1 octobre 2018
Ce document est lié à :
info:eu-repo/semantics/altIdentifier/arxiv/1301.2959
info:eu-repo/semantics/OpenAccess
Jean Piniello, « NOUVEAUX ELEMENTS pour une THEORIE GENERALE des RESEAUX (incluant le CERVEAU) pendant la période d'APPRENTISSAGE (Pour une meilleure COMPREHENSION de l'EFFICACITE de l'INTELLIGENCE ARTIFICIELLE?) Version N°5 Un progrès significatif? Par Jean PINIELLO », HAL-SHS : sciences de l'information, de la communication et des bibliothèques, ID : 10670/1.qvc7qn
Cette étude traite de l'évolution des réseaux dits " intelligents " (société d'insectes sans chef, cellules d'un organisme, cerveau,...) pendant leur phase d'apprentissage. On résume d'abord brièvement la Version 2 (publiée en français), dont les caractéristiques essentielles sont : * Un réseau connecté à son environnement est considéré comme plongé dans un champ d'information généré par cet environnement qui lui impose ainsi les contraintes d'apprentissage. * Le formalisme utilisé s'inspire de celui de la Théorie quantique des champs (principe de moindre action, champs de jauge, invariance par rapport aux transformations de symétrie,...). * On obtient ensuite les équations de Lagrange dont les solutions décrivent l'évolution du réseau pendant toute la phase d'apprentissage. * Enfin, tout en continuant de s'inspirer du même formalisme, on suggère des voies d'études susceptibles de faire évoluer les connaissances dans le domaine considéré. Puis, après avoir rappelé les points à améliorer, on expose la Version 5 qui apporte, semble-t-il, des améliorations significatives. En effet : * On considère les moyennes pondérées des variables, ce qui permet d'introduire les probabilités. * On définit deux observables (L la valeur moyenne pondérée des flux d'information internes et A l'activité du réseau) qui pourraient permettre une confrontation avec l'expérience. * On trouve que L, valeur moyenne des flux d'information, est un invariant. * Enfin on propose 2 expressions de la conactance, dont on déduit les équations de Lagrange correspondantes, à résoudre pour trouver l'évolution des valeurs moyennes considérées. Mais, à ce stade, on considère que seule l'expérimentation (voir les projets comme Human brain project) permettra de progresser en découvrant des invariants, des symétries, qui permettraient, comme cela a été le cas en Physique, d'établir une classification des réseaux et surtout de mieux comprendre les interactions entre réseaux. Car, et c'est ce qui est proposé dans les voies de recherches futures, le problème fondamental est de comprendre comment, une fois leur apprentissage terminé, différents réseaux peuvent se connecter entre eux pour donner, dans le cas du cerveau par exemple, ce qu'on appelle des états mentaux.