Epistémologie, c'est quoi ?

[invitecbade190]

Bonsoir à tous,
Sur le lien suivant : http://fr.wikipedia.org/wiki/Ren%C3%A9_Thom , je tombe sur un passage qui dit : "Par son approche multidisciplinaire des problématiques, René Thom est, avec Jules Vuillemin, un des plus grands épistémologues français du XXe siècle".
Qu'est ce que ça veut dire "être Épistémologue" ?
Est ce que l'épistémologie est une branche scientifique à part entière ?
Quel lien y'a-t-il entre l'épistémologie, et les mathématiques en tant que "sciences du raisonnement et de création de concepts" ?
Quels sont les qualités d'un épistémologue ?
Quel est le rôle d'un épistémologue dans la création du savoir ?
Merci d'avance.
-----

[invite6c250b59]

Faire de l'épistémologie.
Plutôt une branche de la philosophie.
Aucun à ma connaissance -ou plutôt aucun qui serait spécifique aux maths plutôt que partagé avec les autres sciences.
La capacité à faire mieux que ses prédécesseurs.
Analyser les démarches passées fructueuses et en tirer des enseignements prédictifs et/ou facilitateurs de la démarche de création des savoirs.

[Nicophil]

Bonjour,

1) Qu'est ce que ça veut dire "être Épistémologue" ?
2) Est ce que l'épistémologie est une branche scientifique à part entière ?
3) Quel lien y'a-t-il entre l'épistémologie, et les mathématiques en tant que "sciences du raisonnement et de création de concepts" ?
4) Quels sont les qualités d'un épistémologue ?
5) Quel est le rôle d'un épistémologue dans la création du savoir ?

1) Epistémo-logie : l'épistémologie est la science (logos en grec) de la connaissance (épistémé), c'est-à-dire l'acte de connaître : "qu'est-ce que connaître?" se demande l'épistémologue.
Comme la science est un certain type, important, de connaître, "qu'est-ce qu'une science?" se demande l'épistémologue.

2) Pas vraiment, on peut même dire pas du tout ; parce qu'il n'y a pas encore de consensus minimum entre épistémologues ; ça ressortit donc pour l'instant au vaste domaine de la philosophie.

3) Je ne suis pas d'accord avec cette définition des maths. Note bien que les maths ne font pas partie des sciences expérimentales.

4) A la fois une grande focale pour appréhender la connaissance sous tous ses aspects, mais il doit aussi descendre pour examiner les choses de pas trop haut dans le ciel.

5) L'épistémologue devrait se contenter de décrire l'acte de connaître. Mais d'un autre côté il y a forcément du prescriptif qui s'introduit en douce...

[invite6c250b59]

les maths ne font pas partie des sciences expérimentales

Pour moi c'est un exemple de distinction épistémologique à priori évidente et à postériori pas nécessairement pertinente, puisque le recours à des assistants de preuves et autres algorithmes probabilistes rapproche les maths, ou du moins une partie des maths, des sciences expérimentales.

[A voir en vidéo sur Futura]

[Nicophil]

4) A la fois une grande focale pour

un objectif grand angle, c'est-à-dire à courte focale, plutôt...

[invite6754323456711]

Pour moi c'est un exemple de distinction épistémologique à priori évidente et à postériori pas nécessairement pertinente, puisque le recours à des assistants de preuves et autres algorithmes probabilistes rapproche les maths, ou du moins une partie des maths, des sciences expérimentales.

Il suffit de les retirer pour prendre conscience que le discours devient très ambigu et ne conduit qu'a des divergences de point de vue. L'objectivation d'une science expérimentale peut elle se passer d'un langage formel visant à minimiser nos a-priori interprétatif ?

Patrick

[invite6c250b59]

L'objectivation d'une science expérimentale peut elle se passer d'un langage formel visant à minimiser nos a-priori interprétatif ?

Si par formel tu entends axiomatique formellement définie, je plaiderais que toutes les sciences expérimentales s'en passent et s'en sont fort bien passées.

[invite6754323456711]

Si par formel tu entends axiomatique formellement définie, je plaiderais que toutes les sciences expérimentales s'en passent et s'en sont fort bien passées.

Sur quoi repose "puisque le recours à des assistants de preuves et autres algorithmes probabilistes rapproche les maths" ? Un discours rhétorique ?

Patrick

[invite6c250b59]

Sur quoi repose "puisque le recours à des assistants de preuves et autres algorithmes probabilistes rapproche les maths" ? Un discours rhétorique ?

Non pourquoi? Je ne pense pas que ce type de pratique des mathématiques relève d'une axiomatique formellement définie, tout simplement.

[invite51d17075]

j'avoue que j'ai aussi du mal à délimiter un périmètre clair à l'epistémologie.
les bords me semblent un peu flou.
(PS : ce n'est pas un rejet de ma part )

[invite6754323456711]

Je ne pense pas que ce type de pratique des mathématiques relève d'une axiomatique formellement définie, tout simplement.

Cela repose sur quoi alors ? Une axiomatique naïve au sens d'un développement informel d'une théorie ?

Patrick

[invite6754323456711]

Quel est le rôle d'un épistémologue dans la création du savoir ?

S'interroger sur la construction de nos savoir. Il construit une théorie et dérive des modèles pour les confronter à ses données empiriques, relativement à son objet d'étude, qui sont la construction de nos connaissances. Tout comme dans un jeux d’échec, il s’intéresse au règle du jeu et non au jeu lui même.

Pour un matérialiste l'épistémologie ne doit surement pas être perçue comme une branche des sciences, maintenant si on ne s'interroge que sur la démarche et non l'objet d'étude, en mon sens des similitudes fortes apparaissent. L'erreur est de faire la confusion entre par exemple la physique et l'épistémologie de la physique.

Patrick

[Nicophil]

Pour un matérialiste l'épistémologie ne doit surement pas être perçue comme une branche des sciences

Qu'est-ce alors ?

[invite6754323456711]

Qu'est-ce alors ?

Ma branche est plutôt le software que le hardware, je n'ai donc pas de réponse à te donner. Pour moi Software Defined Networking

Patrick

[invite6c250b59]

Cela repose sur quoi alors ?

Sur une démarche expérimentale.

[invite6754323456711]

Sur une démarche expérimentale.

on ne parlait pas alors de la même chose.

Patrick

[invite6754323456711]

on ne parlait pas alors de la même chose.

Maintenant, concernant la méthode expérimentale qui découle de modèles déduit d'une théorie (ce sur quoi je portais mes interrogations) j'avais lu une analyse épistémologique qui la présentait comme un oxymoron.

L'idée de méthode (du grec meta "vers" et hodos "chemin") caractérise une direction définissable et régulièrement suivie dans une opération de l'esprit.

L'idée d'expérience qui renvoie par contre à l'idée d'hypothèse. L'expérimental impose l'existence d'hypothèses pour construire nos modèles dans le cadre d'une théorie. Or il n'y a pas d'hypothèse sans un certain nombre d'entités imaginaires dont on postule leur "pré-existence".

Le questionnement allant au delà d'un débat de rhétorique formelle. La méthode expérimentale est elle plus méthodique, c'est à dire une préconception réfléchie d'un plan à suivre ou plus expérimentale, c'est à dire ne peut être découverte que dans une opération effective, qui ne peut se trouver qu'en
marchant.

Le questionnement doctrinal plus amont reste toujours le même inventé/découvert.

Patrick

[invite6c250b59]

on ne parlait pas alors de la même chose.

Très possible. Ton dernier post suggère que tu emplois expérimental au sens de méthode expérimentale, alors que mes propos précédents étaient plus proches du sens de science empirique.

j'avais lu une analyse épistémologique qui la présentait comme un oxymoron.

C'est un point de vue à priori bizarre mais pourquoi pas. Est-ce que cette même analyse explique/rétroprédit que la méthode expérimentale est l'approche qui compte le plus de succès?

[invite6754323456711]

Très possible. Ton dernier post suggère que tu emplois expérimental au sens de méthode expérimentale, alors que mes propos précédents étaient plus proches du sens de science empirique.

Pourtant, mon discours ne portait, du moins je cherchais à ne le faire porter que sur la notion de théorie (auquel s’applique les notions de preuve, probabilité, ...) et donc encore loin des notions de modèle et d’expérimentation qui portent sur la justification d'hypothèses (degré de vraisemblance) et non la vérification sous forme d'une preuve formelle.


Patrick

[invite6754323456711]

Est-ce que cette même analyse explique/rétroprédit que la méthode expérimentale est l'approche qui compte le plus de succès?

Est-ce que le succès de la puissance prédictive des modèles découlant d'une théorie doit être confondu avec une notion d'explication non défini ?

Patrick

[invite6c250b59]

Pourtant, mon discours ne portait, du moins je cherchais à ne le faire porter que sur la notion de théorie (auquel s’applique les notions de preuve, probabilité, ...) et donc encore loin des notions de modèle et d’expérimentation

Hé bien quand tu dis "L'expérimental impose l'existence d'hypothèses pour construire nos modèles dans le cadre d'une théorie." cela me semble décrire adéquatement la méthode expérimentale dans sa recherche de liens de causalité, mais pas les sciences empiriques au sens large puisque celles-ci incluent des démarches autres (observation sans hypothèses préalables ou démarches d'analyse "data driven"). Bien sur on peut argumenter que le simple choix des observables implique à minima une théorie sous-jacente, éventuellement implicite, selon laquelle les observables choisies pourraient être pertinentes. Est-ce le sens de tes propos?

Est-ce que le succès de la puissance prédictive des modèles découlant d'une théorie doit être confondu avec une notion d'explication non défini ?

Je ne suis pas certain de comprendre la question. Mon point est que toute analyse épistémologique de la méthode expérimentale devrait inclure l'explication de pourquoi cette méthode a eu autant de succès, faute de quoi l'analyse devrait être perçue comme profondément incomplète, sinon carrément douteuse.

[invite6754323456711]

Hé bien quand tu dis "L'expérimental impose l'existence d'hypothèses pour construire nos modèles dans le cadre d'une théorie.

Oui, sauf que mon questionnement portait sur le cadre théorique.

(observation sans hypothèses préalables ou démarches d'analyse "data driven"). Bien sur on peut argumenter que le simple choix des observables implique à minima une théorie sous-jacente, éventuellement implicite, selon laquelle les observables choisies pourraient être pertinentes. Est-ce le sens de tes propos?

La est un autre questionnement qui c'est glissé dans nos échanges. Que peut on observer sans modèle lorsque l'on cherche une interprétation ? En IA prend un robot sans aucune programmation d'un modèle au préalable, il n'est même pas capable de percevoir du bruit.

Patrick

[invite6c250b59]

Oui, sauf que mon questionnement portait sur le cadre théorique.

Typo sur la balise quote?

Que peut on observer sans modèle lorsque l'on cherche une interprétation ?

Hé bien il y a une réponse triviale et une autre réponse triviale, dépendant de comment on lit cette question. Si la question est "Que peut faire un robot après une décharge EM ayant vidée ses mémoires?", alors effectivement on pourrait dire qu'il n'est plus capable de faire quoique ce soit. Si la question est "Est-ce qu'un robot est nécessairement contraint par le modèle théorique qu'il implémente?", alors la réponse est non, pas nécessairement. Exemples: algorithme génétique, PAC learning... et tout simplement genèse aléatoire. Un koan approprié

In the days when Sussman was a novice, Minsky once came to him as he sat hacking at the PDP-6.
"What are you doing?", asked Minsky.
"I am training a randomly wired neural net to play Tic-tac-toe", Sussman replied.
"Why is the net wired randomly?", asked Minsky.
"I do not want it to have any preconceptions of how to play", Sussman said.
Minsky then shut his eyes.
"Why do you close your eyes?" Sussman asked his teacher.
"So that the room will be empty."
At that moment, Sussman was enlightened.

[invite6754323456711]

Typo sur la balise quote?

?

Si la question est "Est-ce qu'un robot est nécessairement contraint par le modèle théorique qu'il implémente?", alors la réponse est non, pas nécessairement. Exemples: algorithme génétique, PAC learning... et tout simplement genèse aléatoire.

Cela repose toujours sur un modèle et des grandeurs physiques (concepts aussi) qui sont interprétés par l'algorithmie. Sans cette programmation il est comme un légume.

Patrick

[invite6754323456711]

Cela repose toujours sur un modèle et des grandeurs physiques (concepts aussi) qui sont interprétés par l'algorithmie. Sans cette programmation il est comme un légume.

En fait on interfère avec l'autre fil : Epistémologie de la biologie VS physique

Ou des réponses possibles à cette question :

Cela repose sur quoi alors ? Une axiomatique naïve au sens d'un développement informel d'une théorie ?

Ont été données

J'inverserai : la physique, ça n'est pas que des théories, mais surtout des modèles, qui sont le prolongement des théories et qui permettent de les tester. J'irai jusqu'à dire que la possibilité de dériver un modèle d'une théorie est un bon critère de scientificité.


Boh ça c'est fait des lustres de façon très simple avec de nombreuses variation d'une théorie à l'autre.
Tu as les modèles neutralistes (les plus cons possibles), les modèles de type algorithmes génétiques, des modèles de fitness avec de la théorie des jeux etc...etc...
Les sciences de l'évolution, c'est pas chercher des fossiles : c'est principalement des maths appliquées.

Après, l'exemple de modèle le plus pédagogique et complet que je puisse vous trouver, c'est l'algorithme génétique. Il permet de montrer par A+B qu'avec une variabilité aléatoire, une sélection, et du temps, on peut obtenir à peu près ce qu'on veut. Niveau raisonnement, c'est extrêmement simple, et on peut arriver à faire des choses très complexes avec.



C'est parce que vous êtes déjà tombés dans le piège : au lieu de penser théorie de l'évolution, vous pensez évolution.
On ne construit pas un modèle en partant d'un phénomène hyper-complexe : on construit un modèle en partant d'une théorie.
Et franchement, la théorie de l'évolution, elle est extrêmement simple au fond.

Patrick

[invite6754323456711]

Un koan approprié

En Europe les réflexions menées dans le domaine de la robotique :

To Edwin T. Jaynes

Probabilistic Reasoning and Decision Making in Sensory-Motor Systems by Pierre Bessière, Christian Laugier and Roland Siegwart provides a unique collection of a sizable segment of the cognitive systems research community in Europe. It reports on contributions from leading academic institutions brought together within the European projects Bayesian Inspired Brain and Artifact (BIBA) and Bayesian Approach to Cognitive Systems (BACS). This fourteen-chapter volume covers important research along two main lines: new probabilistic models and algorithms for perception and action, new probabilistic methodology and techniques for artefact conception and development. The work addresses key issues concerned with Bayesian programming, navigation, filtering, modelling and mapping, with applications in a number of different contexts.

Over the next decades, probabilistic reasoning will provide a new paradigm for understanding neural mechanisms and the strategies of animal behaviour at a theoretical level. This will raise the performance of engineering artefacts to a point where they will no longer be easily outperformed by the biological examples they are imitating.

The coordinated works presented in this book are motivated by this conviction and aim to advance in this direction.
The twin common scientific objectives are:
• to reconsider in the light of Bayesian probabilistic reasoning our methodology, models, algorithms and techniques for building artefacts for the “real world”. We gain inspiration from the way living beings have evolved and adapted to the properties of their natural environments, and constructing robots that use these principles;
• to provide a firm Bayesian basis for understanding how biological systems may use probabilistic logic to exploit the statistical properties of their environments, both at the level of neural mechanisms and at the level of strategies, and to use robots to test the validity of these ideas.

To reach these objectives, three axes of research and development have been addressed:
• Neural basis of probabilistic inference: The objective of this first axis of research is to identify how the nervous system does (or at least may) implement probabilistic inference. This hypothesize to propose well-defined models of how probabilities are represented and manipulated, and to test predictions with psychophysical performance measures and studies of regional brain activation. The goal is to improve our understanding of neural mechanisms and derived new ideas for the implementation of probabilistic inference in engineering systems.
• New probabilistic models and algorithms for perception and action: The main goal of this second axis is to illustrate how probabilistic computation may account for global behaviours of organisms in interaction with their environment. In this book, the focus is on specific questions concerning multisensory perception and motion control. New probabilistic models that explain the observed behaviours in humans and animals are proposed and some are implemented on autonomous robots.
• New probabilistic methodology and techniques for artefact design and development:
The third axis’ aim is to explore how the Bayesian inference and learning paradigm may be used to develop robots that acquire repertoires of reactive probabilistic behaviours (synergies) and build combinations, hierarchies and temporal sequences of these behaviours (strategies).


This book is an outcome of two successive European projects: BIBA (Bayesian Inspired Brain and Artifact) and BACS (Bayesian Approach to Cognitive Systems).

Using a common formalism and modeling methodology called Bayesian Programming, this book describes the main outcomes of the last two axes of research.

...

The programmer of the robot has an abstract conception of its environment. He or she can describe the environment in geometrical terms because the shapes of objects and the map of the world can be specified. The environment may be described in analytical terms because the laws of physics that govern this world are known. The environment may also be described in symbolic terms because both the objects and their characteristics can be named.
The programmer uses this abstract representation to program the robot.
The programs use these geometric, analytic and symbolic notions. In a way, the programmer imposes on the robot his or her own abstract conception of the environment.

Patrick

[invite6c250b59]

Sans cette programmation il est comme un légume.

Sans neurone nous sommes des légumes. Certes.

En fait on interfère avec l'autre fil

Cet autre fil a accumulé une masse de déclarations surprenantes, est-il indispensable de les importer?

En Europe les réflexions menées dans le domaine de la robotique :

D'abord l'approche Baysienne n'est en rien spécifique à l'Europe, pas plus que le PAC learning ou les algorithmes génétiques ne sont spécifiques à l'Amérique. Drôle de dichotomie! Ce détail mis de côté, ta réponse reste bizarre. Oui l'approche Baysienne n'a pas formalisé de capacité à sortir d'un ensemble des possibles construit à la base. Et alors? Je t'ai donné d'autres exemples!

C'est comme si, à la question de savoir s'il existe des grattes-ciels, je disais oui (Burj Khalifa), et tu me répondais, non, en France la Tour Eiffel n'est pas considéré comme un gratte-ciel. Certes, mais cela ne change pas que Burj Khalifa est un gratte-ciel... et la France n'est d'ailleurs pas dépourvue de gratte-ciel (Tour Montparnasse).

[invite6754323456711]

Cet autre fil a accumulé une masse de déclarations surprenantes, est-il indispensable de les importer?

La notion de déclaration surprenantes est relative.

D'abord l'approche Baysienne n'est en rien spécifique à l'Europe,

Oui, ou il y a écrit l'inverse ? Pourquoi à chaque fois cherches-tu à changer le sujet ou faire dire ce qui n'est pas dit ? Une forme de rhétorique ?

Patrick

[invite51d17075]

merci pour vos échanges, mais j'ai peur que l'on dérive en partant sur la robotique.
( je parle en tant que lecteur de ce fil ).
je crains aussi de ne pas comprendre Jiav quand il évoque l'"expérimentation empirique" ( sous entendu hors cadre d'une démarche liée à une théorie ou à un modèle ).
aulourd'hui le sheme général axiome-théorie-modèles-expérimentation ( dans l'ordre peu ou prou ) et rétroaction en cas d'impasse semble être largement partagé dans les démarches scientifiques.

mais je ne reduit pas l'épistémologie à cet ensemble permettant au moins de valider une forme de rigueur partagée.
sans employer de "gros mot" je qualifierais bien l'épistomologie comme une sorte de "meta" reflexion sur l'approche d'un sujet.
et ICI ....des sciences.

[invite6754323456711]

merci pour vos échanges, mais j'ai peur que l'on dérive en partant sur la robotique.

La robotique me semble pourtant un bel exemple pour se construire une "compréhension" concernant la construction de nos connaissances. Une machine inerte ou tout est à construire, rien n'est donné.

Patrick