|
|
|
La cybernétique La philosophie de la cybernétique (II) Fin 1948, à l'époque de l'EDVAC, le philosophe et logicien français le Père Dominique Dubarle présentait ainsi le nouvel ordinateur de von Neumann qui touchait plus à une représentation informationnelle de l’humain, qu’à la description d’une machine à calculer[3]: “Traduisons maintenant en langage psychophysiologique. Organes d’enregistrement: terminaisons nerveuses fonctionnant elles aussi suivant la loi du tout ou rien. Circuits transmetteurs d’impulsions : neurones. Combinateurs élémentaires de la machine : synapses nerveuses. Organes de contrôle local : ganglions nerveux. Organes de mémoire, de conduite, de programme général : système nerveux central, aux différentes fonctions, elles aussi coordonnées et hiérarchisées avec des bases organiques à cette coordination et à cette hiérarchisation [...] l’analogie n’est même pas seulement organique, elle est aussi fonctionnelle et quasi mentale : les machines ont comme pour ainsi dire leurs réflexes, leurs troubles nerveux, leur logique, leur psychologie et même leur psychopatologie [...]. Un claquage de circuit se traduit par un résultat erroné, des erreurs dans les circuits de contrôle peuvent désorganiser tout le circuit de fonctionnement d’un organisme partiel de calcul, des failles dans le programme peuvent retentir sous forme d’une véritable folie de la part de la machine, s’emportant alors dans un travail. absurde jusqu’à ce qu’on y remédie. On devine quelles perspectives de pareils faits peuvent ouvrir à ceux qui étudient d’une part le fonctionnement du système nerveux, d’autre part les possibilités de réaliser des machines à exécuter les tâches de la pensée”.
Aujourd’hui encore, un physiologiste de renom tel Alain Berthoz[4] du Collège de France ne peut éviter de faire des rapprochements entre les mouvements du corps ou certaines stratégies du cerveau et le monde de la robotique. Je le cite : “Pour moi, le cerveau est un simulateur, au sens d’un “simulateur de vol”; Le développement des modèles de réseaux neuronaux en composants à silicones appelés VLSI relève [...] de la même idée : il faut incarner les modèles biologiques dans la réalité physique comme le cerveau est incarné dans le corps. Un muscle qui se contracte atteint son maximum de force environ 80 millisecondes après une commande nerveuse [...] Dans le langage des systèmes asservis, on dit que “l’avance de phase des fuseaux [musculaires] compense les propriétés de filtre passe-bas des muscles”; Selon la théorie du contrôle non linéaire des mouvements de robots élaborés par Slotine, des “variables composites” (un mélange de grandeurs et de leurs dérivées successives) pourraient être utilisées par le système nerveux; Soit le cerveau maintient les muscles des doigts peu contractés (en termes de robotique, on dira qu’il s’agit d’une stratégie “compliante”); Les roboticiens, qui, à ce jour, ne sont toujours pas capables de réaliser des machines de la complexité du moindre insecte, savent à quel point tous les ordinateurs sont vite saturés, à la fois en capacité de calcul et en rapidité, par les quelques degrés de liberté des robots qu’ils essayent de construire. Quelles sont les astuces que la nature a trouvées pour réduire ce nombre de degrés de liberté ?” Berthoz utilise également des expressions imagées telles la “décharge” d’un neurone, l’“intégrateur neuronal fuit”, la “bande de fréquences”, le “filtre de Kalman”, autant de termes empruntés à l’électronique et incorporées aux neurosciences. Enfin il n’oublie pas les mathématiques pour formaliser ces concepts quand il parle de fonctions de transferts, de covariance, d’intégration, de dérivée, de fonction de puissance, de modèles, etc, tout en discutant du sens du mouvement. A l’entendre,
la limite entre l’homme et la machine se dissipe...mais en guise de
clôture Berthoz[5]
nous met en garde : “
Malgré ce dualisme bien ancré, suites aux études théoriques de Wiener, von Neumann et Turing en particulier, des travaux remarquables ont été effectués pour tenter de rapprocher la technologie des robots de l’architecture du cerveau. Depuis la fin des années 1970, les chercheurs de Stanford, Yale ou de MIT parmi d’autres considèrent que l'architecture électronique, son côté matériel n'est plus le niveau fondamental du traitement de l'information. Dansles langages de programmation évolués (4GL), les algorithmes sont quasi indépendants de l'outil qui les supporte. Grâce à Russel la pensée put ainsi être décomposée en propositions élémentaires et être transplantée sur un matériel non biologique. Comme l'a écrit avec intelligence le philosophe Daniel Dennett[6] "[la cause matérielle des états cognitifs] ne provient pas du matériel, mais du fonctionnement ". Il rejoint ainsi l’idée exprimée en 1943 par Norbert Wiener dans son texte fondateur de la cybernétique. Cette distinction que certain jugeront hardie traduit l'état actuel de la recherche en intelligence artificielle. Cette discipline a retenu la “géométrie d’assemblage des noeuds de calcul” comme la structure fondamentale des superordinateurs et des robots; les centres de calculs équipés de processeurs sont organisés sous forme d’arbre, sous forme d’hypercube, d’assemblage total, etc. Les performances et l’encombrement sont les facteurs sélectifs de façon à pouvoir échanger les données le plus rapidement possible. Ces robots fonctionnent actuellement dans l'industrie et sont à la base de ce qu'il convient d'appeler le concept "néo-mécaniste". En fait les chercheurs étaient déjà disposés à comparer nos neurones au fatras de silicium depuis la fin des années 1950. Tous les chercheurs ont essayé d'expliquer nos états cognitifs de manière réductionniste, à partir des processus fonctionnels jugés élémentaires. Les plus avant-gardistes sont déjà parvenus à reproduire électroniquement certains neurones de la mouche, d’autres planchent sur des "réseaux de neurones" (structure arborescente ou assemblage total en général), des ordinateurs bourrés de silicium et construits sur le modèle des cellules du cerveau humain.
Les projets Les efforts théoriques aboutirent à plusieurs réalisations, notamment le programme d'anagrammes Jumbo du Prof. Hofstadter de l'université d'Indiana. Jumbo est capable de choisir certaines combinaisons parmi un ensemble de lettres en fonction de "l'entropie du système"; le programme Eurisko élaboré par Douglas Lenat de Stanford est capable de modifier ses propres règles (heuristiques) et ses propres concepts par un processus "naturel", tandis que le programme Perceptron de Frank Rosenblatt de l'université de Cornell est capable de reconnaître et d'apprendre différents symboles. L’un des projets les plus avancés est celui développé par Gerald Edelman de l'université Rockfeller. Dénommé Darwin III, son ordinateur est réglé par des algorithmes équivalents à un réseau de 6000 neurones et 100000 synapses neuronales, loin en deçà du cerveau du plus stupide insecte. Mais ces réseaux sont "conditionnés" par l'apprentissage. Leur mémoire est répartie dans l'ensemble des circuits et les données sont traitées de façon globale. Ces ordinateurs sont capables de reconnaître des visages, de prononcer des mots ou de détecter des odeurs. On en reparlera à propos des robots. Les chercheurs envisagent également d’appliquer les biotechnologies et notamment la nanotechnologie à la mise au point de circuits moléculaires, sortes de mémoires chimiques. Rappelons également que Peter Fromherz à l’institut Max Planck de Munich ou le Dr Wyatt de MIT étudient actuellement le développement de cellules nerveuses sur des supports de silicium, premices des implants bioniques dans le cortex cérébral. Enfin, régulièrement, la médecine bionique réhabilite des handicapés moteurs et les chercheurs nous rappellent que les androïdes sont à notre porte. Faut-il craindre ou applaudir cette évolution, c'est ce que nous allons essayer d'apprécier. La place de l'homme : entre idéal et réalisme Comme l’on dit plus d’un écrivain depuis 400 ans,"Science sans conscience n'est que la ruine de l'âme". Certains ingénieurs nous rappellent que l’homme peut se fourvoyer en cherchant à créer des machines à son image. Concepteur du fameux programme de simulation Eliza[7], Joseph Weizenbaum de MIT souhaite discuter de la place de l'homme dans ce monde devenu trop artificiel. Il nous rappelle que l'homme est une fin en soi et non pas un moyen d'acquérir de l'information. Toutefois, tout le monde ne partage pas sn opinion. En créant des robots à notre image, ne sommes-nous pas en train de créer des besoins, de pousser le progrès dans une direction incontrôlable ? Weizenbaum dénonce le fait que l'informatique asservit notre esprit et que sans y prendre garde nous lui serons totalement dévoué. Demain la nature sera peut-être artificielle et on oubliera sa beauté naturelle. La machine va-t-elle supplanter toutes les espèces vivantes, l'homme y compris ? A l'opposé, Rucker ou Gödel considère qu'une machine offrant les mêmes capacités que l'homme est tout à fait réalisable même si Gödel avoue ne pouvoir démontrer son universalité et fixe certaines limites aux capacités de la logique[8]. Reproduire
le cerveau
Qu'ils
soient scientifiques ou non, moralistes ou mystiques, avec toutes ces données
les chercheurs idéalistes concluent que notre problème ne mettra plus très
longtemps à être résolu. Mais on peut sérieusement douter de cet
optimiste; avec un peu de réalisme, reproduire un
cerveau avec ses quelque 30 à 100 milliards de neurones (1011)
ne sera certainement pas pour demain. Son "équivalent" numérique
devrait gérer quelque 21011
états possibles ! L'ordinateur qui simulerait ces conditions devrait être
plus performant que notre cerveau s'il veut coder mécaniquement tous ces
états. Selon Jacob T. Schwartz[9],
disposant de 1015
synapses et 10000 contacts par cellule (valeur haute), le cortex de l’homme
est capable de traiter 1019
bits d’information soit, en jargon informatique l’équivalent d’une
puissance de 10000 Teraflops; notre cortex à la puissance d’un
superordinateur Cray-3 mais ce dernier est loin d’être optimisé. Il
est très cher, encombrant et serait, au mieux, mille fois plus lent que
notre cerveau, à moins d’interconnecter 1000 Cray-3 en réseau. John
Hopfield. Doc U.Princeton. Nous
savons aujourd’hui que les réseaux neuronaux dit de Hopfield[10]
ont une capacité de stockage de 0.15n, n étant le nombre de neurones.
Par analogie le cerveau serait capable de stocker 15 à 32 milliards de
bits, environ 2 Gigabytes, l’équivalent d’une bibliothèque de 2000
ouvrages. C'est dans ce contexte que John
Hopfield de l'Université de Princeton a construit une souris
Silicium, un modèle informatique constitué de 800 neurones et
capable de reconnaître des mots. Les
ordinateurs pourraient ainsi approcher un jour les capacités du cerveau.
Les signaux électriques par exemple, se propagent dans un ordinateur à
la vitesse de la lumière et parcourent ainsi 10 cm en 0.586 nanosecondes.
Un ordinateur équipé d’une horloge battant à moins de 600 MHz
suffirait. Nous l'avons construit en 1999. Quant à la dissipation de la
chaleur, le cerveau produit de 10 à 100 impulsions par seconde. Il est
pourtant capable de traiter 1000 fois plus d’information qu’un
superordinateur. Nous sommes peut-être de temps en temps "lents à
comprendre", nous gardons la tête froide
! Comment pourrait-on augmenter la vitesse d’un ordinateur sans dissiper
trop de chaleur ? Il est possible de véhiculer l’information sur
plusieurs canaux en parallèles. Ainsi nous sommes passé des bus de
données de 4 canaux ou bits à 8, 16 et bientôt 132 bits. Enfin,
plutôt que de séparer les centres de traitement (processeur) et de stockage
(mémoire) on peut aussi fusionner les deux modules, ce qui évitera de
devoir effectuer des millions de transferts tout en permettant de s’affranchir
de la vitesse finie de la lumière. Le
cerveau est peut-être bien en mesure de calculer et de mémoriser,
effectuant simultanément de nombreuses opérations, mais personne ne sait
ni où ni comment il le fait. Rien qu’à travers nos yeux transitent des
millions de bits d’information chaque seconde. Par comparaison, un portrait
digitalisé est reconnaissable sur une trame de 20 x 20 pixels contenant 4 tons de
gris représente 1600 bits d’information élémentaires. Mais cette
résolution est des millions de fois inférieure à la capacité de notre
cerveau. Nous n’avons en effet pas l’impression d’observer notre
environnement à travers une trame grossière. Un écran d’ordinateur
standard offrant 65000 couleurs et une résolution de 800x600 pixels s’approche
déjà plus de l’image que nous avons de notre environnement. Mais cela
représente déjà un total d'environ 31 milliards d’informations
élémentaires que notre cerveau traite en moins d’une seconde ! La
Connection Machine CM-5. Actuellement
l'une des machines les plus rapides, contient 250000 processeurs parallèles et 16000 noeuds de calculs, c’est la “Connection Machine” construite par Thinking Machines
Inc. aux Etats-Unis. Pour l'anecdote les connaisseurs la reconnaîtront
dans le film "Jurassic Park"; elle apparaît en effet dans le
fond de la salle informatique... Le modèle CM-5 a une puissance de calcul de 2.5 TFlops mais son
intelligence est encore loin de rivaliser avec celle du plus stupide
insecte, qui reste polyvalente. Le système expert équivalent devrait
disposer d’un nombre peut-être infini de bases de connaissances pour
transmettre ne fut-ce qu’une indication précise sur un objet tel que l’exécute
une abeille qui se respecte. Si
tout cela paraît peu envisageable, seul l'avenir nous permettra de découvrir
quelle place nous occupons réellement dans l'Univers. Pour plus d'information
|
|||||||||||||||||||||||||||||||||||||
