Faire vivre les ressources numériques dans la bibliothèque ...
A faire dans les diapos - michaelsinatra.openum.ca
Transcript of A faire dans les diapos - michaelsinatra.openum.ca
2019-06-22
1
Humanités Numériques Ingénierie du sens ou herméneutique matérielle ?
Jean Guy Meunier
Laboratoire d’analyse cognitive de l’information ( LANCI)
Université du Québec a Montréal 1
Un article choc: New York Times nov 5 2018
https://www.nytimes.com/2018/11/05/opinion/artificial-intelligence-machine-learning.html?fbclid=IwAR27lBbJh2MnX94tKsTNuwN6_LcA4cdVrRgfCfb3uQxoYumBvcvabollJAQ
I’ve witnessed the failure of similar predictions of imminent human-level A.I., and I’m certain these latest
forecasts will fall short as well. The challenge of creating human like intelligence in
machines remains greatly underestimatedToday’s A.I. systems sorely lack the essence of human intelligence:understanding the situations we experience, being able to grasp their meaningMichel Melanie New York Times Nov n 5 2018
2
Vision 1 des HN: une extension naturelle
des Humanités ?
• Pour • Digital Humanities is an extension of traditional knowledge skills and
methods, not a replacement for them. Burdick ,Anne, Drucker,J. Lunefeld, Presner T, Schnapp J.,(2002)Digital Humanities MIT Press.
• Les digital humanities désignent une transdiscipline, porteuse des méthodes, des dispositifs et des perspectives heuristiques liées au numérique dans le domaine des sciences humaines et sociales
• (Manifeste des Humanités Numériques de 2010
• Les humanités numériques recouvrent un ensemble de pratiques de recherche à l’intersection des technologiesnumériques et des différentes disciplines des sciences humaines.
• Dacos et Mounier 2014)
• contre• la prétention des humanités numériques à redistribuer les cartes des
SHS » et reviennent sur l’ambition programmatique « révolutionnaire » que leur attribuent certains de leurs imprudents zélateurs
• Granjon et Christophe Magis( in Variations 19 2016
• Est un « star system » de l’économie libérale• David Shumway’s 1997
• I worry that digital humanities projects might serve as something like gateway drugs for administrators addicted to quick fixes and bottom-line approaches to the structural problems
facing higher education today• The Dark Side of Digital Humanities:Dispatches from Two Recent
mla Conventions
• “What digital humanities is not about, despite its explicit claims, is the use of digital or quantitative methodologies to answer research
questions in the humanities,”
• Allington Brouillette Columbia 2016
• Manque de compréhension des presupposésthéoriques sous jacents à la computation Meunier, Chartier 2015
• De nombreux projets HN • L’expert des humanités est maitre d’œuvre
• Objectis de la recherche : identifier des artefacts sémiotiques
• Identifier des composantes et structure de sens.
• L’ordinateur est outil secondaire
• Exemples
• L’édition numérique
• Les patrimoines numériquqes <
• EX BNF, Gallica. TLF
• Les art et le Numéiriques :
• Le Louvre , Les ballets, la Musique
• Les Analyses
• de journaux , de discours
• Macron
• Les analyses l Littéraires
• Constats : une herméneutique étendue • La méthode classique des humanités est dominante,
mais dite respectée
• L’outil matériel est dit « neutre »
• L’interprétation est entre les mains du spécialiste
• Produit des nouveaux « observables «
3
Vision 2 Une technologie appliquée au sémiotique :
Les outils informatique est appliqué aux artefacts signifiants
• La langue
• La traduction
• Le texte
• L’internet
• Les grandes bibliothèques numériques
• Les communications• Les réseaux sociaux
• Les media multimodaux
• Les arts et la culture
• Les jeux, les musées , la musique,
• Les outils
• La transmission,
• Les bases de donnés -Données massives
• Le traitement du langage naturel
• Moteurs de recherche,
• La classification
• L’apprentissage
• machine.
• L’apprentissage profond
• Impacts de l’informatique sur les humanités
• L’Interprétation est secondaire
• L’informaticien est maitre d’œuvre
• L’informaticien est ingénieur du sens.
• L’expert du sémiotique est consultant
Informatique : ingénierie du sens
• Pour
• IA est un traitement de symboles
• “Scientist in AI saw computers as machines that manipulated symbols. The great things was, they said that every thing could be encoded into symbols, even numbers.’[Newell 1983: p 196.].
• Google Book projects et Le traitement de la langue•
• ‘The Library Project’s aim is simple: make it easier for people to find relevant books’
• . . . become the largest online body of human knowledge [become the largest online body of human knowledge [
• Les n gram de google
• L’Informatique culturelle
• The establishment of a computational culture depends on the spread of computational thinking throughout every fabric of our society
• Lynda Hardman and Jacco van Ossenbruggen, Lora Aroyo, Eero Hyvönen, (guest
editors) (2009) ‘Access and Experience Cultural Heritage’ Intelligent systems 1541–1672/09 2009 2
• Bien que les réponses aux dimensions computationnelles de la culture ne soient pas claires nous devons les prévoir car nous ne pouvons tout simplement pas nous permettre de ne pas en voir les conséquences .
• Fei-Yue Wang Chinese 2009 Academy of Sciences 1541-1672/09/Intelligent systems IEEE Computer Society : 2 2
• Contre
• Le mur du meaning
• La perte du patrimoine culturel aux mains des entreprises et de la technologie
• Etc. 4
1 2
3 4
2019-06-22
2
Des tâches différentes
• ,
Rechercher , Ecrire , Transcrire, Traduire Editer, Écouter, Lire , Analyser, Décrire, Annoter, Déduire, Définir,Commenter, Représenter , Illustrer , Résumer, Comparer, Paraphraser,Classer, Structurer, Synthetiser, Réviser, Critiquer, Diffuser, Publier, . EtcL'École d'Athènes
Les tâches numériquesNumériser algorithmiser, calculer, tweeter, googleler,Programmer, debogger, visualiser, experimenter,valider ,Mettre en mémoire, compiler,Compresser, etc
5
Une tension, un paradoxe: une contradiction entre Humanités et numérique.?
-Comment penser cette relation ?
-quelles formes de connaissances sont les HN ?
-peut-on les voir comme un mode de connaissance scientifique?
Hypothèse de réponse
- une ingénierie du sens / signification?
- une herméneutique matérielle? ( Bachimont )
6
Les visions classiques de la science « est construction de théories « vraies » ».
Exemples classiques Les sciences naturelles « dures »
• Physique classique
• Dynamique de Newtonnienne
• Thermodynamique
• Théorie quantique etc. B
• Biologie
• Medecine
• Économie
Définitions classiques :
Une théorie scientifique est:
- un type de connaissance du monde ,
- qui produit des -explications
- sous forme d’énoncés nomologiques( lois)
- _exprimées dans un système sémiotique formel ( un langage)
- - règlée par une syntaxe et une sémantique
- -vérifiable empiriquement par
observation.
7
Theories are a collection or sets of formal
sentences in a given domain language (
Campbell 1920, 122;
Hempel 1958, 46; cf. Carnap 1967 [1928], §156,
Mise en question de la thèse classique • Constat
• Limite de la vision syntaxique et sémantique
• oublie du sens• L’expérimentation est
limitée: remplacée par la simulation informatique.
• Inadequate pour les phénomènes complexes
• peu pratiquée dans les faits
8
To explain a phenomenon is to find a model that fits it into the basic framework of the theory and that thus allows us to derive analogues for the messy and complicated phenomenological laws which are true of it. (Cartwright, 1983:52)
Besoin d’une nouvelle vision de la science
5 6
7 8
2019-06-22
3
Des nouvelles visions de la science en philosophie des sciences -La Science est une pratique cognitive complexe .-Les théories sont formes complexe de « représentations »
-Les «représentations» sont des modèles
-les modèles sont multiples
les théories scientifiques sont des intégration d’une multitude et différents types de modèles
• Nous ne raisonnons que par modèles. » (Paul Valery)
• A theory is “
• “a discourse used by scientists to express “principles that govern a group of phenomena
• Morgan and Morrison (1999:13).
• « We communicate only by models» (G.) Bateson).
• ‘what is new and distinctive in the science of our time is the existence of complex mediating models which themselves have explanatory power and which embody techniques of modelling which can be refined and passed down to successor models, even though the models never themselves can function as background theories” Morton, 1993, p. 664)
Duhem Bachelard Quine Feyerabend Giere Carthwigh Morrison Latour 9
Les modèles…
• Les modèles sont • des artefacts épistémiques qui• Des points de vue « différents »
sur les phénomèmes• Qui fournissent des descriptions ,
des explications et des compréhension des objets de recherche.
• Ont de multiples des formes d’expression.
• formel , non formel, iconique computationnel, conceptuel etc
• sont interreliés et divers
• Bref Des médiateurs entre la théorie et les phénomènes Morgan & Morrison, 1999:15
• Et permettent la communication dans et entre les communautés épistémiques
• ’to explain a phenomenon is to find a model that fits it into the basic framework of the theory and that thus allows us to derive analogues for the messy and complicated phenomenological laws which are true of it. Cartwright (1983: 22)
• Models anchor the diverse pieces of the mosaic of knowledge to a description of a phenomenon, on the one side, and to the methods and tools, experimental or theoretical, used to obtain each piece of the mosaic, on the other. (Baetu 2013 : 2)
•
Les modèles sont des points de vue
10
Et le « numérique » repose sur la modélisation…• Informatique
• John Von Newman• « the sciences do not try to explain,
they hardly even try to interpret, they mainly make models » :
• John Von Newman1961 42
• Marvin Minsky
• "To an observer B, an object A* is a model of an object A to the extent that B can use A* to answer questions that interest him about A" (Minsky 1995 Marvin Minsky 1961 42
• Newell • “Modeling " is neither more nor
less logical than " Reasonning " ».Newell 1989
Sciences cognitives
• Mc Clelland• Models are research tools that have their
strengths and weaknesses, like other tools we use as scientists Mc Clelland2009: 12
Bateson• Nous ne communiquons que par des
modèles» (G.) Bateson
• computers are essentially modeling machines, not knowledge jukeboxes Mc Carthy 2004
11
Omniprésence de modèles dans les sciences.• Devenus importants dans systèmes
complexes• astrophysique• Climatologie,• ingénierie• économie• Environnement, • Intelligence artificielle• Neuro sciences • Sciences humaines• Psychologie cognitive
• Omniprésence de modèles dans les humanités
• Les tâches • Les tâches : Rechercher , Ecrire , Transcrire,
Traduire Editer, Écouter, Lire , Analyser, Décrire, Annoter, Déduire, Définir,Commenter, Représenter , Illustrer , Résumer, Comparer, Paraphraser,Classer, Structurer, Synthetiser, Réviser, Critiquer, Diffuser, Publier, . Etc
• ‘what is new and distinctive in the science of our time is the existence ofcomplex mediating models which themselves have explanatory power and which embody techniques of modelling which can berefined and passed down to successor models, even though the models never themselves can function as background theories’
• (Morton, 1993, p. 664).
• (Hesse’s (1966). Redhead, 1980) and (Wimsatt, 1987), and parts of (Bunge, 1973) and (Cartwright, 1983.]
12
9 10
11 12
2019-06-22
4
Modèles conceptuels
Exemple modéliserla tornade
comment conceptualise-t –on les objets ou opérations réalisées dans une tornade ?« PRESSION » « TEMPERATURE » VITESSE », INDICE DE DANGER! « ROTATION » « HUMIDITE » « PARCOURS »
:Quelles sont les - fonctions mathématiques
Quelles sont les technologies?Pour calculer / simuler ?
Quels sont les algorithmes pour
effectuer le calcul des fonctions?
Modèles formelsmathématiques Modèles
physiques
Modèles formels computationnels
Exemple modéliser une tornade
. J. SERRIN (1972).
Modèle de Serrin: Fonction Navier Strokes
13
Modèles conceptuels
EXEMPLE sciences cognitives; le triangle KanizsaPetitot’s (2009) In cognitive science s
14
conceptualiser les objetrs cognitifs Objets complexes
Quelles sont les propriétés Phéménologiques
:Quelles sont les -Fonctions mathématiques
Algébrique, géométrique, Systèmes dynamiques,
What neural structures?
What are the/algorithmes?
FormalMathematicalModelsl
Modèles physiques biologiques
Modèles computationnels formels
Modèles conceptuels
Panneau de circulation
Quelles sont les actions ?
:Quelles sont les regles
Quelles sont les technologies?
Quelles sont les /algorithmiques?
Modèles formels
Modèles formels computationnels
Modèles physiques informatiques
16
Modèles conceptuels
:
Quels sont les algorithmes?
Modèles formelsmathématiques
Modèles formels computationnels
Modèles physiques informatiques
M theoriqueMeta modele
Statistique
probabiliste logique
geométique
Connexionnist
e«multiagent
S expert Apprentissage
nductif
algébique
Multides de sous modèlesPour chacun des modèles
17
13 14
16 17
2019-06-22
5
18
Focus sur quatre types de modèles
• formel
• computationnel
• informatique
• conceptuel
• 4 modèles
• Spécifiques
• Interreliés
19
2Les HN et le modèle formel
20
un système formel…
• Est une structure syntaxique• un modèle est dit formel s’il construit des énoncés , formules,
expressions, constitués par une « grammaire » régit par
• A) un ensemble de fini de symboles de divers types
• ( vocabulaire : constantes , variables ,fonctions,. Opérateurs etc. )
• B) des règles strictes de composition de ses symboles .
• permet
• inférentialité Recursivité, énumabilité compositionalité complétude etc
• Est sans sémantique• Est dit interprété s’il réfère a des entités et des relations dans un
domaine spécifique
• Est l e prototype d en sciences ,( Carnap)
• Exemples• Les logiques
• F(x) = X (Px=> Qx)
• Les Algèbres
• x2+y2=z4s
• Les Grammaires
• SN➔ ART +NOM
• Les graphes
•
By the procedure of explication we
mean the transformation of an inexact,
prescientific concept, the explicandum,
into a new exact concept, the
explicatum
Carnap :1950
Un formalisme se présente en effet comme un système de symboles soumis à des règles de
manipulation. J. Ladrière Les limitations internes des formalismes 1957
The idea is that there is a class of systemswhich manipulate symbols. and the
definition of theses systems whichmanipulate symbols is whats behindthe programs in AI. (Simon et Newell Ibid.
1976:p 116)».
21
18 19
20 21
2019-06-22
6
Définitions sémantiques
• -Un modèle formel sémantiquement interprété
• Associe aux symboles <une référence dans un monde possible.
Contraintes Implicites
• Les symboles ne sont pas ambigus.
• Distinguer • quantitatif et qualitatif •
• La sémantique peut être explicite• A la Tarski
• in the form of a set of equations—represents a target system indirectly, via an intermediate ‘matching model’ that is posited as isomorphic to the target system. (Gelfert 2011:p. 273
• With a model of an information processing system, it becomes meaningful to try to represent in some detail a particular man at work on a particular task. Such a representation is not a metaphor, but precise symbolic modelon the basis of which pertinent specific aspects of the man's problem solving behavior can be calculated« [ Newell and Simon , 1972, p. 5]
Est surtout implicites Les modèles ont souvent une sémantique implicite
:
• "
22
Exemple d’un modèle formel :un énoncé dans un langage algébrique
•
• Est une formule f bien faite selon une grammaire de type générative
• est sans sémantique !
• f ➔f=f
• f➔ s + s • s➔ un symbole de
variables , constantes,
• + est un opérateur de concaténation
• ➔ est un opérateur de réécriture, ou de transformation.
• = est un opérateur d’équivalence
+ est un opérateur de règles de transformation
23
- Exemples de modèles formels (algèbre) en sciences cognitives
-•
xi(t+1)-xi(t) =D ( xi) = -Axi + + Ii
By the procedure of explication
we mean the transformation of an
inexact, prescientific concept, the
explicandum, into a new exact
concept, the explicatum
Carnap :1950
“the analysis then states an appropriate relation of equivalence between the analysandum and the analysans”Langford 1942
24
Sont sans sémantique
Exemple de modèle formel en linguistique ;• Une grammaire
générative
•• S➔ SN +SV• SN➔ ART +N • SV➔ V+ SN •ART➔中。•N➔ 狗 , 骨 , 骨• V➔ 吃 ,喝
• Note
• Sont sans sémantique
25
Sous forme de graphe
22 23
24 25
2019-06-22
7
Exemples de modélisation formelle en sciences humaines
• Modélisation logique prédicative de phrases biblique Weingartner ( 2017 )
• Dieu est omniscient• Al l What God Knows is true
• p (gKp➔p )
• Dieu connait tout a propos de monde et de sa création
• p ( (p T (g) v p T (LM) v p T(CR))➔gKp• Traduction:
• for all propositions p
• they are true propositions about god p T (g)
And
they are propositions that are true about the World p T (LM)
And v
are true about the p T(CR))
then
God knows gKp
26
Modélisation formelle de l’analyse en HN
27
Propriétés 1 a n
l des artefacts 1 a N
Tableau de présence
absence des propriétés
oui
oui
oui
Non
oui
oui
ouioui
non
ouinon
oui non
ouioui
oui
28
Transformation de la matrice en vecteurs
O
O
O
OO
1
O 11
O
1 1
1 O 1 1
1 O 1 1
1 O 1 1
1 O 1 1
1 O 1
O
OO
O
V4
V2
V3
V1
V.
..
Vn
11 O 1 1 O
O
Chaque objet est vu comme un vecteur de propriétés
Objet 1
Objet 2
Objet 3
Objet 4
Modèles formelsmathématique s
A1
Transformation du tableau présence / absence en matrice
29
O
O
O
OO
1
O 11
O
1 1
1 O 1 1
1 O 1 1
1 O 1 1
1 O 1 1
1 O 1
O
OO
O
A4
A2
A
A1
A...
An
11 O 1 1 O
O
P1
p2
p4p3
p5 p6
Traduction simple pn
26 27
28 29
2019-06-22
8
30
Modélisation vectorielle
S1
S
2
S
3
S
6
S
4
S
4
Modèle vectoriel Word to vec
Multiplicité des modèles formels en HN
Mathématiques • Rn
• Réseaux de neurones formels
• Classifieurs • Analyse en composante
principale
• Réseaux bayésiens.• Clustering
• LDA • Sémantique vectorielle Salton
(1975)
• Sémantique latente• Word embedding
logico grammatical
• Logique ( Carnap 1947)
• Graphes + arbres syntaxiques ( Martinet 1947, Chomsky 1967)
• Grammaire distributionnelle
• Harris ( 19xx)
• Grammaire catégorielle• Montague »(1973),
• Shaumjan Desclées «(1962)
•
Les tâches : Rechercher , Ecrire , Transcrire, Traduire Editer, Écouter, Lire , Analyser, Décrire, Annoter, Déduire, Définir,Commenter, Représenter , Illustrer , Résumer, Comparer, Paraphraser,Classer, Structurer, Synthetiser, Réviser, Critiquer, Diffuser, Publier, . Etc
31
Conséquences:
• Si ..On se contente de donner à un physicien une équation , on ne lui enseigne rien du tout...
• En physique une équation , détachée de la théorie qui y a conduit , n’a aucun sens….
• Duhem 1902
IfSi ..On se contente de donner à un humaniste une équation , on ne lui enseigne rien du tout...Dans les Humanités Numériques une équation , détachée de la théorie qui y a conduit , n’a aucun sens….
Pseudo Duhem
32
Le modèle formel et les HN • Ingénierie du sens ?
- un choix des symboles
• -construction d’une structure de symboles
• explicite des relations dans l’objet sous étude
- Herméneutique matérielle ?
- Toute construction formelle est interprétation
- Tout modèle formel est chargé théoriquement
- Bachelard . Lauden
- Est sans sémantique - Est orienté tâche
33
« Parmi toutes les constructions que l’on peut combiner avec les matériaux fournis par la logique, il faut faire un choix; le vrai géomètre fait ce choix judicieusement parce qu’il est guidé par un sûr instinct, ou par quelque vague conscience de je ne sais pas quelle géométrie plus profonde, et plus cachée, qui seule fait le prix de l’édifice
construit» (SM : 129, 1912). Poincaré
30 31
32 33
2019-06-22
9
conclusion sur le modèles formels
• Le formel • Un ensemble d’énoncés• exprimant des structures
de relations • Non fonctionnelles et • fonctionnelles
• A propos d’artefacts signifiants
•• n’est pas nécessairement
quantitatifs: ie sur des nombres…
limites• non suffisant pour être
computationnels
34
3Les HN et le modèle computationnel
35
Notionprélimminaire :La calculabilité à la Hilbert /Turing
• Une fonction mathématique est calculable sil y correspond une procédure abstraite de preuve
• Turing : une machine A abstraite
36
Machine A Abstraite
Fonction récursive
-
• Une machine abstraite est une fonction quiva d'un “état à un autre d'état.
• (l,q, t,y) -> (f’ q’, t’ , y”)
• (l,q,#, w) ->(f” q’,#»,y»)
Distinguer fonction calculabe vs fonction computable
La thèse de Turing
• Une fonction calculable est computable sil y correspond une procédure physique concrète
37
Fonction récursive
-
• (l,q, t,y) -> (f’ q’, t’ , y”)
• (l,q,#,w) ->(f” q’,#», y»)
Distinguer fonction calculable vs fonction computable
34 35
36 37
2019-06-22
10
La thèse Church- Turing
A Turing machine algorithms de Markov
les procédures fo9nctionnelles
lambda-définissables et récursives, les
formes canoniques normales de Post
(1943, 1946),Church
la logique combinatoire de Schönfinkel
(1924,) Curry 1929, 1930, 1932), les. »
Les automates de Kleene
Les machines de Gandy
Les grammaires génératives de
Chomsky ( 1957 )
= =
Roger
« La même classe de fonctions partielles (et donc de fonctions totales) est obtenue dans chaque cas " ( Rogers 1987 :19)Denning
« any computation one might naturally regard as possible to carry out can be performed by some Turing machine having aset of instructions « Denning 1972: 475
Feferman.the effectively computable functions are exactly those computable by a Turing machine. Feferman 2006: 1203
S0are:A function is intuitively computable if and only if it is computable by a Turing machine, or equivalently if it is specified by a recursive function. Soare 2008: 21
Exemple de modèle formel computationnel
Exemple fonction calculable
Somme de n premiers entiers
• Sous forme de fonctions récursives
• .
• ( 4+1)/2= 10
39
S= 1+2+3+4=10
Sous forme de algorithme
Il y une infinité d’algorithmes possibles
Les modèles computationnels en HNalgorithmes classiques
-les descripteurs statistiques , linguistiques
les classifieurs
• Les logiciels clef en mainIramuteq ,Atlas,
• les langages adaptés au HN • Python, « R »Mathematica
• Les librairies pour les Hn• , Open source
• Paradigmes émergeants• enrobabe de mots• Reseau de neurones
• Convolutifs,• Récurrents
• apprentissage machine• Apprentissage profond
41
Exemples d’opérations en HN atraduire en fonctions récursives
• Fureter
• Naviguer
• Convertir des signaux
• Contextualiser des mots (concordance)
• Lemmatiser
• Fouiller des textes des sites
• Extraire r des connaissances
• Catégoriser , classifier
• Visualiser
• Analyser la structure
• syntaxique
• morphologique
• Semantiq ue
• Les cooccurrences
• Analyser
• Le sytle
• Les themes,
• l;e lexique
• Less concepts
• Les liens hypertexts , intertextes
• Reseaux sociaux
• ¸les sentiments
42
38 39
41 42
2019-06-22
11
Traductions des fonctions récursives en algorithmes / programmes / logiciels
• Francophones• Alceste; TEXT mining• Spirit, INtext• Sphinx• Iramutek• EXCOM• Lexter• Tropes Tatoe• SPadT,• Voyant • Hyperbase • Flemm v3.1 : Analyseur
Flexionnel du français pour des corpus étiquetés
• Anglophones • Latent semantic• LDA • Voyant
• ANTCONCT • Textminer
• Dreamweaver• XML , TEI, SGML : • Epidoc , Exist /HTML-Kit
43
Petit probleme ! Le non computable
44
Les importantes problématiques de la calculabilité / computationnalité • Le Einsheidung probleme de Hilbert
• Le théorème d’incomplétude de Godel :
• Le Probleme de l’arrêt de Turing
• L’indécidable de Chatin
• Et bien d’autres…
• Undecidability and incompleteness are everywhere, from mathematics to computer science, to physics, to mathematically-formulated portions of chemistry, biology, ecology, and economics. (Chaitin et da Costa, 2012 : 2).
•
• Everywhere, from mathematics to computer science, to physics, to mathematically-formulated portions of chemistry, biology, ecology, and economics. (Chaitin et al., 2012)
• The subject (of computation) is primarily about incomputable objects not computable ones, Soare2009: 59
Wassily Kandinsky,
Composition VII, 191345
L’ampleur du non computable :
.
46
Le defi des fonctions computables-le theoreme de Godel's: - -la thèse de la complexité de Chaitin
La majorité des fonctions mathématiques sont non calculables
Nombre de fonctions calculables:
Nombre de fonctions
Non calculable: 2
)
Non computable = non algorithmique (i.e. non calculableimplique dans tous les cas.
il existe un ensemble de
lesquelles il n'existe pas et ne
peut exister de solution
algortithmique! (Rogers, 1987:
22
43 44
45 46
2019-06-22
12
exemples de non calculabilité:Les polyomino
• Penrose ,(1992, 1997
• jeux de tuiles qui peuvent recouvrir un plan
• démontré que ces recouvrements de surface par des tuiles sont déterministes i.e. elles ne sont pas récursives ou algorithmiques.
• il n'y a pas de procédure pour décider quand un polyonymo recouvre entièrement un plan
• .
• Est une question indécidable =non algorihmique.
.
47
Exemples « concrets »de non computables
Toutes l es fonctions ne sont pas calculables! Donc impossible a traduire en fonction récursive et en algorithme.
Exemple
• 1)x+8=5y
• (qui transformée devient x+8-5y=0)
• Cette équation a une infinité de solutions possibles
• 2) x2=2y2
• Cette équation n,a pas d’autres solutions que x=0 et y = 0
• 3) x2+y2=z4
• Possede une infinité de solutions .
• 4)y2=2x4-1
• ne possède pas de solution( Ljungren, en 1942 )
• 5) x18-y13=1 : conjecture « des catalans »
• Pas de solution non zero
les équations diophantiennenes est un probleme indécidable
• Un système d’équation du type suivant :
• 3x2y − 7y2z3 = 18
• 7y2 + 8 8z2 = 0
• Est non calculable preuve: Yuri Matiyasevich
• Pour une fonction ,il n’est pas toujours
possible de trouver l’algorithme :
• Et Il n’en n’existe pas toujours
48
La solution de Turing : The Oracle Machine
• an oracle machine (o-machine): roughly a Turing a-machine which could interrogate an oracle” (external database) during the computation.(
• Soares,2008 (OC) : Saores2008 : 5
v
Oracle
Turing machine : A machine
O -machine
49
“ ... the classical Turing paradigm may no longer be fully appropriate to capture all features of present-day computing.”
- J. van Leeuwen, J. Wiedermann, The Turing Machine Paradigm in ContemporaryComputing. In Mathematics Unlimited - 2001 and Beyond, LNCS, 2000
Solutions de Turing
• Turing: oracles• et la hiérarchie des
fonctions .• À la mode:
hypercomputation• Exemples d'oraclle• Heuristique • Base• Internet • Dans le monde du Real
Computing l'Oracle peut être appelé une base de données ou un environnement. "L'Oracle peut être appelé une base de données ou un environnement." (Soares 2009:41
• with some unspecified means of solving number-theoretic problems; a kind of oracle as it were. …
• With the help of the oracle we could form a new kind of machine (call them o-machines), having as one of its fundamental processes that of solving a given number-theoretic problem. …
• We shall not go any further into the nature of this oracle apart from saying that it cannot
be a machine.
• Turing 1939 : 161
50
–
–
Oracles
47 48
49 50
2019-06-22
13
Bref
51
On découvre en IA !
j
52
Dans Nature Machine intelligence janvier 9 ,2019
Des Oracles à Hermes.
• Dans la tradition des humanités,
• L’Oracle s’appelait Hermes!
• Et lorsqu’il s’est mis a travailler sur des textes, son travail s’est appelé « herméneutique »
53
Le non computable en HN?
• Les chaines de traitement
• Le dialogique
• L’interprétation comme dialogue
• L’interprétation située
• Le texte comme base de connaissance s
• La fouille interactive du web
• Soare : • L’interaction avec l’environnement • Le web
• An online or interactive computing process is one whichi nteracts with its environment,( Soares,2009 (OC) : 41
• “an oracle may be called a database or an environment.” Soares 41
• an oracle machine (o-machine): roughly a Turing a-machine which could interrogate an \oracle” (external database) during the computation.( Soares,2009 (OC) : Soares 2009 5
• This is analogous to a laptop computer with no active connection to a database which may later be connected to the World Wide Web Soares 08 : 25
54
51 52
53 54
2019-06-22
14
Les HN et le modèle computationnel• Ingénierie et le sens ?
• Les projets HN sont ils computables?• Y a-t-il plus de oracles
que de fonctions computables
• Herméneutique matérielle ?
• Les algo ne sont qu’un type de modèles formels qui sont des interprétations.• Quelles réalités, tâches, sont
modélisées par les fonctions computables?
Si ..On se contente de donner à un physicien une équation [calculable], on ne lui enseigne rien du tout...En physique une équation [calculable] détachée de la théorie qui y a conduit , n’a aucun sens…. Duhem 1902
Duhem 1902
55
Si ..On se contente de donner à un humaniste une programme on ne lui enseigne rien du tout...Dans le s humanités numériques une programme , détachée de la théorie qui y a conduit , n’a aucun sens….
Pseudo Duhem 2019
4Les HN et le modèle informatique
56
rappel: La thèse de Turing
• Une fonction calculable est computable sil y correspond une procédure physique concrète
57
Fonction récursive
-
• (l,q, t,y) -> (f’ q’, t’ , y”)
• (l,q,#,w) ->(f” q’,#», y»)
Distinguer fonction calculable vs fonction computable
La technologie humaine de calcul
58
scribes
et bien d’autresComputor
Algorithme Calculer une Fonction récursive
• Extraire, ajouter, multiplier, diviser, factoriser....
•
•
55 56
57 58
2019-06-22
15
La computation physique
59
• Extraire , multiplier, additionner, diviser , etc
•
•
Fonction récursive
: « computOR »
Fonction récursive
GRID COMPUTER
Modèle informatique
• un modèle informatique est la forme d’architecture de type electroniqueélectronique et qui réaleffectue la computation
• .Ilen existe plusieurs type
• Architecture de Turing
• architecture Von Neuman
• Architecture parallèle Gandy
• Machines analogiques
• Machines quantiques
• l’architecture distribuée, nuagique..• Grid Computing• permet une vitesse et une puissance
de traitements computationnels impossible auparavant.
• Les ordinateurs ….
60
Le rôle de la modélisation informatique dans les sciences. • omniprésente dans les sciences contemporaines
• (Beatu, 2013 ; Rheinburger 1997 ; Leonelli, 2007, Weinberg 2007, 2015 Dahan et Delmonaco 2004)
• Importance dans la recherc he pour
• explorer des phénomènes difficiles à observer dans un court temps et dont certaines propriétés sont bruitées, irrégulières, évolutives
• des modèles formels computationnels de grande complexité
• les calculs bayésiens, les systèmes dynamiques, chaotiques, les réseaux de neurones, l’algèbre vectorielle les classifieurs, l’apprentissage machine, l’apprentissage profond, les grammaires catégorielles, les réseaux sémantiques, etc modèles statistiques inductifs, aux modèles dynamiques, chaotiques, stochastiques probabilistes, neuronaux
• Renouvelller les formes expérimentales, • Consolide démonstrations, les preuves, les
validations, les falsifications, les évaluations, la dynamique d’échange, de contrôle, de publication, etc. B
• Impact
• modifie le raisonnement scientifique. Il n’est plus simplement nomologique déductif. La théorie opère avec et entre des modèles.
• exemple : la climatologie, l’économie, l’ingénierie l’astrophysique, les sciences de l’environnement, la médecine, etc.,
• Limites
• un ordinateur ne peut « calculer » que ce qui est computable.
• Et ce qui est computable est une infime partie de ce qui est formellement modélisable
• EXEMPLE un Pentium 1994 ramenait toujours les mêmes résultnts pour de certaines divisions en raison d’une coupure trop rapide de la virgule flottante.
• https://en.wikipedia.org/wiki/Pentium_FDIV_bug
61
Les computeurs matériels • Les artefacts physiques
• Les machines analogiques /mecaniquesUne balance• Une montre
• La computation quantique
• La computation optique• Logique photoniques • Radars optiques de synthèse,
corrélateurs optiques, Processeurs optiques
• La computation chimique• Les réactions chimiques• Composition / décomposition chimiques • Collision moléculaires
62
59 60
61 62
2019-06-22
16
Le computeur analogique
• Utilise les propriétés de certains phénomènes continus physiques ( électriques, hydrauliques mécaniques, etc. ) pour effectuer des calculs.
63
Computateurs naturels
• Les systemes biologique• Les Genes• La cellule• Les plantes,
• La croissance,
• L’enracinement
• Les animaux• La prédation
• La recherche de nourriture
• Le parasitage
• -la grégarité, la protection
• La migration
• les groupes biologiques• Ex fourmi, essaims
• evolution
• Les groupes sociaux• Échange , commerce , economie
• Compute:• Algorithe génétique
64
Les « computeurs » optiques
• Logique photoniques
• Radars optiques de synthèse, corrélateurs optiques, Processeurs optiques
65
Les computeurs chimiques
• Les réactions chimiquesComposition / décomposition chimiques Collision moléculaires
66
63 64
65 66
2019-06-22
17
Le computeur quantique
• Le calcul non binaire• Un phenomène
physique quantique: énergie des champs atomiques et des sous particules quantiques *
• Réalisé dans un Ordinateur quantique
• Représenté formellement : qubit ou quantum bits
67
Modèle informatique
• un modèle informatique est la forme d’architecture de type électronique électronique et qui effectue la computation
• Il en existe plusieurs types
• Architecture de Turing
• architecture Von Neuman
• Architecture parallèle Gandy
• Machines analogiques
• Machines quantiques
• l’architecture distribuée, nuagique..• Grid Computing• permet une vitesse et une puissance
de traitements computationnels impossible auparavant.
• Les ordinateurs ….
68
le modèle informatique :Hn Ingénierie ou hermeneutique
• Ingénierie et le sens • L’ordinateur est une
technologie physique :• constitué de modules
computables• Plusieurs modules sont
des oracles • Pose des problèmes de
complexité • de tracabilité
• Herméneutique matérielle du sens • L,ordinateur est un outil d
l’interprétation• Manipule des symboles
non interprétés.• d’où vient
linterprétation• sur quoi • De quelle manière ?
• type de morphisme? • Réduction?
69
Si ..On se contente de donner à un physicien une équation [calculable], on ne lui enseigne rien du tout...En physique une équation [calculable] détachée de la théorie qui y a conduit , n’a aucun sens…. Duhem 1902
Si ..On se contente de donner à un humaniste une ordinateur on ne lui enseigne rien du tout...Dans le s humanités numériques une ordinateur , détaché de la théorie qui y a conduit , n’a aucun sens…. Pseudo Duhem 2019
3Les HN et le modèle conceptuel
70
67 68
69 70
2019-06-22
18
Limite de modèles formels,computationnels , informatiques pour la compréhension
• Complexité de l’étude des objets porteurs de signification et en
contexte porteurs de sens
Qu’est ce que cet objet?
?
71
Limite des modèles formels, computationnels ,
informatiques pour la compréhension
• Complexité de l’étude des objets porteurs de signification et en contexte porteurs de sens
Qu’est ce que cet objet?
?
72
Limite des modèles formels, computationnels , informatiques pour la compréhension
• Pour étudier les objets porteurs de signification et en contexte porteurs de sens
Qu’est ce que cet objet?Ou est le contenu « conceptuel » de race dans cet objet
?
73
le « numérique » et le sens
• Comment approcher le sens en contexte numérique?.
• Dominance de l’outil sur le problème à traiter.
• incompréhension des discours propres au artefacts et processus sémiotiques
• If the only tool you have is a hammer, you tend to se everything as a nail• Maslow A. The psychology
of science
74
71 72
73 74
2019-06-22
19
Retour sur notre exemple Pour étudier les objets porteurs de signification et en contexte porteurs de sens
• modèle mathématique pour T
75
?comment comprendre l’équation
Une théorie scientifique qui ne contient que des équations sera incompréhensible
Si ..On se contente de donner à un physicien une équation , on ne lui enseigne rien du tout ... En physique une équation , détachée de la théorie qui y a conduit , n’a aucun sen s…. Duhem 1902
Limite des modèles formels, computationnels , informatiques
pour la compréhension
• Retour sur notre exemple
• donner le sens = donner la sémantique?
•
L
?
76
Sémantiqueune nombre dans un domaine L est :38,4g i est une nombre G : 9, 8t est un nombre dans un domaine : 68
+ Un ensemble d'opérations définies sur les nombre multiplication juxtaposition)
« --- » : division
« » : racine carrée«= » : relation d'équivalence
exigences pour la compréhension• donner le sens = donner le programme
?
•
•
L
?
77
exigence de la compréhension • donner le sens = donner la traduction
des symboles formels dans un discours en langue naturelle
•
•
L
?
78
75 76
77 78
2019-06-22
20
2 exigences pour la compréhension
• donner le sens = donner la Traduction de symboles formels dans un discours en langue naturelle comprise par une communauté épistémique
•
•
L
Symbole L pour la longueur
symbole G est la gravité.Le symbole T est le temps <
Le rapport du diamètre pi du symbole au rayon Symbole = est équivlence.symbole L pour la longueur
Donc
Le temps requis pour une période du pendule est égal à la longueur de pi deux fois la racine carrée de la longueur divisée par gravité.Donc indépendance du poids !
?
79
Limite des modèles formels, computationnels , informatiques pour la compréhension des
artefacts signifiants • Comment étudier les objets
porteurs de signification et en
contexte porteurs de sens
?
?
80
Limite des modèles formels, computationnels ,
informatiques pour la compréhension
les objets porteurs de signification en contexte porteurs de sensQue signifie …?
81
Iannis XenakisVarese
Gérard Mondrot Penderecki
Limite des modèles formels, computationnels , informatiques
pour la compréhension des artefacts signifiants
79 80
81 82
2019-06-22
21
Definition du modèle conceptuel…
• Un modèle conceptuel .• Participe à la description , l’explication, la
communication du le problème sous étude
- Participe aux décisions liées à la méthode , son application, son évaluation.
- Participe a l’interprétation des résultats de l’étude aux concepts connus par les chercheurs.
• Utilise diverses formes sémiotiques
• En langage naturel • des énoncés / propositions / des textes/
discours
• abstraction ,idéalisation,
• permet de construire
• Une narrativité ,
• Inférence s une argumentatin
• exprimés des Généralités ° ses individualité.
• Repose sur des croyances , la culture , des théories ,des pratiques ,des savoir faire , etc.
• Autres noms
• espace conceptuel (Gardenfors, 2000), • système conceptuel (Brown, 2000),
• modèles mentaux (Johnson-Laird, 1986),
• connaissances conceptuelles tacites (Polanyi, 1967)
• Classiquement `: Le cadre conceptuel ,théorique etc
• Conceptual modeling is the activity of deciding what to model and what not to model Robinson 2008,2015
• The conceptual model is a concise and precise consolidation of all goal-relevant structural an behavioral features of the SUI ̧ (subject under investigation) presented in a predefined format Arbezand Birta 2015
• A conceptual model has been defined as the result of the processes leading from the task to the specification of the conceptualization of the ontological structure of the problem domain, comprising assumptions and constraints relevant to all relevant modeling decisions ( Robinson et all 2015 2821
• Modeling… makes precise what are the concepts being explored. It forces the theorist to specify details and processes that are often critical to explain performance
• Shiffrin, 2010 :736
83
Divers types de modèles conceptuels • Types Such conceptual :ere three main types of conceptual
models that are usually found in cognitive science:
• A) intentionnel
• Expliquer par rationalité , inférentialité
• One predicts behaviour in such a case by ascribing to the system the possession of certain information and supposing it to be directed by certain goals. (Dennett, 1971:224)
• Observationel
• [E]xperiential data might be conceived of as being sensations, perceptions, and similar phenomena of immediate experience. (Hempel, 1952:740, 829)
• “je vois, je sens
• Phénoménologique• je percois
• Exemple Penfield . Et la stimulation cerebrale
• Modele interprétatif
• -je comprends
• Exemple la psy pop
• c) modèle rhetorique
• fitting together […] bits which come from disparate sources […] [including] stories” (Morgan & Morrison, 1999:15).
) je raconte
• Utilise le langage ordinaire ex : en psycho• stimuli, centre de gravité optimization , attracteur,
stabilisation ,équilibre.
• Les croyances , la culture • A model is by nature a simplified and therefore fictional or idealized
representation, often taking quite a rough-and-ready form: hence the term “tinker toy” model from physics, accurately suggesting play, relative crudity, and heuristic purpose. (Cartwright, 1983:158)
84
Modelisation conceptuelle en cognitives et IA • La cognition est de la
computation• L'esprit dans une sorte de
logiciel. • Le cerveau est le
matériel. • Les humains sont
• des machines de Turing, • Des Automates etc. • Des énormes fonctions
récursives ambulantes! • des Androïdes•
• Thagard 2000• The central hypothesis of cognitive science ist hat
thought can be understood in terms of computational procedures of mental representations Thagard Coherence and Action 2000: 10
• Bechtel 2007• At the center of the naturalistic account of
the sciences of the mind and brain …is an understanding of scientists as engaged in the quest to understand the mechanismsresponsible for particular phenomena Bechtel Mental
• Mechanisism 1998: 10
• a mental process can be functionally defined as an operation on symbols, there is a Turing machine capable of carrying out the computation” (Fodor 1981, 130, ) Fodor 1983 38-39
85
Modèle conceptuel en informatique cognitive
• Omnipresente en IA • Représentationel intentionnel
• Un robot• voit, saisit, raisonne, décide, retient ,
catégorise, apprend
• Répond a des questions…
• « aime?? »
• Observationnel• Un robot
• regarde, percoit, capte…
• Phénoménologique• Des états neuronaux…
• De peur, joie, deuil, de désir , se rappelle
• Rhétorique• Analogie/métaphore
• Les neurones se • parlent communiquent échangent de
l’information
• Interprétatif• L’internet est une source de connaissances
• .
• espace conceptuel (Gardenfors, 2000), système conceptuel (Brown, 2000), modèles mentaux (Johnson-Laird, 1986), connaissances conceptuelles tacites (Polanyi, 1967) ou même, lorsque partagé socialement : des paradigmes (Kuhn, 1962) ou des représentations sociales (Jodelet, 2003).
• The brain is composed of neurons that pass information among each other…Therefore, consciousness might be caused by electrical activity of many neurons oscillating together.
• (Graziano, 2013:6)Consciousness and the Social Brain.
86
83 84
85 86
2019-06-22
22
Exemples d’énoncés dans des modèles conceptuels… en science
• .• La théorie Copernienne T
• l'expérience phénoménologique du mouvement du soleil
• Le mouvement brownien:
• Un jeu de fiction :le billard
• Physique Einstein:
• La « relativité »
• Climatologues
• « précipitation, pluie, averse ".
• Cardiologie
• Le cœur est une pompe
• le cerveau est une centrale de décision
•Fabio & all ,2012
87
Exemples d'énoncés conceptuels dans la science neuronale
Laissez-moi simplement dire que je commence avec ce qu'on appelle une
pensée : une suite d'influx nerveux passe alors de mon cerveau le long de mes
nerfs de telle manière que les muscles appropriés se contractent tandis que
d'autres se relâchent et je parle.
Une idée a trouvé son réalisation dans l'énergie électrique~ du mouvement
et des vibrations aériennes. Les frontières qui séparent la philosophie .e de La
neurologie et de la physique sont franchies. ",
(3) Pendlfield.. W. R, Le Langage mécanisme cérébral~ P.U.F.~ 1963
1937
The brain is composed of neurons that pass information among each other…Therefore, consciousness might be caused by electrical activity of many neurons oscillating together.(Graziano, 2013:6) Consciousness and the Social
Brain. Princeton
2018
.
Minds are whatBrains do best
1990 Mc Cllelland
Apprendre, c'est stabiliser des combinaisons synaptiques préétablies. Changeux 1983
neurons turn into minds M Gazzaniga 2018
88
Le danger du modèle conceptuel:
• Dans la langue le sens est
• ambigue
• contient des inférences implicites
• est contextuel
• est structuré, holiste,
• Participe du dialogue et de la communication
• etc
89
Conclusion
90
87 88
89 90
2019-06-22
23
Modèles conceptuels
Une dynamique cyclique
Quelles sont les operations à realiser Les opérations cognitives ,
logiques , stratégies , sociales de la tâche
:Quelles sont les - fonctions mathématique s
Quelles sont les technologies?
Quelles sont les algorithmiques?
Modèles formelsmathématiques
Modèles physiques informatiques
Modèles formels computationnels
91
Les humanités numériques
• Ingénierie du sens• Impossibilité formel,
computationnel d’un
• IA : Interprete Artificiel
• Est une pratique de manipulation des artefacts signifiants
• Herméneutique matérielle
• Une identification et structuration du sens a l’aide d’une technologie physique
92
Merci
93
91 92
93