Des dessous du « machine learning » à la modélisation de l’évolution darwinienne

On doit en partie le développement des ordinateurs au génie d’Alan Turing(1), mathématicien qui s’était fait connaître dans les années 1930 en publiant une théorie de la calculabilité et de ses limites exprimées en temps de calcul et en ressources disponibles(2). Son extension depuis les années 1950 a ouvert la voie de l’intelligence artificielle qui s’applique désormais à des processus non théorisés de l’environnement naturel.
En premier lieu aux facultés d’apprentissage qui se font indifféremment par déduction ou par induction, par les perceptions de bon sens traduisant soit des invariances, soit des régularités. Considérées comme innées dès la naissance, c’est par exemple le cas du langage, elles sont modélisées par des algorithmes auto-apprenants appelés écorithmes et désignées sous le terme d’apprenabilité.
En second lieu à l’évolution darwinienne envisagée elle aussi comme un apprentissage pas à pas modélisable dans la mesure où ni la durée de la vie depuis les origines, ni la succession des générations soumises aux mutations génétiques, ni la sélection naturelle ou sexuelle, ni même l’adaptation aux changements d’environnement ne suffisent à l’expliquer.
L’étonnante simplicité du texte anglais traduit avec toute la compétence voulue ne doit pas masquer la complexité sous-jacente ni la puissance des processus résultants qui n’en sont qu’à leurs débuts.
(1) C’est lui qui pendant la guerre a réussi à craquer le code secret Enigma utilisé par les allemands.
(2) Pour en savoir plus sur cet aspect hautement théorique : https://enseignement.polytechnique.fr/informatique…

• 

  Probablement approximativement correct

  de Valiant, Leslie Lavallée, Ivan (Traducteur)
  Cassini
  ISBN : 9782842252359 ; EUR 18,00 ; 04/09/2018 ; 288 p. ; Broché

  Go Amazon