Modéliser l’intelligence de Turing à chatGpt

Le théorème de Tesler

Selon Hofstadter (GEB 1979):

L’IA est tout ce qui n’a pas encore été fait

Selon Tesler:

L’intelligence est tout ce qu’une machine n’a pas encore fait

Le bras de fer homme-machine

course pour rendre la machine plus intelligente?
course de l’humain pour déplacer le sens de l’intelligence?

La définition de l’humain

est ‘humain’ ce qui échappe à la machine

Qu’est-ce que ne sait pas faire la machine?

AI effect vs théorème de Tesler

“intuition”
“inspiration”
“sentiments”
langage naturel
conscience

ChatGPT

L’IA aurait comme objectif de reproduire artificiellement ce que l’IH serait “naturellement”

Faire bien ce que les machines ne savent pas faire (parler)
Faire mal ce que les machines savent faire (consulter des informations structurées)
Le poids du Reinforcement learning

Et si on renversait le modèle?

Le test de Turing

Turing, A. M. « Computing Machinery and Intelligence ». Mind LIX, nᵒ 236 (1 octobre 1950): 433‑60. https://doi.org/10.1093/mind/LIX.236.433.

Le jeu des rôles - Imitation game

découvrir une différence ou la performer?

Performer l’humain

Take away message

Dans le test de Turing on ne “découvre” pas qui est l’être humain et qui est la machine: on produit la définition de ce qu’est l’humain et de ce qu’est une machine.

Posthuman studies

My posthumanist account calls into question the givenness of the differential categories of human and nonhuman, examining the practices through which these differential boundaries are stabilized and destabilized. Barad, Karen. 2007. Meeting the Universe Halfway: Quantum Physics and the Entanglement of Matter and Meaning. Second Printing edition. Durham: Duke University Press Books.

S’interroger sur la définition d’intelligence

Comment définit-on l’intelligence?

Comment définit-on les différentes formes de comportement intelligent?

Les modèles de définition de l’intelligence

définir le langage naturel
définir des concepts particuliers
définir des sentiments
définir la conscience

L’Anthologie grecque

c. 4000 épigrammes
c. 325 auteur.e.s
c. XVI s. de littérature
AG. = A. Palatine + Appendix Planudea

Le projet « Anthologie grecque »

Nombreux acteurs :

Mathilde Verstraete
Elsa Bouchard
Christian Raschle
Servanne Monjour
Annalisa Divincenzo
Margot Mellet
Luiz Capelo
Et bien d’autres étudiant·e·s…

Arthur Juchereau
Tim Guicherd
David Larlet
Sara Rubio
Perseus
Perseids
Bibliothèque Palatine (Heidelberg)
Liceo Classico Cagnazzi (Altamura)

La variatio dans l’Anthologie

Définir un concept littéraire avec un algorithme

L’intelligence artificielle est ainsi mise au service de la théorie de la littérature plutôt que de l’analyse littéraire.

Est-il possible de donner une définition formelle – ou, plus précisément, computationnelle et algorithmique – d’un concept littéraire ? Ce projet pilote entend donner une réponse à cette question à partir d’une étude de cas sur le concept littéraire de « variation » dans l’Anthologie grecque, un corpus de 4000 épigrammes écrites par plus de 300 auteurs différents. Literature is not data, écrivait Stéphane Marche (Marche 2012) dans un article qui a suscité beaucoup de débats et de discussions au sein de la communauté littéraire. Il se ralliait à une longue tradition théorique qui pose une distinction nette entre sens et syntaxe (voir aussi John Searle (1980)) : ce qui relève du sens, de l’humain, ne serait pas calculable par une machine. L’hypothèse de ce projet est que la littérature est un ensemble de données, mais très complexes, et que, pour rendre compte de cette complexité, il est nécessaire de développer des modèles formels riches. Pour vérifier notre hypothèse, nous allons utiliser des algorithmes (ensemble des règles opératoires propres à un calcul, suite de règles formelles) non pas pour chercher des contenus ou pour faire de nouvelles découvertes à propos de notre corpus, mais pour essayer de définir de façon formelle un concept : celui de variation. Au lieu de chercher de nouvelles variations dans l’Anthologie grecque, nous allons démarrer avec la liste de toutes celles qui sont considérées comme telles par les spécialistes de ce corpus. Nous allons ensuite essayer de définir un algorithme capable de les repérer. L’intelligence artificielle sera mise au service de la théorie de la littérature plutôt que de l’analyse littéraire. Si notre algorithme est capable de trouver toutes les variations identifiées en amont, cela signifiera que cet algorithme est, de fait, la définition formelle du concept de variation. Notre projet pilote vise à développer une méthode de formalisation des concepts littéraires qui pourrait ensuite être utilisée pourd’autres concepts et d’autres corpus.

IEML

Information Economy MetaLanguage: un langage artificiel computable

syntaxe régulière
sens construit à partir de la syntaxe
primitives, morphèmes, mots

Un concept en IEML

IEML l’exemple de “démocratie”

(exemple élaboré par Pierre Lévy ici)

@node
fr: démocratie
en: democracy
(
0 verbe: exercer le pouvoir
1 sujet: tous les citoyens
2 objet: unité politique / cité
4 cause/instrument: suffrage universel
7 intention/contexte: régime politique
8 manière: séparation des pouvoirs et protection des minorités
).

Modéliser l’intelligence

définitions non ambigües
modélisation formelle
compréhension de l’“intelligence”
analyse des conceptions possibles de l’humain