais élaborer un algorithme efficient dépend de la nature de l'ordre et il est possible que l'algorithme le plus efficient ne soit pas la méthode la plus efficiente.

Derrière un simple coup d’œil il peut y avoir beaucoup d'opérations mentales. Reste que l'ordre et le temps de rangement ne sont peut-être pas liés.
Par exemple pour la liste (1;30;3;32;5;37;8;40;9;42) on voit deux listes croissantes intercalées.
Le nombre d'opérations pour trier la liste peut être grand alors qu'il y a peu de désordre. Peut-être qu'au lieu du nombre d'opérations il vaut mieux considérer la taille de l'algorithme de tri (si tant est qu'on puisse déterminer un algorithme de tri efficace) ?

Et on constate que le problème ne change pas du tout puisque qu'on est à une bijection prêt.

Dire "mon meilleur classement est 8 ,5, 0, 3, 4, 1, 6, 9, 2" revient à faire cette bijection et cela n'a aucun impact ni aucun intérêt pour la résolution du problème.

Pour l'analyse des big datas , il me semble que les machines vont chercher des régularités liées à un ordre défini. Dans ce cas il s'agit de relations entre les éléments qui dépendent de l'ordre considéré, et les performances par exemple dépendent de l'ordre considéré.

[pm42]

Pour l'analyse des big datas , il me semble que les machines vont chercher des régularités liées à un ordre défini. Dans ce cas il s'agit de relations entre les éléments qui dépendent de l'ordre considéré, et les performances par exemple dépendent de l'ordre considéré.

Tu as une référence pour ça ? Parce que là, je suis très perplexe.
Déjà, on ne cherche pas des "régularités" mais des corrélations. Et elles utilisent toutes l'ordre naturel.

[vgondr98]

Bonjour,
Je suis tombé sur cet article :https://dl.acm.org/doi/pdf/10.1145/146370.146381
Dans les mots clefs, il y a "measures of disorder"
Il y a aussi un chapitre : 1.2 Examples of Measures of Disorder

[Juzo]

Tu as une référence pour ça ? Parce que là, je suis très perplexe.
Déjà, on ne cherche pas des "régularités" mais des corrélations. Et elles utilisent toutes l'ordre naturel.

Ça vient d'un entretien de Giuseppe Longo (mathématicien, logicien et chercheur) sur les limites de la connaissance, entendu il y a quelques jours. Je retranscris tout le passage à partir de 43 min car j'ai trouvé l'écho avec cette discussion amusant.

E. K. : Vous citez abondamment un article paru en 2008 rédigé par Chris Anderson, qui dit que bientôt on pourra se passer de la théorie en physique, peut-être même en biologie. Le titre est: «La fin de la théorie: le déluge des datas va rendre la théorie obsolète". Son idée est que si l'on donne à des algorithme bien conçus des données suffisantes, ces algorithmes pourront faire parler le réel mieux que les théories physique qu'on utilise par exemple. Vous citez quelqu'un qui dit que si l'on avait donné à un algorithme les données astronomiques dont disposait Tycho Brahe il aurait trouvé les lois de Kepler.

Giuseppe Longo : Avoir ces immenses bases de données est une richesse extraordinaires : on peut pas seulement faire de la science, mais travailler dans mille domaines si l'on sait aussi reconnaître des régularités, pourquoi pas mais après il faut les interpréter, il faut théoriser sur ces données. Certains «*intelligents artificiels*» nous disent que non, on peut se passer de théorisation, que les données permettent d'inférer.
Il y a 5 ou 6 ans j'ai fait un petit article avec un collègue mathématicien néo-zélandais où nous avons utilisé des résultats très difficiles de théorie combinatoire des nombres (théorème de Van der Waerden et d'autres de la théorie de Ramsey) pour obtenir le résultats suivants : Donne-moi une régularité sur un ensemble de nombres quelconque, je peux calculer un nombre, une cardinalité telle que tout ensemble de nombres de cette cardinalité contienne ta régularité».

E. K. : Si je réinterprète ce que vous dites, si on a beaucoup de nombre on peut par des algorithmes trouver des corrélations autant qu'on veut et leur faire dire n'importe quoi.

Giuseppe Longo : Oui [...] Vous me donnez n'importe quelle corrélation je trouve une cardinalité telle que tout ensemble de nombre de cette cardinalité contienne cette régularité. [...] C'est très bien si la machine détecte des régularités mais après il faut comprendre, donner un sens.

C'est peut-être une surinterprétation, de dire que les algorithmes infèrent des lois en détectant des régularités ?

[pm42]

C'est peut-être une surinterprétation, de dire que les algorithmes infèrent des lois en détectant des régularités ?

Oui, c'est ces qu'on fait en big-data et en machine-learning mais le rapport avec "un ordre défini" et encore plus quand on prend "ordre" dans le sens où il a été utilisé dans ce fil me semble ténu.

[Liet Kynes]

Oui, c'est ces qu'on fait en big-data et en machine-learning mais le rapport avec "un ordre défini" et encore plus quand on prend "ordre" dans le sens où il a été utilisé dans ce fil me semble ténu.

C'est aussi un piège ? On connait les nombres premiers jusqu'à un certain record, y trouve-t-on des régularités ? en principe pourquoi pas (dans les écarts par exemple), mais vas-t-on pouvoir en tirer une prédiction exacte ? en principe non .

[JPL]

Alors qu’il existe un algorithme dont j’ai oublié le nom qui permet de trouver facilement de très grands nombres qui sont presque toujours premiers, avec un degré extrêmement élevé de probabilité. C’est avec cet algorithme que fonctionnent les dispositifs cryptographiques fondés sur les produits de nombres premiers.

[Juzo]

Oui, c'est ces qu'on fait en big-data et en machine-learning mais le rapport avec "un ordre défini" et encore plus quand on prend "ordre" dans le sens où il a été utilisé dans ce fil me semble ténu.

Ah oui, je crois comprendre le problème merci : une corrélation ou "régularité" peut permettre d'inférer une loi (avec des pincettes) mais pas forcément un niveau d'ordre dans une liste, tel que l'ordre est défini ici. C'est bien ça ?

Bonjour,
Je suis tombé sur cet article :

Merci pour cet article. Il est donc utile dans certaines situations de connaître le niveau de désordre d'une liste avant de la trier afin d'optimiser l'algorithme de tri :

we have the possibility of improving on algorithms that are oblivious to the existing order in the input.

In the general case, we do not know anything in advance about the existing order in the input, but we want the sorting algorithm to “discover” existing order and profit from it to accelerate the sorting.

As early as 1958, Burge observed that the best algorithm for a sorting problem depends on the order already in the data, and he proposed measures of disorder to evaluate the extent to which elements are already sorted [Burge 1958].

[...] This framework consists of two parts: First, the introduction of the concept of a measure of presortedness as a function that evaluates disorder; second, the concept of optimal adaptivity of an algorithm with respect to a measure of presortedness.

etc.

[Liet Kynes]

Alors qu’il existe un algorithme dont j’ai oublié le nom qui permet de trouver facilement de très grands nombres qui sont presque toujours premiers, avec un degré extrêmement élevé de probabilité. C’est avec cet algorithme que fonctionnent les dispositifs cryptographiques fondés sur les produits de nombres premiers.

RSA: à voir si il peut être dépassé par une IA se basant sur des "régularités" au bout d'un certain seuil de données ?

[pm42]

Ah oui, je crois comprendre le problème merci : une corrélation ou "régularité" peut permettre d'inférer une loi (avec des pincettes) mais pas forcément un niveau d'ordre dans une liste, tel que l'ordre est défini ici. C'est bien ça ?

Oui.

RSA: à voir si il peut être dépassé par une IA se basant sur des "régularités" au bout d'un certain seuil de données ?

Je ne vois pas trop comment vu ce que font les IAs actuelles.

[Liet Kynes]

Je ne vois pas trop comment vu ce que font les IAs actuelles.

Oui c'est même pas un problème lié à l'IA, je ne sais pas si ces régularités sont une approche pertinente, ce qui nous semble un grand nombre est toujours un petit nombre dans une échelle infinie, on retombe un peu dans l'idée des conjectures testées jusqu'à un très grand nombre de termes sans pour autant pouvoir conclure quoi que ce soit.