{"id":89607,"date":"2016-10-06T18:47:31","date_gmt":"2016-10-06T16:47:31","guid":{"rendered":"http:\/\/www.pauljorion.com\/blog\/?p=89607"},"modified":"2016-10-07T10:05:51","modified_gmt":"2016-10-07T08:05:51","slug":"up-magazine-convocation-de-la-psychanalyse-dans-le-monde-de-lintelligence-artificielle-par-juliette-wolf-le-2-septembre-2016","status":"publish","type":"post","link":"https:\/\/www.pauljorion.com\/blog\/2016\/10\/06\/up-magazine-convocation-de-la-psychanalyse-dans-le-monde-de-lintelligence-artificielle-par-juliette-wolf-le-2-septembre-2016\/","title":{"rendered":"Up-magazine, Convocation de la psychanalyse dans le monde de l’intelligence artificielle, par Juliette Wolf, le 2 septembre 2016"},"content":{"rendered":"
\n
\n

Up-magazine, Convocation de la psychanalyse dans le monde de l’intelligence artificielle<\/a>, par Juliette Wolf<\/p>\n

… nous voudrions […] parler d\u2019un livre qui fut \u00e9crit par Paul Jorion <\/a>(par ailleurs anthropologue et \u00e9conomiste) en 1989 et qui porte le titre : \u00ab\u00a0Principes des syst\u00e8mes intelligents\u00a0\u00bb<\/a><\/em>, parce que celui-ci a op\u00e9r\u00e9 sur nous comme une v\u00e9ritable secousse. Il nous semble avoir abord\u00e9 – parmi les tous premiers – l\u2019intelligence artificielle d\u2019une autre fa\u00e7on, articulant plusieurs \u00e9l\u00e9ments (dont certains m\u00eames peuvent appara\u00eetre \u00e9trangers \u00e0 la discipline informatique) mais qui concourent \u00e0 construire ce qu\u2019il appelle : l\u2019effet d\u2019intelligence.<\/p><\/blockquote>\n

Au moyen de cet article nous aimerions pr\u00e9senter le travail de\u00a0Paul Jorion\u00a0<\/a>sur les syst\u00e8mes intelligents, puis ouvrir cette pr\u00e9sentation sur les r\u00e9seaux de neurones, puisque ces deux parties s\u2019inscrivent dans une histoire commune continu\u00e9e, celle de l\u2019intelligence artificielle, qui en est \u00e0 ses d\u00e9buts, mais d\u00e9j\u00e0 travers\u00e9e de ruptures.<\/strong><\/p>\n

\n
\n
\n
\n
\n
\n
<\/div>\n
\n
\u00ab Et d\u2019une certaine mani\u00e8re, moi je n\u2019ai pas vraiment regrett\u00e9 de quitter l\u2019intelligence artificielle \u00e0 ce moment-l\u00e0, au moment o\u00f9 je l\u2019ai quitt\u00e9e, parce que je m\u2019\u00e9tais engag\u00e9 dans une voie absolument diff\u00e9rente de tout le monde. On verra si un jour on appelle \u00e7a \u00ab novateur \u00bb, mais \u00e0 ce moment-l\u00e0, bon, j\u2019ai fait la chose qui surprenait tout le monde. Les gens qui travaillaient autour de moi, ils avalaient des gros trait\u00e9s de logique formelle, et moi j\u2019ai dit : \u00ab Eh bien, on va prendre Freud et Lacan et on va faire marcher une machine \u00e0 partir de \u00e7a. \u00bb Voil\u00e0 ! Alors, c\u2019\u00e9tait l\u2019\u00e9poque o\u00f9 dans le domaine des scientifiques \u2013 je ne parle pas de la soci\u00e9t\u00e9 dans son ensemble \u2013 la psychanalyse, \u00e7a passait pour un truc de charlatans. \u00c7a va changer, bien entendu, on va se rendre compte que la psychologie dont on a besoin dans ce domaine de l\u2019intelligence artificielle, et \u00e7a, je l\u2019ai d\u00e9j\u00e0 dit dans mon bouquin que j\u2019ai \u00e9crit en 89, \u00ab Principes des syst\u00e8mes intelligents \u00bb<\/em>, le type de psychologie dont on a besoin pour rendre des machines intelligentes, c\u2019est le type de compr\u00e9hension qui vient de Freud, de Lacan, de M\u00e9lanie Klein, enfin un certain nombre de personnes qui ont r\u00e9fl\u00e9chi \u00e0 ces trucs-l\u00e0. \u00bb<\/div>\n
Paul Jorion, tir\u00e9 de son blog – 5 d\u00e9c 2014 (Le temps qu\u2019il fait<\/a>).<\/em><\/div>\n<\/blockquote>\n

\"\"<\/h2>\n
Paul Jorion<\/em><\/div>\n

Langage, langage-machine, pens\u00e9e, apprentissage et\u00a0 personnalit\u00e9<\/h2>\n
\u00ab Machine learning \u00bb, machines auto-apprenantes<\/strong><\/div>\n
<\/div>\n
La s\u00e9ance inaugurale de la chaire annuelle du Coll\u00e8ge de France : informatique et sciences num\u00e9riques a eu lieu au d\u00e9but du mois de f\u00e9vrier 2016. Men\u00e9e par Yann Lecun, elle portait sur l\u2019intelligence artificielle, et plus pr\u00e9cis\u00e9ment sur l\u2019apprentissage profond, encore appel\u00e9 \u00ab deep learning \u00bb<\/em> [1]. Il se passe donc quelque chose du c\u00f4t\u00e9 des machines qui trouve \u00e0 se faire entendre d\u2019une institution \u00e9tatique comme pour en valider, l\u00e9gitimer l\u2019importance enfin prise en consid\u00e9ration ; une chose qui par ailleurs tend \u00e0 venir effacer une limite jusque-l\u00e0 tenue pour inattaquable et qui s\u00e9parait le sujet humain de la machine par rapport \u00e0 la possibilit\u00e9 de l\u2019auto-organisation, et, pour en simuler de plus en plus parfaitement et finement les effets [2] \u00e0 travers l\u2019activit\u00e9 no\u00e9tique de l\u2019apprentissage. Ainsi, une derni\u00e8re \u00e9tape serait en passe d\u2019\u00eatre\u00a0 atteinte [3], et une autre vieille s\u00e9paration tomberait plus ou moins totalement (qui jouait l\u2019auto-organisation \u00e9volutive du vivant contre la fixit\u00e9 des programmes des machines car jusqu\u2019\u00e0 pr\u00e9sent celles-ci n\u2019\u00e9taient pas capables d\u2019\u00e9voluer et d\u2019apprendre par elles-m\u00eames, il fallait les superviser), effet dont il est difficile de pr\u00e9voir les cons\u00e9quences sur les soci\u00e9t\u00e9s (en terme m\u00e9taphysique, social, affectif, cat\u00e9gorial, \u00e9conomique, technique). Mais cela est d\u00e9j\u00e0 r\u00e9fl\u00e9chi, analys\u00e9, discut\u00e9 dans les divers endroits du monde et il se pourrait que chaque soci\u00e9t\u00e9 ne r\u00e9agisse pas de la m\u00eame fa\u00e7on au d\u00e9fi lanc\u00e9 par ces machines et \u00e0 celui de leur int\u00e9gration au corps social, cela en fonction de la singularit\u00e9 des r\u00e9gimes axiomatiques propres \u00e0 chacune.<\/div>\n
<\/div>\n
Informatique et effet d\u2019intelligence<\/strong><\/div>\n
<\/div>\n
Au moment o\u00f9 nous \u00e9crivons ce papier nous n\u2019avons pas \u00e9cout\u00e9 les conf\u00e9rences dont nous faisons mention plus haut, mais nous voudrions partir de l\u00e0, de cet \u00e9v\u00e9nement institutionnel pour parler d\u2019un livre qui fut \u00e9crit par Paul Jorion <\/a>(par ailleurs anthropologue et \u00e9conomiste) en 1989 et qui porte le titre : \u00ab\u00a0Principes des syst\u00e8mes intelligents\u00a0\u00bb<\/em>[4], parce que celui-ci a op\u00e9r\u00e9 sur nous comme une v\u00e9ritable secousse. Il nous semble avoir abord\u00e9 – parmi les tous premiers – l\u2019intelligence artificielle d\u2019une autre fa\u00e7on, articulant plusieurs \u00e9l\u00e9ments (dont certains m\u00eames peuvent appara\u00eetre \u00e9trangers \u00e0 la discipline informatique) mais qui concourent \u00e0 construire ce qu\u2019il appelle : l\u2019effet d\u2019intelligence.<\/div>\n
<\/div>\n
\"\"<\/div>\n
<\/div>\n
\u00ab Effet d\u2019intelligence \u00bb<\/em> [5], car Jorion ne se demande pas ce qu\u2019est l\u2019intelligence, il ne cherche pas \u00e0 en fournir une d\u00e9finition achev\u00e9e ni \u00e0 en d\u00e9gager une essentialit\u00e9, mais plut\u00f4t \u00e0 rep\u00e9rer ce qui dans le r\u00e9el est tenu par les humains pour de l\u2019intelligence, ce qui fait impression d\u2019intelligence. C\u2019est donc du point de vue du v\u00e9cu humain, du point de vue ph\u00e9nom\u00e9nal et immanent pourrait-on dire qu\u2019il aborde le probl\u00e8me. En proc\u00e9dant ainsi, il se demande quelles conditions doivent \u00eatre remplies par les syst\u00e8mes machines inorganiques dans leurs op\u00e9rations internes pour que les humains puissent dire une fois plac\u00e9s devant : \u2013 cet ordinateur est intelligent, il pense, son intelligence est semblable \u00e0 la mienne. Et nous verrons que dans les principes qu\u2019il a d\u00e9gag\u00e9s pour parvenir \u00e0 cet effet de similarit\u00e9, certains sont devenus par la suite, les principes fondamentaux des branches filles des syst\u00e8mes intelligents \u00ab princeps \u00bb<\/em>, et dont toutes ont la particularit\u00e9 de s\u2019\u00e9loigner \u2013 \u00e0 des degr\u00e9s divers – des syst\u00e8mes experts, pour \u00eatre des syst\u00e8mes auto-apprenants ou encore \u00e9volutionnaires.<\/div>\n
Nous reviendrons sur ces syst\u00e8mes un peu plus tard ; suivons pour le moment les traces de Paul Jorion qui vont nous mener \u2013 par la probl\u00e9matique du langage et de sa conceptualisation \u00e0 travers la psychanalyse entre autre, c\u2019est cela qui nous parut \u00e9trange et qui nous int\u00e9ressa en premi\u00e8re instance – vers les syst\u00e8mes apprenants que l\u2019on appelle aujourd\u2019hui les r\u00e9seaux de neurones ainsi que la m\u00e9thode : programme g\u00e9n\u00e9tique [6].<\/div>\n
<\/div>\n
On pense parce que l\u2019on parle ?<\/strong><\/div>\n
<\/div>\n
Dans son introduction, Paul Jorion s\u2019interroge sur le langage, sa place par rapport \u00e0 la pens\u00e9e et il se demande, en terme de chronologie – si l\u2019on pense parce que l\u2019on parle, ou si l\u2019on parle parce que l\u2019on pense ? Et face \u00e0 cette alternative, il choisira de poser et questionner l\u2019ant\u00e9riorit\u00e9 des mots, de poser que la pens\u00e9e \u00e9merge \u00e0 partir des mots et il formule sa probl\u00e9matique ainsi : \u00ab Autrement dit, et si la pens\u00e9e r\u00e9sultait de l\u2019auto-organisation de mots ? \u00bb<\/em> Ce qui sera l\u2019hypoth\u00e8se de son livre. Une hypoth\u00e8se forte.<\/div>\n
Hypoth\u00e8se qui lui servira pour d\u00e9velopper un autre type de mod\u00e9lisation du langage dans les syst\u00e8mes intelligents et sur lesquels il va d\u2019ailleurs lui-m\u00eame travailler [7].\u00a0 Un autre langage donc, et qui \u00ab serait comme la production d\u2019un discours coh\u00e9rent r\u00e9sultant de l\u2019exercice dynamique de contraintes sur un espace de mots. \u00bb.<\/em> Il faut alors trouver comment structurer les machines pour qu\u2019elles puissent suivre une telle proc\u00e9dure et pour qu\u2019elles puissent se mettre en mouvement dans un tel espace.<\/div>\n
<\/div>\n
Lorsqu\u2019un humain s\u2019adresse \u00e0 une machine et lui pose une question, c\u2019est pour obtenir une r\u00e9ponse, une information qu\u2019il ne poss\u00e8de pas, mais cette r\u00e9ponse dit Paul Jorion, peut \u00eatre de deux types. Soit elle ne surprend pas et r\u00e9pond simplement \u00e0 la question et \u00e0 l\u2019attente du questionneur. Soit elle surprend et donne l\u2019impression que la machine a saisi plus que l\u2019explicite de l\u2019\u00e9nonc\u00e9, et \u00ab qu\u2019elle confronte l\u2019humain au d\u00e9bordement habituel du d\u00e9sir par rapport \u00e0 la demande \u00bb.<\/em><\/div>\n
Cela pour montrer que si nous voulons qu\u2019une machine donne d\u2019elle-m\u00eame une impression autre que machinique, il faut qu\u2019on la structure selon certaines caract\u00e9ristiques dans lesquelles, par ailleurs, pointent \u00e9trangement des notions qu\u2019on retrouve dans le champ de la psychanalyse. Mais nous pr\u00e9cisons que ce n\u2019est pas le cas avec toutes les caract\u00e9ristiques. Nous allons les \u00e9num\u00e9rer succinctement.<\/div>\n
<\/div>\n
Premi\u00e8re caract\u00e9ristique : obligation pour un syst\u00e8me intelligent de disposer d\u2019un savoir (une base de donn\u00e9es), puis d\u2019\u00eatre \u00e0 m\u00eame de transmettre son savoir (interface en langue naturelle orient\u00e9e sortie), puis d\u2019\u00eatre \u00e0 m\u00eame d\u2019acqu\u00e9rir un savoir (extraire une connaissance de ce que l\u2019utilisateur ou l\u2019environnement lui transmettent, gr\u00e2ce \u00e0 un parseur et un module d\u2019apprentissage), puis savoir interroger l\u2019utilisateur, puis ne pas imposer son savoir mais le n\u00e9gocier (arriver \u00e0 d\u00e9terminer le degr\u00e9 d\u2019adh\u00e9sion de l\u2019interlocuteur), et enfin avoir une personnalit\u00e9 propre.<\/div>\n
Certaines caract\u00e9ristiques, on l\u2019observe, semblent malais\u00e9es \u00e0 attribuer \u00e0 une machine et participent de\u00a0 l\u2019effet que Paul Jorion appelle : intention, c\u2019est-\u00e0-dire que le syst\u00e8me a pris une initiative. Il n\u2019a pas eu un comportement \u00ab machinique \u00bb habituel, et par ailleurs il a propos\u00e9 l\u2019information la plus pertinente ici, c\u2019est-\u00e0-dire la plus fine par rapport au contexte, il s\u2019\u00e9loigne du st\u00e9r\u00e9otype. La derni\u00e8re caract\u00e9ristique est celle qui est de plus haut niveau, c\u2019est elle qui donnerait cette impression qu\u2019une \u00ab personne \u00bb, qu\u2019une pens\u00e9e et une intelligence comme humaine s\u2019y trouvent[8]. La machine aurait donc une personnalit\u00e9 et serait capable d\u2019auto-organisation.<\/div>\n
<\/div>\n
\"\"<\/div>\n
<\/div>\n
Mais comment construire une telle machine ?<\/strong><\/div>\n
<\/div>\n
Des syst\u00e8mes symboliques aux syst\u00e8mes s\u00e9mantiques : un pas vers l\u2019associationnisme<\/u><\/div>\n
Tout d\u2019abord, il faut pr\u00e9ciser que les syst\u00e8mes intelligents qui en seraient capables, ne sont pas ceux que l\u2019on appelle les syst\u00e8mes experts (dit encore symboliques, ce que sont nos ordinateurs actuels), mais d\u2019apr\u00e8s Jorion, des syst\u00e8mes s\u00e9mantiques devenus mn\u00e9siques. Un syst\u00e8me mn\u00e9sique repose sur plusieurs postulats en ce qui concerne \u00e0 la fois le langage, la m\u00e9moire et les affects. Nous allons donner des pr\u00e9cisions quant \u00e0 chacun de ses aspects au cours de l\u2019article.<\/div>\n
<\/div>\n
Concentrons-nous d\u2019abord sur le langage<\/u><\/div>\n
Prenons un discours. Soit nous pouvons l\u2019envisager du c\u00f4t\u00e9 de la signification [9], soit nous pouvons l\u2019envisager du c\u00f4t\u00e9 du signifiant et plus encore comme un parcours s\u00e9quentiel \u00e0 l\u2019int\u00e9rieur d\u2019un espace de signifiants (ind\u00e9pendamment de leur signification), c\u2019est-\u00e0-dire pour reprendre les mots de Paul Jorion, que le langage serait \u00ab comme un chemin trac\u00e9 sur un lexique compris comme la liste de tous les mots d\u2019une langue \u00bb<\/em>. Mais alors une question se pose, si ce n\u2019est pas la signification des mots qui importe pour leur association, et si ce n\u2019est pas ce \u00e0 quoi ils renverraient du monde et des choses qui importe, selon quelles r\u00e8gles associatives pouvons-nous alors les articuler en tenant compte par ailleurs du plan de lin\u00e9arit\u00e9 temporelle qu\u2019est la parole, la phrase ou l\u2019\u00e9nonc\u00e9 ?<\/div>\n
Plusieurs options se pr\u00e9sentent. La m\u00e9thode dite du singe : \u00ab qui explore les tirages d\u2019une vaste combinatoire \u00bb. La m\u00e9thode dite des r\u00e8gles : \u00ab qui se donne a priori un ensemble tout fait de contraintes auxquelles le parcours sera soumis. Cette m\u00e9thode nous la connaissons bien puisque c\u2019est l\u00e0 que nous retrouvons les diff\u00e9rentes contraintes : d\u2019ordre syntaxique (l\u2019ensemble des mots de la langue sont partag\u00e9s en partie du discours), d\u2019ordre\u00a0 s\u00e9mantique qui correspond \u00e0 l\u2019organisation interne de la langue, ex le verbe \u00ab\u00a0 penser \u00bb exige comme sujet un substantif d\u00e9notant un \u00eatre anim\u00e9. D\u2019ordre pragmatique, c\u2019est la dimension proprement dialectique qui pose que d\u2019une phrase ne peut pas suivre une autre phrase dont le sens est sans rapport ou qui la contredit. Cela correspond au sujet des topiques de l\u2019organon\u00a0 d\u2019Aristote.<\/div>\n
Puis pour finir les contraintes d\u2019ordre logique. Mais comme le dit Jorion : \u00ab cette m\u00e9thode demande qu\u2019avant m\u00eame de pouvoir g\u00e9n\u00e9rer une phrase, il aura fallu construire un syst\u00e8me immense en termes de r\u00e8gles et de m\u00e9tar\u00e8gles stock\u00e9es et qui exige pour un simple fonctionnement un temps de traitement inacceptable. \u00bb<\/em><\/div>\n
Le cerveau humain ne fonctionne pas comme cela. La production d\u2019une phrase pour un \u00eatre humain ne prend que quelques dixi\u00e8mes de seconde. Il faut donc envisager la derni\u00e8re m\u00e9thode, celle du : coup par coup, et c\u2019est l\u00e0 que nous retrouverons une intuition de la psychanalyse (celle de l\u2019association libre) par rapport au langage, et aux signifiants. Ici, nul n\u2019est besoin de d\u00e9finir des r\u00e8gles a priori, il faut seulement un principe qui permette de d\u00e9terminer une fois que l\u2019on a pos\u00e9 un mot, lequel pourra \u00eatre le suivant. Et \u00ab on peut imaginer que soient en place de mani\u00e8re constante des chenaux et des chr\u00e9odes, des passages privil\u00e9gi\u00e9s pour se rendre d\u2019un mot \u00e0 un autre \u00bb. Ici, il faut donc raisonner en terme de trace, comme si pour aller d\u2019un endroit \u00e0 un autre, d\u2019un mot \u00e0 un autre, nous empruntions toujours le m\u00eame petit chemin et qu\u2019\u00e0 force la v\u00e9g\u00e9tation se soit aras\u00e9e, le passage d\u2019un mot \u00e0 un autre renforc\u00e9, et pour la suite, en d\u00e9coulerait une facilit\u00e9 d\u2019association [10] ; Paul Jorion pense que le cheminement de la pens\u00e9e s\u2019effectue de la m\u00eame fa\u00e7on, \u00e0 savoir qu\u2019une fois pos\u00e9 le point de d\u00e9part, en l\u2019occurrence, un mot, et bien le chemin qui se d\u00e9ploie \u00e0 sa suite est en quelque sorte indiqu\u00e9 et c\u2019est lui que nous emprunterions plut\u00f4t que de couper \u00e0 travers la for\u00eat, c\u2019est-\u00e0-dire plut\u00f4t que de choisir un nouveau mot ( la po\u00e9sie, elle essaie de sortir de ces chenaux). Mais ajoutons tout de suite, que ce chemin n\u2019est pas de toute \u00e9ternit\u00e9 d\u00e9j\u00e0 pr\u00e9sent, qu\u2019il est le r\u00e9sultat d\u2019une vie singuli\u00e8re, d\u2019une construction, d\u2019un apprentissage et d\u2019une m\u00e9moire qui se constitue tout au long d\u2019une vie. Pour le dire autrement nous ne naissons pas avec d\u00e9j\u00e0 con\u00e7us tous ces chemins, mais seulement une structure qui en permet la progressive instauration, cette structure \u00e9tant le r\u00e9seau de nos neurones et de nos synapses (nous y reviendrons un peu plus tard). Et d\u00e9j\u00e0 nous pouvons saisir que le lien de concat\u00e9nation des signifiants, n\u2019est pas le r\u00e9sultat d\u2019une application de r\u00e8gles a priori ( comme pourrait le laisser supposer la grammaire que l\u2019on apprend \u00e0 l\u2019\u00e9cole) mais d\u2019un frayage plus ou moins souvent r\u00e9alis\u00e9 entre deux signifiants au cours d\u2019une vie (selon les param\u00e8tres de l\u2019apprentissage qui\u00a0 en font la singularit\u00e9 individuelle), et par l\u00e0 nous voyons le lien direct qui s\u2019effectue, entre le fait de passer d\u2019un signifiant \u00e0 un autre, et la m\u00e9moire, car le frayage dont nous avons parl\u00e9 rel\u00e8ve de la m\u00e9moire.<\/div>\n
<\/div>\n
Ressaisissons maintenant rapidement les choses pour pouvoir poursuivre<\/u><\/div>\n
La premi\u00e8re hypoth\u00e8se suivie fut :<\/div>\n
\u2013 Des signifiants \u00e9merge la pens\u00e9e et non l\u2019inverse [11]<\/div>\n
La deuxi\u00e8me hypoth\u00e8se fut :<\/div>\n
\u2013 Ce qui d\u00e9termine l\u2019intensit\u00e9 des liens entre les diff\u00e9rents signifiants (on abandonne le plan de la signification) lorsqu\u2019ils font discours, c\u2019est-\u00e0-dire le passage de l\u2019un \u00e0 l\u2019autre dans un \u00e9nonc\u00e9, c\u2019est une association, non pas axiomatique et a priori, pas non plus une combinatoire al\u00e9atoire, mais le fait de cr\u00e9er une facilit\u00e9 de passage, un renforcement, une habitude de liens, et en cela la m\u00e9moire joue un r\u00f4le primordial.<\/div>\n
<\/div>\n
Associationnisme<\/strong><\/div>\n
<\/div>\n
A partir de l\u00e0, nous pouvons envisager les choses sous l\u2019angle de l\u2019associationnisme pour qui, \u00ab il n\u2019est que simple gradation de la rem\u00e9moration \u00e0 la g\u00e9n\u00e9ration d\u2019un discours ordinaire, en passant par le raisonnement \u00bb.<\/em> Nous pouvons penser ici \u00e0 un terme pos\u00e9 par Freud au moment o\u00f9 il s\u2019est d\u00e9parti de l\u2019hypnose au profit justement de : \u00ab l\u2019association libre \u00bb, dont, et nous citons Paul Jorion, \u00ab Loriginalit\u00e9 par rapport \u00e0 la doctrine d\u2019un langage de la pens\u00e9e, c\u2019est de s\u2019\u00eatre rendu compte que ce qui peut \u00eatre \u00e9tudi\u00e9 avec toute la rigueur scientifique, ce n\u2019est pas l\u2019association des id\u00e9es, mais l\u2019association des images et surtout dans leur supposition mat\u00e9rielle \u00bb<\/em>.<\/div>\n
Nous insistons, c\u2019est important, car ce dont on se pr\u00e9occupe alors ce n\u2019est plus de l\u2019association des signifi\u00e9s mais de celle des signifiants qui font bascule vers d\u2019autres signifiants.\u00a0 Et par ailleurs, il faut encore ajouter que, si nous sommes bien inscrits avec cette th\u00e9orie \u00e0 l\u2019int\u00e9rieur d\u2019un espace de mots, il n\u2019est pas possible comme le dit Paul Jorion : \u00ab de ne pas s\u2019occuper d\u2019un \u00e9l\u00e9ment qui joue un r\u00f4le essentiel dans les encha\u00eenements associatifs, \u00e0 savoir la production d\u2019images, car c\u2019est ce qui se passe chez l\u2019\u00eatre humain. En effet, certains mots ont une capacit\u00e9 \u00e0 \u00e9voquer une image, \u00ab ex : quand nous entendons \u00ab pommes \u00bb, nous hallucinons l\u2019image d\u2019une ou plusieurs pommes \u00bb<\/em>.<\/div>\n
<\/div>\n
\"\"<\/div>\n
<\/div>\n
Suivant cela il y a donc plusieurs modalit\u00e9s d\u2019encha\u00eenements possibles : De mot \u00e0 mot, de mot \u00e0 image, d\u2019image \u00e0 mot, d\u2019image \u00e0 image. Et cela encore sous deux r\u00e9gimes, sous le r\u00e9gime de l\u2019inconscient (intuitif et automatique) et sous le r\u00e9gime de la conscience. Paul Jorion d\u00e9clinera encore les diff\u00e9rents types d\u2019encha\u00eenements associatifs qui peuvent \u00eatre : Mat\u00e9riels (acoustiques, graphiques), s\u00e9mantiques (synonymie, inclusion, connexion simple, traduction, etc.), mais ajoute-t-il : \u00ab il est peut-\u00eatre mieux de se passer de ce m\u00e9canisme pour la mod\u00e9lisation d\u2019un syst\u00e8me intelligent\u00bb.<\/em>Est-ce \u00e0 dire que nous irions trop loin dans le mim\u00e9tisme, parce que ce serait trop compliqu\u00e9 \u00e0 traduire pour l\u2019instant dans une structure machine ou\u2026 nous ne savons pas mais Paul Jorion de conclure provisoirement que \u00ab pour les langues qui nous sont famili\u00e8res (il montre ailleurs dans le livre comment pour le langage chinois par exemple cela fonctionne autrement), l\u2019encha\u00eenement associatif -qui est requis ici en tant que mod\u00e8le pour les syst\u00e8mes intelligents, refl\u00e8te des relations d\u2019inclusions, d\u2019attribution et de synonymie exprim\u00e9es \u00e0 l\u2019aide de la copule \u00ab \u00eatre \u00bb, et de \u00ab connexion simple \u00bb exprim\u00e9e \u00e0 l\u2019aide de la copule \u00ab avoir \u00bb, <\/em>cela m\u00eame qu\u2019il va falloir essayer d\u2019impl\u00e9menter dans la machine.<\/div>\n
<\/div>\n
L\u2019associationnisme dont il a \u00e9t\u00e9 question ici, et qui peut servir de mod\u00e8le pour construire un nouveau type de syst\u00e8me intelligent, pour autant ne traite que d\u2019un aspect du probl\u00e8me car il faut encore penser le milieu dans lequel il peut se d\u00e9ployer, et nous passons \u00e0 la probl\u00e9matique de la structure, \u00e0 celle de l\u2019espace, \u00e0 celle de la topologie qui devra \u00eatre traduite en termes d\u2019objets math\u00e9matiques.<\/div>\n
<\/div>\n
Mais ce milieu, quel est-il ?<\/u><\/div>\n
Structure \u00e9volutive (P-dual d\u2019un graphe).<\/div>\n
D\u2019abord il doit \u00eatre r\u00e9seau mn\u00e9sique [12], c\u2019est-\u00e0-dire qu\u2019il doit stocker des signifiants de la mani\u00e8re la plus \u00e9conomique, mais il faut ajouter qu\u2019\u00e0 son d\u00e9but, puisque nous essayons de construire des machines qui imitent l\u2019intelligence humaine, il faut aussi et paradoxalement que ce r\u00e9seau n\u2019existe pas \u00ab trop \u00bb, qu\u2019il ne soit pas d\u00e9j\u00e0 form\u00e9\/achev\u00e9 et ce, comme pour un tout petit enfant o\u00f9 ce qui est mis en m\u00e9moire est encore assez r\u00e9duit. Et la question se pose de l\u2019inscription\u00a0 d\u2019une premi\u00e8re trace mn\u00e9sique qui agira comme germe, car le r\u00e9seau va \u00e9voluer, apprendre et se modifier, sinon il serait comme un syst\u00e8me expert, comme nos ordinateurs, ce dont nous essayons pr\u00e9cis\u00e9ment de nous \u00e9loigner. Et c\u2019est \u00e0 partir du chenal, que l\u2019on va poser des exigences pour parvenir \u00e0 cet effet.<\/div>\n
<\/div>\n
Le chenal (passage d\u2019un signifiant \u00e0 l\u2019autre) ne\u00a0 doit plus s\u2019effectuer selon la s\u00e9quence \u00ab sommet\/arc\/sommet \u00bb, mais \u00ab arc\/sommet\/ arc \u00bb. Ce qui fait du r\u00e9seau s\u00e9mantique, un r\u00e9seau mn\u00e9sique [13]. Cette transformation est rendue possible gr\u00e2ce \u00e0 un nouvel objet math\u00e9matique le \u00ab P-dual \u00bb d\u2019un graphe. Nous ne ma\u00eetrisons pas cet objet et renvoyons donc le lecteur \u00e0 d\u2019autres travaux s\u2019il souhaite approfondir cet aspect.<\/div>\n
Mais en terme op\u00e9ratoire cela permet deux choses tr\u00e8s importantes, tout d\u2019abord la d\u00e9localisation des signifiants, on ne pense plus leur situation \u00e0 tel endroit, mais plut\u00f4t leur situation entre tel et tel endroit. Ajoutons tout de m\u00eame que le ph\u00e9nom\u00e8ne de d\u00e9localisation ne peut \u00eatre complet, c\u2019est-\u00e0-dire qu\u2019aucune repr\u00e9sentation ne peut \u00eatre enti\u00e8rement d\u00e9localis\u00e9e. Et deuxi\u00e8mement la distribution, qui permet au signifiant de s\u2019inscrire dans une multiplicit\u00e9 d\u2019encha\u00eenements associatifs, inscription qui n\u2019aura pas pour autant dans chaque cas le m\u00eame poids. Paul Jorion prend cet exemple : \u00ab le signifiant \u2018\u2019pomme \u2019\u2019 \u00bb est pond\u00e9r\u00e9 diff\u00e9remment s\u2019il appara\u00eet entre \u2018\u2019prune\u2019\u2019 et \u2018\u2019poire\u2019\u2019 et s\u2019il appara\u00eet entre \u2018\u2019Eve\u2019\u2019 et \u2018\u2019Adam\u2019\u2019. La charge affective peut \u00eatre diff\u00e9rente, et si on traduit cela en terme d\u2019adh\u00e9sion, cela veut dire que l\u2019insertion d\u2019un signifiant dans telle ou telle cha\u00eene associative ne re\u00e7oit pas la m\u00eame intensit\u00e9, il y a des encha\u00eenements associatifs qu\u2019on accepte de remettre en question et d\u2019autres pour lesquels c\u2019est beaucoup plus difficile. Paul Jorion qualifie les premiers de \u00ab savoir \u00bb, en ce qui les concerne on peut accepter sans trop se faire violence de les modifier, par exemple c\u2019est ce que fait la science quotidiennement lorsqu\u2019elle \u00e9met des \u00e9nonc\u00e9s de v\u00e9rit\u00e9, qu\u2019elle modifie par la suite, lorsque la th\u00e9orie pr\u00e9c\u00e9dente se trouve infirm\u00e9e ou qu\u2019elle est devenue moins efficace en terme de puissance de g\u00e9n\u00e9ralisation face \u00e0 la nouvelle. En revanche, il y a des encha\u00eenements associatifs, et on l\u2019observe bien chez l\u2019\u00eatre humain, qui co\u00fbtent \u00e9norm\u00e9ment lorsqu\u2019on doit les remettre en cause, parfois c\u2019est m\u00eame impossible ; Paul Jorion appelle ces encha\u00eenements des \u00ab croyances \u00bb et nous citons : \u00ab la croyance au contraire [du savoir] est d\u2019inscription centrale et seulement modifiable de mani\u00e8re \u00ab catastrophique \u00bb ; par la conversion, qu\u2019il faut consid\u00e9rer alors comme modification des connexions existant entre les \u00e9l\u00e9ments qui sont chronologiquement les premiers. La conversion s\u2019observe bien entendu chez les \u00eatres humains, g\u00e9n\u00e9ralement au prix d\u2019une consommation \u00e9nerg\u00e9tique tout \u00e0 fait consid\u00e9rable, c\u2019est ce que Freud appelle la \u00ab Nachtr\u00e4glichkeit \u00bb, l\u2019apr\u00e8s-coup de telles restructurations.<\/div>\n
<\/div>\n
Ainsi, si nous voulons construire une intelligence artificielle qui imite en ses effets l\u2019intelligence humaine, c\u2019est tout cela qu\u2019il faut prendre en consid\u00e9ration et qu\u2019il faut essayer de mod\u00e9liser dans la structure machine. Un r\u00e9seau mn\u00e9sique, ainsi que l\u2019appelle Paul Jorion, doit poss\u00e9der en sus des syst\u00e8mes informatiques dits \u00ab experts \u00bb, deux traits : la capacit\u00e9 d\u2019apprentissage et la capacit\u00e9 \u00e0 n\u00e9gocier avec l\u2019utilisateur en fonction \u2013 ce dont nous venons de parler- des degr\u00e9s d\u2019adh\u00e9sion que celui-ci pr\u00eate \u00e0 ses \u00e9nonc\u00e9s. Il faut donc que la machine soit capable en quelque sorte de \u00ab percevoir \u00bb la charge affective, et le degr\u00e9 d\u2019enracinement d\u2019un \u00e9nonc\u00e9 dans le r\u00e9seau mn\u00e9sique de son interlocuteur, ce n\u2019est que se faisant qu\u2019elle pourra donner l\u2019impression \u00e0 l\u2019humain qu\u2019une semblable intelligence (m\u00eame si machinique) se tient face \u00e0 lui, ou encore qu\u2019une personne se tient face \u00e0 lui. Nous avions pos\u00e9 au tout d\u00e9but de l\u2019article, qu\u2019il fallait que le syst\u00e8me intelligent ait \u00ab comme \u00bb une personnalit\u00e9. Il faut donc aussi lui impl\u00e9menter une mod\u00e9lisation de la psych\u00e9 humaine. C\u2019est pourquoi la psychologie et la psychanalyse doivent rencontrer l\u2019informatique. Et c\u2019est ce que tente Paul Jorion.<\/div>\n
Maintenant retra\u00e7ons le parcours ici effectu\u00e9 avant d\u2019ouvrir vers ce que nous annoncions, \u00e0 savoir les r\u00e9seaux de neurones.<\/div>\n
<\/div>\n
Effet de personnalit\u00e9 : structure ouverte et frayage<\/strong><\/div>\n
<\/div>\n
La nouvelle intelligence artificielle doit faire effet d\u2019intelligence, de personnalit\u00e9. Pour cela, elle doit imiter le fait humain qui reste toujours (disons dans des conditions plus ou moins normales et sereines) un syst\u00e8me ouvert, auto-apprenant, qui se modifie par lui-m\u00eame et au contact des autres et du monde, mais qui poss\u00e8de un caract\u00e8re, et donc aussi une sorte de noyau structurel peu modifiable. Il faudra arriver \u00e0 simuler ces deux aspects ; \u00e9volutif et fig\u00e9.<\/div>\n
Le r\u00e9seau mn\u00e9sique de la machine devra poss\u00e9der une structure (le P-dual d\u2019un graphe) dans laquelle les signifiants viendront s\u2019ajouter au fur et \u00e0 mesure de l\u2019exercice de la machine, eux-m\u00eames pouvant modifier en retour les associations d\u00e9j\u00e0 trac\u00e9es entre les signifiants pr\u00e9sents, ainsi que se modifier eux-m\u00eames.<\/div>\n
<\/div>\n
\"\"<\/div>\n
<\/div>\n
Par ailleurs, cette structure mn\u00e9sique tr\u00e8s ouverte (incomparablement plus ouverte que celle des syst\u00e8mes experts) devra, pour ne pas partir en \u00ab tout sens \u00bb comme le dit Paul Jorion, \u00eatre : \u00ab domestiqu\u00e9e \u00bb. C\u2019est-\u00e0-dire que le discours engendr\u00e9 ne pourra pas \u00eatre, en chacune de ses bifurcations, le r\u00e9sultat d\u2019un choix hasardeux. Il faudra que le parcours soit \u00ab inform\u00e9 \u00bb, \u00ab motiv\u00e9 \u00bb. Qu\u2019il soit, \u00e0 l\u2019int\u00e9rieur de l\u2019espace du lexique, un sous-espace de parcours privil\u00e9gi\u00e9s, et cette motivation du choix s\u2019op\u00e9rera selon deux param\u00e8tres [14].<\/div>\n
<\/div>\n
Tout d\u2019abord selon l\u2019affect. Paul Jorion va prendre mod\u00e8le sur la th\u00e9orie des affects de Freud pour donner sa structure singuli\u00e8re au r\u00e9seau mn\u00e9sique, en tant que c\u2019est cette charge affective qui orienterait les passages d\u2019un signifiant \u00e0 l\u2019autre, en tant aussi que ce serait lui le responsable de la dynamique et de la plus ou moins profonde inscription du signifiant dans le r\u00e9seau mn\u00e9sique et donc par-l\u00e0, de sa propre structure. Pour Freud tout enregistrement d\u2019un percept (visuel, auditif) passe par le syst\u00e8me limbique qui lui donne cette petite charge affective, et qui fait qu\u2019il s\u2019inscrit plus ou moins fortement en nous (pensons \u00e0 la madeleine de Proust et \u00e0 l\u2019encha\u00eenement associatif qui s\u2019en est suivi en terme d\u2019\u00e9nonc\u00e9 romanesque des dizaines d\u2019ann\u00e9es plus tard). Car pour Freud : \u00ab la m\u00e9moire est repr\u00e9sent\u00e9e par les frayages entre les neurones [\u2026] le frayage d\u00e9pend de la qualit\u00e9 d\u2019excitation qui traverse le neurone au cours du processus, et le nombre de fois o\u00f9 le processus se r\u00e9p\u00e8te \u00bb.<\/em><\/div>\n
Ainsi, on peut penser que ce sont les impressions qui ont agi le plus fortement sur nous qui nous d\u00e9terminent le plus, qui nous font dire telle chose plut\u00f4t que telle autre, qui nous font associer un signifiant avec un autre. Il faudra donc pour orienter le choix lors d\u2019une bifurcation au sein de la machine, donner comme une pond\u00e9ration affective, et transposer ce que Freud nomme la \u00ab Bahnung \u00bb (le frayage) de la psych\u00e9 humaine, en renforcement hebbien [15] dans la machine.<\/div>\n
Ainsi, on stockerait dans la machine au niveau de l\u2019arc deux valeurs, l\u2019imp\u00e9dance qui correspondrait \u00e0 la valeur d\u2019affect et la r\u00e9sistance qui serait l\u2019inverse du frayage et ce faisant, on associe \u00e0 l\u2019arc, non pas une valeur mais un vecteur. Mais par ailleurs, avec l\u2019affect, ce qui entre en jeu, c\u2019est la perception et donc la repr\u00e9sentation du monde \u00e0 travers les organes et les tissus d\u2019un corps [16]. Il va donc falloir que la machine s\u2019\u00e9quipe d\u2019une interface qui soit en prise avec les ph\u00e9nom\u00e8nes du monde et qu\u2019elle ne soit plus seulement une machine de langage. Cela sera le cas avec les machines de type \u00ab r\u00e9seau de neurones \u00bb,\u00a0 et nous pensons entre autre au perceptron.<\/div>\n
<\/div>\n
Machines interfac\u00e9es et n\u00e9ot\u00e9nie<\/strong><\/div>\n
<\/div>\n
En 1989, Paul Jorion d\u00e9veloppe dans son livre : principes des syst\u00e8mes intelligents, une autre approche de l\u2019intelligence artificielle, et plut\u00f4t que d\u2019en rester \u00e0 des syst\u00e8mes d\u00e9j\u00e0 enti\u00e8rement programm\u00e9s et fig\u00e9s au moyen de structures logiques, il propose de faire de ces machines des machines n\u00e9ot\u00e9niques qui seraient capables de s\u2019auto-organiser, d\u2019apprendre, de n\u00e9gocier leur savoir, au fond d\u2019avoir comme une biographie et une personnalit\u00e9 ; et cela, selon des principes emprunt\u00e9s, \u00e0 la fois \u00e0 la th\u00e9orie du langage (abandon du probl\u00e8me de la signification, mise en avant du coup par coup, et du postulat que :\u00a0 \u00ab le sens c\u2019est l\u2019usage \u00bb [17]), mais encore \u00e0 la th\u00e9orie de la psych\u00e9 de Freud, Lacan et Klein (l\u2019associationnisme avec l\u2019id\u00e9e de \u00ab l\u2019association libre \u00bb des signifiants dans la th\u00e9orie de l\u2019inconscient, puis celle de la charge affective qui structure la matrice mn\u00e9sique par frayage), et encore en partant d\u2019une base anatomique (la structure du cortex c\u00e9r\u00e9bral : neurones et synapses dont la formalisation math\u00e9matique est le P-dual).<\/div>\n
<\/div>\n
En s\u2019appuyant sur cette approche, se d\u00e9velopperont ce que l\u2019on appelle aujourd\u2019hui les r\u00e9seaux de neurones ou les r\u00e9seaux \u00e9volutionnaires, que nous allons maintenant pr\u00e9senter succinctement. Cependant, il n\u2019est pas s\u00fbr que ce qui nous avait tant saisi (et plu) \u00e0 la lecture du livre de Jorion, \u00e0 savoir la pr\u00e9sence de la dimension Psychanalytique dans l\u2019intelligence artificielle, c\u2019est-\u00e0-dire celle des affects, et de l\u2019inconscient, soit reprise et retravaill\u00e9e au sein des r\u00e9seaux de neurones, car il semblerait plut\u00f4t qu\u2019une bascule vers le biologique ait \u00e9t\u00e9 op\u00e9r\u00e9e. Le mod\u00e8le de la dynamique des affects semble \u00eatre pass\u00e9 en retrait au profit du biologique. Au profit, (peut-\u00eatre ?) d\u2019une tendance bio-r\u00e9ductionniste ?<\/div>\n

Biomim\u00e9tisme mais r\u00e9ductionnisme ?<\/h2>\n
Mod\u00e9lisation de la structure humaine et impl\u00e9mentation dans les machines<\/strong><\/div>\n
<\/div>\n
Le probl\u00e8me, ici, est toujours celui de l\u2019intelligence et de l\u2019imitation de ses effets par la machine mais envisag\u00e9 un peu diff\u00e9remment.<\/div>\n
D\u2019un c\u00f4t\u00e9 donc, des neurones, des cellules gliales, des capillaires, du sang, des synapses ; de l\u2019autre du mat\u00e9riel min\u00e9ral, des conducteurs ou semi-conducteurs, de l\u2019\u00e9lectricit\u00e9, et des algorithmes.<\/div>\n
Comparaison tr\u00e8s sommaire mais qui pose les \u00e9l\u00e9ments en pr\u00e9sence ou en leur rapport en inad\u00e9quation. Car \u00e0 priori entre les deux, peu de rapport, si ce n\u2019est par l\u2019interm\u00e9diaire de la mod\u00e9lisation. C\u2019est donc la mod\u00e9lisation qui a permis d\u2019effectuer le passage de l\u2019un \u00e0 l\u2019autre, de l\u2019humain \u00e0 la machine, au moyen de ce qu\u2019on appelle le biomim\u00e9tisme des \u00ab r\u00e9seaux de neurones \u00bb. Les chercheurs et les chercheuses ont pris pour point de d\u00e9part la structure du cerveau, et en ont r\u00e9alis\u00e9 un mod\u00e8le en s\u2019int\u00e9ressant plus particuli\u00e8rement \u00e0 deux aspects. Premi\u00e8rement \u00e0 la mani\u00e8re dont les neurones sont interconnect\u00e9s, structur\u00e9s, et deuxi\u00e8mement \u00e0 ce lieu de passage et de modification de l\u2019information qu\u2019est la synapse.[18]Nous trouvons dans le que sais-je : les r\u00e9seaux de neurones \u00e9crit par F. Blayo,\u00a0 M. Verleysen\u00a0 cette d\u00e9finition des r\u00e9seaux de neurones : \u00ab Les r\u00e9seaux de neurones sont une m\u00e9taphore des structures c\u00e9r\u00e9brales (mod\u00e9lis\u00e9es) : des assemblages de constituants \u00e9l\u00e9mentaires, qui r\u00e9alisent chacun un traitement simple mais dont l\u2019ensemble fait \u00e9merger des propri\u00e9t\u00e9s globales digne d\u2019int\u00e9r\u00eat.<\/div>\n
<\/div>\n
\"\"<\/div>\n
<\/div>\n
L\u2019ensemble est un syst\u00e8me parall\u00e8le fortement interconnect\u00e9<\/u><\/div>\n
<\/div>\n
L\u2019information d\u00e9tenue par le r\u00e9seau est distribu\u00e9e \u00e0 travers l\u2019ensemble des constituants, et non localis\u00e9e dans une partie de la m\u00e9moire sous la forme d\u2019un symbole. Enfin un r\u00e9seau de neurones ne se programme pas pour r\u00e9aliser une t\u00e2che, mais il est entra\u00een\u00e9 sur des donn\u00e9es acquises, gr\u00e2ce \u00e0 un m\u00e9canisme d\u2019apprentissage qui agit sur les constituants du r\u00e9seau. \u00bb<\/div>\n
Une fois cette mod\u00e9lisation de haut niveau [19] r\u00e9alis\u00e9e, ils ont alors tent\u00e9 de la traduire sur un plan algorithmique [20]. Mais pour cela encore fallait-il postuler que l\u2019intelligence humaine est calcul, c\u2019est-\u00e0-dire postuler que la raison et la pens\u00e9e humaine se r\u00e9duisent \u00e0 du calcul ce qu\u2019avait refus\u00e9 Paul Jorion, lorsqu\u2019il avait tent\u00e9 de mod\u00e9liser la part inconsciente de la pens\u00e9e humaine, la part de son d\u00e9sir, et de ce qui rel\u00e8ve de l\u2019affect pour l\u2019impl\u00e9menter dans la machine. Ainsi, la machine se donne pour structure celle du cortex humain, et dans le m\u00eame temps on pose que, lorsque l\u2019humain pense, ce qu\u2019il fait c\u2019est qu\u2019il calcule. Il y a comme cela, une sorte de mouvement d\u2019influence, de va-et-vient, qui va de la machine \u00e0 l\u2019humain et de l\u2019humain \u00e0 la machine. Et nous pouvons trouver une origine \u00e0 un tel postulat dans les propos du philosophe anglais du 17\u00b0 si\u00e8cle Thomas Hobbes ; dans son L\u00e9viathan voici ce que nous pouvons lire : \u00ab raisonner n\u2019est que conclure d\u2019une addition de parties \u00e0 une somme totale ou de la soustraction d\u2019une somme d\u2019une autre \u00e0 un reste (\u2026) Ces op\u00e9rations ne sont pas particuli\u00e8res aux nombres ; elles int\u00e9ressent toutes les esp\u00e8ces de choses susceptibles de s\u2019ajouter les unes aux autres. (\u2026) [\u2026] En somme partout o\u00f9 il y a de la place pour l\u2019addition et la soustraction il y a aussi place pour la raison\u2026la raison n\u2019est en ce sens que le calcul des noms g\u00e9n\u00e9raux convenus pour marquer et signifier nos pens\u00e9es, je dis les marquer quand nous pensons pour nous-m\u00eames, et les signifier quand nous d\u00e9montrons nos calculs \u00e0 d\u2019autres. \u00bb [21]<\/div>\n
Voici donc \u00e0 peu pr\u00e8s pos\u00e9s les \u00e9l\u00e9ments \u00e0 partir desquels travaillent les chercheurs : neurones, synapses et calcul.<\/div>\n
<\/div>\n
Nous allons maintenant passer rapidement en revue les \u00e9tapes importantes qui ont permis au champ de l\u2019intelligence artificielle de prendre forme et de donner lieu au r\u00e9seau de neurones.<\/div>\n
Au d\u00e9part il y a les travaux d\u2019Herbert Spencer lorsqu\u2019il montre de quelle mani\u00e8re une structure nerveuse contr\u00f4le un muscle.<\/div>\n
Ensuite, il y a le concept de m\u00e9moire associative [22] qui d\u00e9montre que la fr\u00e9quence de la conjonction d\u2019\u00e9v\u00e8nements tend \u00e0 renforcer les liens entre leurs repr\u00e9sentations c\u00e9r\u00e9brales et que le rappel d\u2019une id\u00e9e tend \u00e0 en appeler une autre.<\/div>\n
Puis il y a l\u2019apport de D. Hebb dont nous avons d\u00e9j\u00e0 parl\u00e9, qui interpr\u00e8te l\u2019apprentissage comme la modification dynamique des poids synaptiques.<\/div>\n
Puis encore, la loi \u00ab du tout ou rien \u00bb d\u00e9couverte dans les ann\u00e9es 20 par Edgar Douglas Adrian [23]qui montre que le neurone n\u2019est excit\u00e9 que si un seuil est atteint. C\u2019est-\u00e0-dire que m\u00eame si un neurone est stimul\u00e9, il se peut qu\u2019il n\u2019y ait pas de potentiel, ni de signal en sortie, et cela parce que la stimulation (en fr\u00e9quence) aura \u00e9t\u00e9 trop faible. Cette d\u00e9couverte est particuli\u00e8rement importante en ce qu\u2019elle permet de relier la biologie \u00e0 la logique, de faire point de passage entre les deux, puisque cette loi \u00ab du tout ou rien \u00bb est similaire dans sa forme (qui transforme un processus physiologique continue en un processus discontinu et binaire) \u00e0 celle des tableaux de v\u00e9rit\u00e9 de la logique des pr\u00e9dicats (qui est binaire) et donc par suite formellement proche des outils de la logique math\u00e9matique. Et d\u2019ailleurs en 1943 on voit para\u00eetre un article qui porte le titre : \u00ab A logical calculus of ideas immanent in nervous activity \u00bb [24].<\/div>\n
Ces \u00e9l\u00e9ments sont \u00e0 la base du connexionnisme [25], lui-m\u00eame situ\u00e9 (sur un plan \u00e9pist\u00e9mologique) \u00e0 l\u2019intersection de la neurobiologie, de la psychologie, et du d\u00e9veloppement de la logique math\u00e9matique [26]. Le but \u00e9tait de parvenir \u00e0 faire correspondre une structure biologique mod\u00e9lis\u00e9e \u00e0 une structure logique binaire.<\/div>\n
Ce croisement (en quelque sorte) a donn\u00e9 naissance aux machines appel\u00e9es \u00ab r\u00e9seau de neurones \u00bb.<\/div>\n
<\/div>\n
Celles-ci, contrairement aux syst\u00e8mes pr\u00e9c\u00e9dents (les ordinateurs construits selon l\u2019architecture de Von Neumann) \u00ab ne supposent pas que l\u2019on connaisse la solution du probl\u00e8me \u00e0 traiter, plus pr\u00e9cis\u00e9ment, la proc\u00e9dure \u00e0 suivre pour l\u2019atteindre ou l\u2019approcher \u00bb <\/em>[27]. \u00ab\u00a0 Les r\u00e9seaux neuronaux s\u2019inscrivent dans un cadre diff\u00e9rent : la repr\u00e9sentation des donn\u00e9es est indirecte et r\u00e9partie \u00e0 travers un ensemble de connexions et de poids synaptiques. Auto-organis\u00e9e, elle est apte \u00e0 des repr\u00e9sentations de haut-niveau (concepts). Pour conclure on peut dire que : \u00ab la capacit\u00e9 de traitement de l\u2019information est dynamique \u00e0 travers la modulation, la cr\u00e9ation ou la destruction des liens neuronaux. (\u2026) que ces r\u00e9seaux \u00ab s\u2019adaptent et apprennent, qu\u2019ils savent g\u00e9n\u00e9raliser, regrouper ou classer l\u2019information et ceci du seul fait de leur structure et de leur dynamique, mais pour l\u2019heure ils doivent \u00eatre consid\u00e9r\u00e9s comme un compl\u00e9ment aux m\u00e9thodes traditionnelles \u00bb\u00a0<\/em>[28] car on ne sait pas remonter la cha\u00eene de leur raisonnement et on ne sait pas non plus, avec exactitude pourquoi ils donnent telle ou telle r\u00e9ponse. En quelque sorte, on n\u2019arrive pas \u00e0 les comprendre et ils \u00e9chappent.<\/div>\n
Pr\u00e9sentons maintenant rapidement la structure de ces r\u00e9seaux de neurones.<\/div>\n
<\/div>\n
R\u00e9seau de neurones<\/strong><\/div>\n
<\/div>\n
Tout d\u2019abord un r\u00e9seau de neurones c\u2019est une topologie. La mise en place d\u2019\u00e9l\u00e9ments au sein d\u2019un espace et c\u2019est cet espace, sa configuration qui d\u00e9terminera la potentialit\u00e9 du r\u00e9seau. Ainsi un r\u00e9seau non-boucl\u00e9 et un r\u00e9seau r\u00e9current n\u2019auront pas les m\u00eames possibilit\u00e9s, un r\u00e9seau monocouche et un r\u00e9seau multicouche non plus. On peut trouver des repr\u00e9sentations de ces r\u00e9seaux sur internet si l\u2019on veut se faire une id\u00e9e. Ici, pour illustrer notre propos, nous prendrons le perceptron qui est l\u2019un des premiers mod\u00e8les [29]. Il est constitu\u00e9 d\u2019unit\u00e9s sensitives sensibles \u00e0 des stimulations physiques diverses, d\u2019unit\u00e9s d\u2019association (connexions entrantes et sortantes), d\u2019une unit\u00e9 de r\u00e9ponse (qui g\u00e9n\u00e8re une r\u00e9ponse en dehors du r\u00e9seau), et d\u2019une matrice d\u2019interaction qui d\u00e9finit des coefficients de couplage entre les diff\u00e9rentes unit\u00e9s.<\/div>\n
<\/div>\n
La particularit\u00e9 de ces syst\u00e8mes c\u2019est qu\u2019ils sont apprenants, \u00ab c\u2019est-\u00e0-dire que les stimulations externes induisent \u2013 via des m\u00e9canismes divers- des transformations [30] internes modifiant les r\u00e9ponses \u00e0 l\u2019environnement\u00bb<\/em>. Il faut encore ajouter que les unit\u00e9s de sens de ces syst\u00e8mes (\u00ab les neurones\/synapses) fonctionnent selon trois modalit\u00e9s : comp\u00e9tition, coop\u00e9ration, et adaptation.<\/div>\n
Mais le probl\u00e8me avec ces syst\u00e8mes, c\u2019est qu\u2019il faut encore les superviser lors de l\u2019apprentissage. Il faut en quelque sorte encore qu\u2019un \u00eatre humain les \u00ab entra\u00eene \u00bb, or l\u2019\u00e9tape suivante est celle des r\u00e9seaux apprenant non-supervis\u00e9s, avec les r\u00e9seaux qu\u2019on appelle \u00ab \u00e9volutionnaires \u00bb, nous les avions annonc\u00e9s au tout d\u00e9but de l\u2019article.<\/div>\n
<\/div>\n
R\u00e9seaux \u00e9volutionnaires<\/strong><\/div>\n
<\/div>\n
Ces r\u00e9seaux \u00e9volutionnaires n\u2019ont plus besoin d\u2019\u00eatre supervis\u00e9s lors de l\u2019apprentissage. Ici, l\u2019adaptation et l\u2019auto-organisation est envisag\u00e9e, non plus tellement du point de vue de l\u2019apprentissage justement, mais dans une perspective darwinienne, du point de vue du code g\u00e9n\u00e9tique. Selon la th\u00e9orie de l\u2019\u00e9volution, les organismes vivants se sont adapt\u00e9s \u00e0 leur environnement gr\u00e2ce \u00e0 la modification et \u00e0 la recombinaison de leur patrimoine g\u00e9n\u00e9tique. Et c\u2019est cela que les informaticiens essaient actuellement de mod\u00e9liser et d\u2019impl\u00e9menter dans la machine. Nous voyons que le cadre \u00e9pist\u00e9mologique s\u2019est d\u00e9plac\u00e9 depuis que nous avons commenc\u00e9 cet article.<\/div>\n
Au d\u00e9part avec Paul Jorion nous avions un cadre multidisciplinaire o\u00f9 m\u00eame la psychanalyse (ce qui nous avait \u00e9norm\u00e9ment int\u00e9ress\u00e9) avait \u00e9t\u00e9 prise en compte, puis avec les r\u00e9seaux de neurones cette dimension a disparu, ne reste plus que l\u2019apprentissage compris comme pond\u00e9ration synaptique, ph\u00e9nom\u00e8ne de r\u00e9currence et retro-propagation de gradient, et pour finir maintenant avec les r\u00e9seaux \u00e9volutionnaires dans un cadre purement biologique et g\u00e9n\u00e9tique (cela est rendu possible parce qu\u2019on se repr\u00e9sente le g\u00e9nome comme de l\u2019information, c\u2019est-\u00e0-dire qu\u2019on fait travailler les unit\u00e9s de sens du g\u00e9nome dans le m\u00eame sens que les unit\u00e9s de sens en informatique, on rabat l\u2019une sur l\u2019autre, c\u2019est une perspective mais il pourrait y en avoir d\u2019autres). Ainsi, ce que l\u2019on observe c\u2019est une dynamique qui s\u2019apparente \u00e0 un r\u00e9ductionnisme biologique. Mais avant de finir, exposons les principes qui r\u00e9gissent les r\u00e9seaux \u00e9volutionnaires.<\/div>\n
<\/div>\n
Principes des r\u00e9seaux \u00e9volutionnaires : n\u00e9ot\u00e9nie, al\u00e9atoire et auto-g\u00e9n\u00e9ration du code<\/strong><\/div>\n
<\/div>\n
\u00ab L\u2019id\u00e9e de base consiste \u00e0 construire, sur une base al\u00e9atoire et\/ou heuristique, un ensemble de solutions potentielles \u00e0 un probl\u00e8me donn\u00e9. \u00bb<\/em> [31] Ce qui interpelle ici, c\u2019est l\u2019expression : \u00ab un ensemble de solutions potentielles \u00bb, comme si on constituait une r\u00e9serve de solutions en vue d\u2019un tri qui s\u2019effectuerait au fur et \u00e0 mesure, comme si l\u2019approche du r\u00e9sultat, progressive, devait s\u2019effectuer par le jeu des mutations \u00bb [32].<\/div>\n
Habituellement, ce que l\u2019on fait c\u2019est que l\u2019on va directement \u00e0 la solution, c\u2019est-\u00e0-dire que dans l\u2019intention m\u00eame on cherche \u00ab la solution \u00bb. Mais ici, non, l\u2019intention est autre. On commence par g\u00e9n\u00e9rer al\u00e9atoirement une population et le \u00ab mat\u00e9riel g\u00e9n\u00e9tique \u00bb de cette population -qui dans ce cas est cod\u00e9e sous la forme d\u2019une cha\u00eene de bits et non de bases azot\u00e9es-, repr\u00e9sente un ensemble de solutions potentielles au probl\u00e8me pos\u00e9. Ensuite, une fois que ces individus (cha\u00eenes de bits al\u00e9atoirement constitu\u00e9es) sont g\u00e9n\u00e9r\u00e9s on calcule pour chacun un score (niveau d\u2019adaptation), l\u00e0, si l\u2019objectif est atteint, alors a lieu la sortie de l\u2019algorithme. Ensuite on s\u00e9lectionne des reproducteurs en fonction des scores (c\u2019est une sorte de s\u00e9lection g\u00e9n\u00e9tique et on entend peut-\u00eatre les \u00e9chos de l\u2019eug\u00e9nisme et ceux d\u2019une diminution de la biodiversit\u00e9). Puis on construit des descendants par l\u2019application de diff\u00e9rents op\u00e9rateurs g\u00e9n\u00e9tiques (croisement, mutation). Puis, pour finir, on proc\u00e8de au remplacement de la population par les descendants.<\/div>\n
<\/div>\n
Nous voyons que les algorithmes \u00e9volutionnaires \u00ab fonctionnent en tirant parti de la diversit\u00e9 d\u2019une population pour \u00e9voluer vers la solution recherch\u00e9e. Au d\u00e9part on n\u2019a aucun moyen de conna\u00eetre la direction \u00e0 suivre, et on construit une population al\u00e9atoire.\u00bb<\/em> [33] Ce que ces algorithmes \u00e9volutionnaires permettent c\u2019est d\u2019engendrer des programmes informatiques, et anecdotes surprenante : il n\u2019est pas rare que les algorithmes d\u00e9couverts soient au moins \u00e9quivalents \u00e0 ceux construits par les humains. Le cas le plus \u00e9tonnant est celui de la red\u00e9couverte, \u00e0 partir des donn\u00e9es sur le mouvement des plan\u00e8tes de la troisi\u00e8me loi de Kepler, red\u00e9couverte qui au cours de la progression de l\u2019algorithme est pass\u00e9e par l\u2019une des conjonctures initiales du savant allemand.<\/div>\n
<\/div>\n
Dans le futur avec ces r\u00e9seaux, les programmes informatiques seront de plus en plus g\u00e9n\u00e9r\u00e9s automatiquement et de moins en moins construits (si le processus ne rencontre pas une limitation dont on n\u2019aurait pas encore pu tenir compte).<\/div>\n
Pour conclure nous pouvons dire que les r\u00e9seaux \u00e9volutionnaires sont des r\u00e9seaux de neurones mais qui sont ax\u00e9s sur trois finalit\u00e9s principales. Premi\u00e8rement, celle qui veut substituer aux poids synaptiques du probl\u00e8me de l\u2019apprentissage, un algorithme g\u00e9n\u00e9tique (pool de solutions potentielles constitu\u00e9 d\u2019individus constitu\u00e9s de cha\u00eene de bits). Deuxi\u00e8mement, celle qui veut remplacer les proc\u00e9dures manuelles (pr\u00e9sence humaine) d\u2019essais\/erreur (apprentissage supervis\u00e9) par un apprentissage non-supervis\u00e9, gr\u00e2ce toujours \u00e0 l\u2019algorithme g\u00e9n\u00e9tique, et troisi\u00e8mement, l\u2019\u00e9volution non pas des param\u00e8tres, mais de l\u2019\u00e9volution du codage des param\u00e8tres, c\u2019est-\u00e0-dire en quelque sorte que cela am\u00e8ne \u00e0 trouver la r\u00e8gle d\u2019adaptation la mieux adapt\u00e9e \u00e0 l\u2019adaptation, on recule encore d\u2019un cran.<\/div>\n
<\/div>\n
Ainsi, nous arrivons au terme de ce parcours qui nous a vus partir du livre de Paul Jorion et de son geste : la convocation de la psychanalyse dans le monde de l\u2019intelligence artificielle pour ouvrir les syst\u00e8mes intelligents \u00e0 l\u2019auto-organisation et \u00e0 l\u2019apprentissage en fonction du couple affect\/m\u00e9moire, c\u2019est-\u00e0-dire pour faire en sorte que les syst\u00e8mes poss\u00e8dent une personnalit\u00e9 et une biographie, \u00e0 une situation o\u00f9 le mod\u00e8le biologico-g\u00e9n\u00e9tique prime, lui-m\u00eame sous-tendu par le paradigme de l\u2019information.<\/div>\n
Alors il resterait bien s\u00fbr, \u00e0 parler de ce paradigme de l\u2019information qui fut le grand absent de cet article et ce n\u2019est peut-\u00eatre pas pour rien.<\/div>\n
<\/div>\n
Juliette Wolf<\/strong><\/div>\n
Tous nos remerciements \u00e0 la revue Temps marranes n\u00b030<\/a> dans lequel est paru l’original de cet article<\/em><\/div>\n
<\/div>\n
[1] L\u2019apprentissage profond rel\u00e8ve du \u00ab machine learning \u00bb ou \u00ab apprentissage statistique \u00bb qui est un champ d\u2019\u00e9tude qui concerne la conception l\u2019analyse, le d\u00e9veloppement et l\u2019impl\u00e9mentation de m\u00e9thodes permettant \u00e0 une machine (au sens large) d\u2019\u00e9voluer par un processus syst\u00e9matique, et ainsi de remplir des t\u00e2ches difficiles ou impossibles \u00e0 remplir par des moyens algorithmiques plus classiques. Les algorithmes utilis\u00e9s permettent, dans une certaine mesure, \u00e0 un syst\u00e8me pilot\u00e9 par ordinateur (un robot \u00e9ventuellement), ou assist\u00e9 par ordinateur, d\u2019adapter ses analyses et ses comportements en r\u00e9ponse, en se fondant sur l\u2019analyse de donn\u00e9es empiriques provenant d\u2019une base de donn\u00e9es ou de capteurs. Plusieurs modes d\u2019apprentissage sont mis en jeu : l\u2019apprentissage supervis\u00e9, l\u2019apprentissage non-supervis\u00e9, et l\u2019apprentissage semi-supervis\u00e9.<\/em><\/div>\n
[2] En octobre 2015, le programme alphaGo ayant appris \u00e0 jouer au jeu de go par la m\u00e9thode du deep learning a battu par 5 parties \u00e0 0 le champion europ\u00e9en Fan Hui[3]. En mars 2016, le m\u00eame programme a battu le champion du monde Lee Sedol 4 parties \u00e0 1.\u00a0 Information extraite d\u2019un article de wikip\u00e9dia<\/em><\/div>\n
[3] Nous reprenons la distinction tripartite de Bernard Stiegler pour qui trois \u00e9poques peuvent \u00eatre d\u00e9gag\u00e9es dans l\u2019histoire de l\u2019\u00e9volution du rapport homme-machine: le temps o\u00f9 les machines se sont mises \u00e0 \u00ab faire \u00bb \u00e0 notre place, ce qui est pour l\u2019auteur la strate du \u00ab savoir-faire \u00bb, par exemple la machine du m\u00e9tier \u00e0 tisser de Vaucansson, l\u2019\u00e9poque o\u00f9 les machines se sont mises \u00e0 nous remplacer aussi dans notre \u00ab savoir vivre-ensemble \u00bb : par exemple avec la t\u00e9l\u00e9vision, puis l\u2019\u00e9poque o\u00f9 les machines se sont mises \u00e0 nous remplacer pour les activit\u00e9s de pens\u00e9e, c\u2019est la derni\u00e8re strate, celle de la no\u00e8se, du \u00ab savoir-savoir \u00bb et que nous atteindrions aujourd\u2019hui avec les machines du type : \u00ab machines apprenantes \u00bb<\/em><\/div>\n
[4] Principes des syst\u00e8mes intelligents. Paul Jorion. ed du croquant, 2012.<\/em><\/div>\n
[5] Cette notion d\u2019effet, nous la retrouvons chez Baruch Spinoza (1632-1677). Philosophe et tailleur de lentilles pour lunettes et microscope.<\/em><\/div>\n
[6] Il ne s\u2019agit pas du g\u00e9nome, mais d\u2019une nouvelle fa\u00e7on de g\u00e9n\u00e9rer du code.\u00a0 Ce n\u2019est plus l\u2019utilisateur humain mais la machine elle-m\u00eame au moyen d\u2019une combinatoire al\u00e9atoire de populations binaires qui g\u00e9n\u00e8re des \u00ab individus solutions \u00bb, c\u2019est-\u00e0-dire une sortie algorithmique efficace.<\/em><\/div>\n
[7] Nous faisons r\u00e9f\u00e9rence \u00e0\u00a0 ses travaux sur Anella : Associative Network with Emerging Logical and Learning Abilities<\/em><\/div>\n
[8] La s\u00e9rie real human (la premi\u00e8re saison) \u00e9tait une bonne mise en jeu de cette probl\u00e9matique. Quels rapports les humains vont-ils entretenir avec leurs robots qui auront d\u00e9sormais une apparence humaine et une intelligence identique \u2013voire sup\u00e9rieure- \u00e0 la leur ? Un rapport de ma\u00eetre-esclave, un rapport d\u2019\u00e9galit\u00e9 ? De peur ? De rejet ? De jalousie ?<\/em><\/div>\n
[9] Paul Jorion dit \u00e0 propos de la signification : \u00ab le probl\u00e8me ce n\u2019est pas que nous ne comprenons pas le fonctionnement de cette chose que nous appelons signification, c\u2019est plut\u00f4t que nous ne savons pas ce qu\u2019elle est. Autrement dit, nous ne savons pas ce que le mot veut dire, car si la signification est la chose \u00e0 laquelle le mot renvoie, il y a peu de mots qui ont un significat. Exemple avec le mot libert\u00e9, \u00e0 quelle chose \u00ab libert\u00e9 \u00bb renvoie, ce n\u2019est pas \u00e9vident de le d\u00e9terminer, on voit qu\u2019il est ici plus question de d\u00e9finition, d\u2019un sous-r\u00e9seau du r\u00e9seau mn\u00e9sique, et que c\u2019est une convention.<\/em><\/div>\n
[10] Cette facilit\u00e9 de passage, est ce que les chercheurs des syst\u00e8mes intelligents de type r\u00e9seau de neurones vont appeler le renforcement progressif, par auto-modification du poids synaptique (la r\u00e9currence) et qui est en lien \u00e9troit avec la probl\u00e9matique de l\u2019apprentissage puis donc, celle de l\u2019auto-organisation.<\/em><\/div>\n
[11] Nous citons Paul Jorion : \u00ab Mes paroles me surprennent moi-m\u00eame et m\u2019enseignent ma pens\u00e9e \u00bb. La pens\u00e9e ne serait qu\u2019une reconstruction op\u00e9r\u00e9e sur la base des paroles prononc\u00e9es.<\/em><\/div>\n
[12] C\u2019est ce qui donnera le terme de \u00ab r\u00e9seau de neurones \u00bb pour les syst\u00e8mes les plus r\u00e9cents.<\/em><\/div>\n
[13] Dans un r\u00e9seau s\u00e9mantique les signifiants sont plac\u00e9s aux sommets, par exemple : \u00ab un perroquet \u00bb et les couleurs de relation \u2013 par exemple \u00ab\u00a0 est un \u00bb, sont plac\u00e9s dans les arcs (les arcs sont des sortes de liens). C\u2019est le contraire dans un r\u00e9seau mn\u00e9sique. Les couleurs de relations sont au sommet et les signifiants sont au niveau des arcs.<\/em><\/div>\n
[14] Le premier param\u00e8tre : l\u2019affect, nous en parlons dans cet article, mais le deuxi\u00e8me param\u00e8tre si nous n\u2019en parlons pas, ce n\u2019est pas parce que nous avons oubli\u00e9 mais parce que nous n\u2019avons pas tr\u00e8s bien compris de quoi il retourne. Paul Jorion parle de gravit\u00e9, au sens de gravitation, de ce qui attire vers le bas. Nous laissons donc le lecteur et la lectrice dans l\u2019obligation d\u2019aller voir par eux-m\u00eames. C\u2019est ici un manque, nous en sommes conscients.<\/em><\/div>\n
[15] Hebbs (1904-1985) est psychologue et neuropsychologue canadien. Il va tenter de trouver une alternative au \u00ab behaviorisme \u00bb, et ce faisant met en \u00e9vidence le renforcement synaptique par simultan\u00e9it\u00e9. Mais ce qui est int\u00e9ressant c\u2019est que Freud l\u2019avait d\u00e9j\u00e0 postul\u00e9 : \u00ab Or, il existe une loi fondamentale d\u2019association par simultan\u00e9it\u00e9 [qui] donne le fondement de toutes les connexions entre neurones PSI. [\u2026]. La charge s\u2019av\u00e8re \u00e9quivalente au frayage, par rapport au passage de la quantit\u00e9 (Q\u2019n) \u00bb. Dans \u00ab\u00a0 Naissance de la psychanalyse\u201d, PARIS, PUF 1979.<\/em><\/div>\n
[16] Spinoza a montr\u00e9 en quoi l\u2019affect est comme une fibre d\u00e9doubl\u00e9e. Nous le citons : \u00ab j\u2019entends par affect les affections du corps par lesquelles sa puissance d\u2019agir est accrue ou r\u00e9duite, second\u00e9e et r\u00e9prim\u00e9e, et en m\u00eame temps que ces affections, leurs id\u00e9es. \u00bb L\u2019affect est \u00e0 la fois un \u00e9v\u00e9nement corporel\u00a0 (affection) et la conscience de cet \u00e9v\u00e9nement.<\/em><\/div>\n
[17]\u00a0 cf. Wittgenstein.<\/em><\/div>\n
[18] La synapse est une jonction fonctionnelle entre deux neurones, mais qui se traduit en terme topologique par un petit vide inter-membranaire. Elle permet le passage des neurotransmetteurs (pour les neurones chimiques) qui traduit le potentiel d\u2019action du neurone aff\u00e9rent en un potentiel d\u2019action pour le neurone eff\u00e9rent (potentiel qui peut devenir nul, voire m\u00eame s\u2019inverser). Les synapses jouent donc un r\u00f4le de premier plan dans le codage de l\u2019information nerveuse.<\/em><\/div>\n
[19] C\u2019est une mod\u00e9lisation de haut niveau parce que c\u2019est au niveau de la cellule dans sa globalit\u00e9 (le neurone et les synapses), ins\u00e9r\u00e9s dans le r\u00e9seau de l\u2019ensemble cortical, qu\u2019on se situe et non pas, par exemple, au niveau des \u00e9changes d\u2019ions le long de la membrane. Mais on aurait pu faire ce choix.<\/em><\/div>\n
[20] Peut-\u00eatre faut-il attendre encore un peu pour qu\u2019une hybridation plus prononc\u00e9e devienne concr\u00e8te, une convergence qui tendrait \u00e0 une hom\u00e9ostasie en proportion, entre des supports biologiques et des supports \u00ab inorganique min\u00e9ral \u00bb.<\/em><\/div>\n
[21] R\u00e9seaux de neurones, une introduction. J.P Rennard. Ed Vuibert (2006).<\/em><\/div>\n
[22] W. James (1842-1910).<\/em><\/div>\n
[23] E.D Adrian est m\u00e9decin et \u00e9l\u00e9ctrophysiologiste anglais.<\/em><\/div>\n
[24] W. McCulloch Et W. Pitts.<\/em><\/div>\n
[25] Nous pr\u00e9cisons que le connexionnisme n\u2019est qu\u2019une des formes du biomim\u00e9tisme appliqu\u00e9e \u00e0 l\u2019intelligence artificielle. Il y a encore par exemple : l\u2019approche \u00ab animat \u00bb, \u00ab animal-like \u00bb ou\u00a0 l\u2019I.A distribu\u00e9e.<\/em><\/div>\n
[26] Influenc\u00e9 par Whitehead et Russell pour qui, il fallait refonder les math\u00e9matiques sur la seule base logique, cf. Leur livre :\u00a0 Principia mathematica\u00a0 publi\u00e9 en 1910-1913 .<\/em><\/div>\n
[27] R\u00e9seaux de neurones, une introduction. J.P Rennard. Ed Vuibert (2006).<\/em><\/div>\n
[28] Ibid.<\/em><\/div>\n
[29] Wikipedia<\/a><\/em><\/div>\n
[30] R\u00e9seaux de neurones, une introduction. J.P Rennard. Ed Vuibert (2006).<\/em><\/div>\n
[31] Ibid.<\/em><\/div>\n
[32] Ibid.<\/em><\/div>\n
[33] Ibid.<\/em><\/div>\n
<\/div>\n<\/section>\n<\/article>\n<\/div>\n<\/div>\n<\/div>\n<\/section>\n<\/div>\n<\/section>\n","protected":false},"excerpt":{"rendered":"
\n
\n

Up-magazine, Convocation de la psychanalyse dans le monde de l’intelligence artificielle<\/a>, par Juliette Wolf<\/p>\n

\n

… nous voudrions […] parler d\u2019un livre qui fut \u00e9crit par Paul Jorion <\/a>(par ailleurs anthropologue et \u00e9conomiste) en 1989 et qui porte le titre : \u00ab\u00a0Principes des syst\u00e8mes […]<\/a><\/em><\/p>\n<\/blockquote>\n<\/div>\n<\/section>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[13,9],"tags":[941],"class_list":["post-89607","post","type-post","status-publish","format-standard","hentry","category-intelligence-artificielle","category-psychanalyse","tag-principes-des-systemes-intelligents"],"_links":{"self":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/89607","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/comments?post=89607"}],"version-history":[{"count":9,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/89607\/revisions"}],"predecessor-version":[{"id":89630,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/posts\/89607\/revisions\/89630"}],"wp:attachment":[{"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/media?parent=89607"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/categories?post=89607"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.pauljorion.com\/blog\/wp-json\/wp\/v2\/tags?post=89607"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}