11 de octubre de 2017

How deep can they learn ?, par Fabian Fajnwaks - Apprendre : Désir ou dressage


Deep learning : les algorithmes apprennent désormais tout un ensemble de choses. À la différence de leurs prédécesseurs – qui se limitaient à obtenir un résultat, par exemple trouver une adresse pour un GPS, ou une citation de Lacan dans un séminaire sur Google – les algorithmes de la quatrième génération peuvent incorporer des données et s’en servir pour anticiper vos choix de livres sur Amazon ou de séries sur Netflix. Ce sont les algorithmes prédictifs qui semblent associer librement… Pardon ! Pas librement, justement, mais de manière très déterminée par vos comportements numériques précédents enregistrés dans vos recherches, ou dans les recherches d’autre internautes pour vous proposer des signifiants associés à ceux que vous entrez dans le moteur de recherche.

Avec le deep-learning les chercheurs développent depuis quelques années des algorithmes qui jouissent d’une autonomie plus ou moins totale : sans être programmés à l’avance comme les algorithmes précédents, ils peuvent ainsi déterminer eux-mêmes des combinatoires possibles entre les données auxquelles ils ont accès. C’est cela qui permettra à une machine ou à des robots de se doter de ce qu’on appelle « l’intelligence artificielle », c’est à dire un mode de captation de la réalité propre au système. Google développe déjà des algorithmes qui peuvent recréer des images qui sont présentées à un viseur de manière « artistique », modéliser la physiologie et la simulation informatique des organes en bio-informatique, reconnaître automatiquement la parole et proposer des solutions à des problèmes. À l’horizon, des voitures et des villes connectées qui sauront prendre des décisions à la place des êtres parlants…

Il y a beaucoup de choses à dire sur l’apprentissage des algorithmes, développé essentiellement à partir des recherches des neurosciences : du fonctionnement des réseaux neuronaux et des connexion synaptiques qui ont inspirés la connectivité algorithmique. Il s’agit d’une expérience de chiffrage qu’il faut différencier du chiffrage du signifiant, où l’effet d’après-coup et la répétition jouent aussi un rôle. Ce qui s’impose d’emblée comme évidence, c’est qu’ils ne savent pas ce qu’ils apprennent, comme nos amis les animaux. Cela permet d’interroger la deepness, la profondeur de cet apprentissage. Mais aussi d’interroger les limites de ce qui apparaît déjà comme une menace pour les spécialistes, en caressant les fantasmes plus classiques de la science-fiction : la possibilité que les algorithmes qui alimenteront les machines à venir, prennent trop d’autonomie et échappent à l’homme, en devenant une figure de l’Autre menaçante, un Golem numérique qui pourrait se retourner contre son créateur.

Fantasme ou réalité – pas virtuelle… ? Nous en discuterons aux 47e Journées !


 http://www.desiroudressage.com/2017/09/28/how-deep-can-they-learn-fabian-fajnwaks/

No hay comentarios: