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

meunier.jean-guy@uqam.ca

93

91 92

93