Actualités technologiques & futurologie

Citation :

Y a pas aussi le fait que les photons vont tous dans le même sens et qu'à moins d'avoir un truc pour les dévier sur le chemin (poussières, fumée), on ne peut le voir que de face (ou voir le point d'impact) ?
Comme dans les films quoi.

Citation :
Ca a l'air d'etre un truc de fou dis donc !


Citation :
Ah mais oui, j'en ai entendu parlé, un moteur magnétique inventé par un mec de 20 ans


L'inventeur 2012 (M6) - Enfin ! -Moteur Magnétique- https://vimeo.com/42984314



Si non comme NeekyZback, dubitatif. Comme tu dis @NeekyZback, la rentabilité des panneaux solaires font que ca peut recharger que des petits trucs. (comme les qq coups de pub "notre train marche au solaire" alors que les panneaux alimentaient les lampes qui consomment rien ^^)

Mais j'attends de voir quand meme. Avec un coup de pub comme ca, ca doit etre plus que pour allumer la clim.

Puis je reste quand meme en respect pour ces grosses entreprises américaines qui tentent des nouvelles choses. Tu nous tiens au courant hein ?

@Insert
@Alex333
@Surzurois
@CrazyCow

En fait ce n'est pas vraiment de la téléportation.
En effet on ne peut pas modifier l'information contenue dans la paire de photon intriqué sans indiquer par un canal d'information classique, l’opération à faire pour récupérer "l'information quantique".

La prouesse des chercheurs chinois réside dans le fait d'avoir fait parcourir une très grande distance à une paire de particules intriquées et cela sans perdre le lien d'intrication. Concrètement ça veut dire que le photon qui est allé rejoindre le satellite n'a pas interagi avec l’atmosphère : à la moindre interaction avec un atome/molécule l'intrication disparaît.

(je ne suis pas sûr de ce que les chercheurs chinois ont fait même ça ce trouve c'est même pas une téléportation, juste le transport sur longue distance de particules intriquées)

L’intérêt de ce truc, c'est que l'information ne voyage pas, ce qui voyage c'est 1) la particule intriquée et 2) la commande à faire sur celle-ci pour obtenir l'information. Mais lors du transport la particule intriquée ne contient pas encore l'information !

Exemple concret imaginable :
Intriquer deux disques durs vierges, en filer un à un pote et garder l'autre. Le garder vierge jusqu'au jour ou on veut envoyer un fichier de manière hyper sécu à son pote. Comment faire ?

Facile : je l'enregistre sur mon disque dur intriqué. Et j'envoie à mon pote les info à faire sur le sien pour qu'il obtienne le même fichier. Et tadammmmm il fait la manip et il obtient le fichier.

Ce qui est balèze c'est que si il y a bien un transfert classique d'info (les opérations à faire sur le disque dur), l'info du fichier elle, ne circule pas car le jeux d’opération a faire ne donnera le bon fichier que si il est effectué sur le disque dur intriqué jumeaux, si on l’exécute su un autre disque dur on obtiendra n'importe quoi ! C'est donc inviolable (enfin temps que le disque dur intriqué est dans les mains de mon pote, si il se l'est fait voler ...)

On est encore très très loin de pouvoir faire ça mais c'est un exemple d'utilisation.

Citation :
CNN est un outil de propagande et son exclue a bien 3 ans de retard parce que sur le site de la Navy on y lit que cette arme est déjà en service depuis l'été 2014, et la vidéo de ton lien ne montre aucune autre nouvelle séquence de celles qu'on avait déjà vues ici même sur Koreus dans un article datant lui aussi de 2014.

@Plopp Merci pour ton explication et ton exemple. Les journaux osent rarement mettre un exemple comme ça, mais au moins c'est plus parlant

Je ne comprenais justement pas comment pouvait se faire la "lecture" du photon intriqué. En transmettant l'opération à faire via un canal d'information classique je comprends mieux l'idée.

Un satellite franco-israélien va cartographier la végétation mondiale pour mieux mesurer l'impact du changement climatique.

Vu comment ça réagit sur Facebook, merci de vous en tenir à ce que dit l'article, et de ne pas commenter sur la seule présence du mot "Israël", ce n'est pas le lieu.

Un article intéressant sur les vraies implications de l'Intelligence Artificielle. On est très loin de Terminator, et même si on en était proche, personne n'aurait intérêt à le construire. L'IA n'est pas exempte de problèmes pour autant.

Des scienitifiques peuvent lire dans le cerveau d'un oiseau quel sera son prochain chant. Entre flippant et mignon, c'est surtout une première étape pour le contrôle de certaines technologies juste par la pensée.

Un article sur coment le boom des rencontres amoureuses en ligne changent la société dans son ensemble, créant des types de relations qui n'existaient pas avant. En faisant tomber certains obstacles sociaux, cela fait augmenter, par exemple, le nombre de mariages métissés.

Citation :

J'aime beaucoup les couples homosexuels "met in church"

Sinon, je pense que c'est une excellente chose et je suis convaincu que les couples n'en sont que plus solides et plus heureux.

pouet pouet pouet pouet

Google a développé une nouvelle version plus puissante de son IA AlphaGo. Désormais, plutôt que d'apprendre à l'aide de milliers de parties déjà effectuées, l'IA apprend en jouant contre elle-même, affinant ses stratégies. Les résultats sont impressionnants, puisqu'elle écrase les anciennes versions au bout de quelques jours, en découvrant des mouvements que les humains on mis des millénaires à concevoir.

Citation :

Oui je pense que c'est ça le prochain challenge de l'intelligence artificielle. ..
Actuellement si le pouvoir de calcul et le nombre de bases de données va toujours croissant, le nombre de label est limité parce qu'il nécessite des humains.

Le label est, par exemple, dans le cadre de la reconnaissance d'image, le nom qu'un humain donne à un ensemble d'image (le training set) afin que l'intelligence artificielle apprenne (souvent via des réseaux neuronaux qui sont juste la représentation d'une fonction qui à une image associe un label). Par exemple, dire qu'une image est un chien, un chat etc. Ou encore dire que tel coup au Go est bon ou mauvais, etc. On a besoin de label pour entrainer une machine parce que ça lui permet d'approximer ce qu'est une classe a partir d'un ensemble d'exemple (généralisation).

Hormis le 'reinforcement learning' de l'article tu as aussi le domaine difficile du 'unsupervised learning'. C'est la tâche de classifier des images dans différentes catégories regroupant les images 'similaires'. La machine ne se contente pas d'imiter la classification d'un humain, mais de créer elle-même les catégories. Comment maximiser la ressemblance d'image d'un groupe (faible variance intra-classe) et minimiser celle d'un groupe avec un autre (grande variance inter-classe).

Je pense que quand on pourra gérer ça, on aura plus besoin d'intervention humaine dans le processus d'apprentissage et là enfin l'IA décollera !!

@Compteinutile Intreressant. Tu as l'air de t'y connaitre. Tu bosses dedans ou tu lis justes des choses sur le sujet ?

Non actuellement je fais des études dans ce domaine. Mais ce qui est fou c'est que l'explosion de l'intelligence artificielle n'est pas due à de nouvelles choses mais plutôt à plus de données / pouvoir de calcul.

Mais chose très étonnante pour un domaine scientifique c'est qu'on ne comprend pas pourquoi ça marche!! En fait les réseaux neuronaux marchent pour beaucoup de domaines (réseau avec convolution pour la reconnaissance d'image, détection etc. ou réseau récurrent pour la prédiction de séries temporelles) sans qu'on sache pourquoi. En gros imaginez-vous une boite noire dont vous ne contrôlez rien qui permet de classer des objets une fois que vous lui donnez des exemples de ce qu'est un objet.

Ça parait pas être un problème que ça marche sans qu'on le sache mais imaginez une voiture qui se base sur de tels réseaux neuronaux pour reconnaître les piétons... Eh bien si elle accélère au lieu de freiner à un moment non seulement vous ne savez pas pourquoi mais vous ne pouvez pas forcément le corriger ! Donc en fait c'est une intelligence artificielle pas totalement maîtrisée (même si très performante).

@Compteinutile Interessant. Bon j'y connais rien. Mais j'imagine qu'on sait le processus informatique de reconnaissance d'image permettant a un ordi de reconnaitre une forme/un objet non ?

Je ne vois pas de quel procédé technique on parle, alors c'est dur de donner un avis. Mais j'imagine mal que les informaticiens aient fait un truc sans savoir le processus d'analyse derrière

@Compteinutile
Citation :

Après, tous les domaines ne nécessitent pas forcément un labelling.
Le besoin essentiel, c'est surtout la présence d'une fonction de score (assez simple à coder dans certains cas).
Pour le Go, les labels ne sont pas nécessaires. En théorie, il suffit simplement d'informer l'algo de sa victoire ou de sa défaite (ce qui ne nécessite pas l'intervention humaine).
Dans le cas d'AlphaGo, donc, l'apprentissage non-supervisé était relativement simple à mettre en place (même si le fait d'avoir disposé de l'historique des parties humaines pour calibrer les versions initiales a surement énormément aidé !)

@Alex333

Citation :

On sait généralement pourquoi on décide d'implémenter telle ou telle fonctionnalité dans un algo. Mais ça ne signifie pas qu'on comprend exactement comment elle va se manifester en pratique.

Il est possible de faire pousser des tomates sans être expert en biologie cellulaire, ou de "fabriquer" un bébé qui deviendra un génie alors qu'on a soi-même un QI de 70.
Pour la même raison, on peut créer un algorithme dont le comportement final nous échappe.

Planter la graine ≠ maîtriser l'arbre

Citation :
Hum OK. Mais bon, c'est comme un créateur d'application sur mobile qui ne connait pas le détail des composants électronique qu'il utilise dans son tel. Par ex je sais pas, la structure des circuits électriques avec transistors. Il se contente d'utiliser un langage informatique pour utiliser ce qui a été développé par d'autres (ici les transistors).

Mais ca ne veut pas dire que l'intelligence artificielle c'est une boite noire, sur laquelle on ne maitrise rien et on risque qu'elle prenne son indépendance.
Tu vois ce que je veux dire ? Ca me parait bisarre de dire ca.

Mais je peux me tromper ne connaissant rien a ces domaines de reconnaissance d'image
Mais c'est intéressant de lire des trucs sur ce sujet (comme la ou ici)
N'empeche, c'est fou l'ingeniosité des humains pour créer des nouveaux processus techniques comme ca

En tout cas, sans rien connaitre, j'imagine que Compteinuitle a raison en disant que les améliorations de l'IA sont surtout dues en ce moment non pas "à de nouvelles choses mais plutôt à plus de données / pouvoir de calcul."
-> Le fameux big data ? Un amoncellement énorme d'infos diverse qui permet de classifier de plus en plus finement toutes ces infos ?

C'est excitant tout ca. Surtout qu'on en est qu'au début (enfin meme si ca fait 10 ans que c'est lancé).
J'espère juste que l'Europe sais développer ses outils, sans tout laisser aux Google et compagnie... mais j'en doute

@Alex333 mon interprétation est peut être naïve . Mais dans l’exemple de la boîte noire ça ressemble un peu au principe de l’émergence.
En gros l’I.A pousse vers une performance qui alimenterait à son tour ses performances. Un effet domino sans garantie de contrôle. C’est ce qui est à la fois grisant et flippant. Donc les concepteurs maîtrisent chaque élément du processus de fabrication. Mais le résultat finale peut les laisser perplexe.
Une I.A pond un conseil juridique incompréhensible même pour un spécialiste en droit. Basé bien sûr, sur le code pénal . Mais impossible à expliquer....et...Purée je me suis perdu en chemin.
Fuck....Je rejoins la secte de Claude DB. C’est beaucoup plus simple ^^

@Alex333

Citation :

On pourrait probablement, avec une quantité de temps suffisante, comprendre chaque choix effectué par une IA complexe (en décortiquant minutieusement tout le processus ayant mené à ce choix. C'est à dire en examinant des matrices contenant des millions de coefficients).
Tout comme, effectivement, un créateur d'application pourrait comprendre la raison qui fait que les pixels de son écran s'allument de telle ou telle façon (en étudiant attentivement l'algorithmique, l'électronique, la physique, les maths...).
Mais on voit bien que, dans les deux cas, la tâche devient rapidement accablante.

Et même si l'on peut (en théorie) comprendre un comportement passé, il demeure toujours très difficile d'inférer le futur d'une technologie. L'internet est une création humaine que l'on arrive à comprendre rétrospectivement, mais personne n'avait pourtant prédit qu'il deviendrait ce qu'il est aujourd'hui.

C'est avant tout un problème de complexité : comprendre les règles fondamentales qui régissent un système (ayant de nombreux degrés de liberté) ne signifie pas qu'on saura prédire les phénomènes émergents qui en découleront.
La science a, depuis toujours, été confrontée à cette limite. On comprend les règles physiques qui régissent la chimie, mais d'innombrables mystères existent toujours en biologie, car la biologie émerge de la physique quantique.
En ce sens, l'IA peut être vue comme un phénomène émergent de nos algorithmes.

Citation :

Oui, pratiquement uniquement cela (alimenté par la puissance accrue des PC et par l'effet boule de neige qui attire de plus en plus de chercheurs à s'intéresser à ce domaine).
Les première ébauches de réseaux neuronaux datent des années 70 si je ne me trompe pas. Apparus trop tôt, ils sont retombés dans l'ombre en attendant une ère plus propice pour refaire surface !

@Alex333

Si ça aide:

Grosso modo en IA y'a deux familles: le symbolique et le numérique.
Les réseaux de neurones, c'est du numérique.
Les techniques répandues avant la résurgence des réseaux de neurones étaient toutes symboliques. On y retrouve par exemples les "systèmes experts", des trucs dans lesquelles tu bourres tout un tas de règles (genre pour faire un sys. expert à visée de diagnostic médical, tu vas lui dire "si fièvre et vomissement alors chikungunya", "si machin alors truc"). Avec ce genre d'IA, on peut récupérer assez facilement la chaîne de règles qui a conduit à trouver un truc.
Par contre avec les techniques numériques, pour l'instant non. J'ai beau comprendre exactement comment mon réseau de neurones fonctionne, maîtriser absolument tous les paramètres initiaux et les règles d'entraînement, quand je lui demande de me prédire un truc il m'est impossible de décrire le """""""raisonnement"""""""" derrière, vu que ce ne sont que des coefficients numériques. Je peux te sortir chaque fonction que représente chaque sortie de chaque neurone, mais c'est juste un gros polynôme bien crade avec souvent plusieurs centaines voire milliers de termes.
C'est ça l'effet "boite noire". Perso ce n'est pas mon avis, c'est une boite plutôt grise, je suis convaincu (mais là c'est de l'ordre de la croyance, même si je pense voir qqs pistes, de très très loin) qu'on peut en tirer qqchose.
Du coup ça n'a aucune valeur explicative, pour l'instant, ça te donne juste un résultat. C'est pas une fatalité, y'a probablement moyen de faire des choses.
Mais en tous cas quand ça marche, ça marche du feu de dieu.

[edit]

La médaille "boite noire" a deux côtés:
OK on ne peut pas encore expliquer le """"""raisonnement"""""" d'un réseau de neurones entraîné, mais l'intérêt c'est qu'on ne rentre aucune connaissance humaine dans le réseau de neurones, ce qu'il "apprend", il l'apprend sur les données et uniquement sur les données que tu lui files, et ça, ça lui permet d'en extraire des corrélations que toi tu ne connais pas, potentiellement que personne ne connaît d'ailleurs.

Exemple:

tu es agent immobilier et tu veux prédire le prix d'une maison selon son descriptif
T'as le code postal, la surface et l'âge de la maison.
Le code postal va avoir une influence directe sur ton résultat final, parce-que Neuilly-sur-Seine c'est plus cher que Tréfouilly-les-Oies.
La surface aussi.
Maintenant, tu peux imaginer que dans un certain intervalle de surface, la maison sera destinée à une famille avec enfants en bas âge. Du coup ces gens auront besoin d'une école à proximité et de transports en commun, ce qui va augmenter le prix dans certains lieux. Donc il te faut un nouveau concept intermédiaire qui va influencer le prix selon le code postal et la surface.
Tu pourrais aussi en faire un autre entre l'âge et le code postal, je sais pas moi, par exemple si en Auvergne tu as eu une vague de construction de haute qualité entre 1960 et 1980. Faudra en tenir compte.

Il peut y avoir un grand nombre de concepts cachés à la con comme ça, qui peuvent eux-même dépendre d'autres concepts que tu ne connais pas. A la main, tu vas passer 10 ans à lister pour au final ne pas être sûr de tout avoir, et bonne chance pour choisir dans quelle mesure quel concept influence quel autre, jusqu'au prix final.

Les réseaux de neurones s'affranchissent de ce besoin, et si tu le fais bien (facile à dire, moins à faire) vont détecter tout seuls toutes ces petites idées, puisqu'elles sont directement inscrites dans les données.

Chose assez inhabituelle : un phénomène physique jusqu'alors mystérieux serait en passe d'être expliqué par... la théorie standard déjà en place.

Dans la théorie BCS, les électrons d'un matériau supraconducteur interagissent pour former des paires. En s'additionnant, leurs spins (opposés) s'annulent, et la paire se comporte alors comme un (quasi-)boson : une classe de particules n'interagissant pas entre-elles. Résultat, le courant circule bien plus librement et le matériau devient donc supraconducteur.
Pour que ça fonctionne, il faut quand même refroidir le système pas loin du zéro absolu, sans quoi les paires se séparent et la résistivité augmente.

Sauf qu'on a aussi découvert des supraconducteurs "haute température" (-150/-200°C quand même) qui semblaient jusqu'à maintenant ne pas être correctement décrits pas la théorie BCS. C'était le cas de l'YBaCuO, un cristal complexe étudié depuis environ 30 ans, dont les propriétés supraconductrices n'avaient jamais été correctement expliquées.
Mais en fait, bah, on avait mal regardé. Et du coup, il semblerait que la BCS fonctionne aussi pour ce matériau.
Tous les efforts entrepris pour corriger cette théorie depuis des décennies n'ont donc peut-être pas servi à grand chose... !

tl;dr
A force de chercher "pourquoi ça marche pas", ils ont fini par trouver "pourquoi ils pensaient que ça ne marchait pas (alors qu'en vrai ça marchait)".