Séminaire 2017-18 | Logique, Mathématiques, Informatique, Raisonnement

Coordination scientifique : Jean-Baptiste Joinet et Wendy Hammache.
 

Programme du séminaire :
 

Séance 4
Mardi 13 février de 18h à 19h30
Salle 304, 18 rue Chevreul, 69007 Lyon

« Sémiologie des mathématiques et analyse automatique de corpus »

Juan Luis GASTALDI,
(SPHERE - CNRS - Paris Diderot - Paris 1 Panthéon-Sorbonne)

« Le fait que les mathématiques constituent un système de signes peut passer pour une banalité. À tel point qu’une théorie spécifique des signes mathématiques – non réductible à une théorie des objets, des structures, des concepts ou des pratiques mathématiques – n’a guère eu l’occasion de voir le jour, au-delà de quelques tentatives singulières, dont l’exception confirme la règle. Pourtant, les déterminations tenant spécifiquement aux signes comme tels peuvent avoir un rapport intime avec les propriétés mathématiques que ces signes sont susceptibles d’exprimer, et dont la logique a jusqu’ici monopolisé le discours. Le renouveau de la linguistique de corpus résultant des développements récents dans le domaine de la linguistique computationnelle et de l’apprentissage machine offrent aujourd’hui les moyens de reconsidérer l’actualité de l’approche sémiologique, et de montrer sa pertinence pour la philosophie des mathématiques. Après avoir cerné la tâche spécifique qu’une théorie du signe pourrait remplir dans le cadre de la pensée des mathématiques, il s’agira, dans cette intervention, d’interroger la tradition de la sémiologie, notamment dans son versant structuraliste, afin de dégager des instruments positifs d’analyse basés sur le traitement automatique de corpus, capables de contribuer au développement d’une philosophie des mathématiques de nature non analytique. »

Séance 5
Mercredi 14 mars de 18h30 à 20h
Salle 301, 18 rue Chevreul, 69007 Lyon

« Les Intelligences Artificielles sont-elles des programmes ? »

Maël PEGNY,
(Postdoctorant, CNRS – IHPST - Paris 1)

« Le champ de l'Intelligence Artificielle, et en particulier de l'apprentissage machine, a connu ces dernières années un spectaculaire renouveau scientifique et industriel. Le succès rencontré par certaines de ses méthodes, en particulier l'apprentissage profond, a conduit nombre de chercheurs à s'interroger sur leur singularité. Une certaine conceptualisation de cette singularité oppose radicalement l'apprentissage machine avec la pratique plus conventionnelle de la programmation. Selon certaines formulations, parce qu'elles ont la capacité de s'automodifier au contact des données, et que leur fonctionnement peut demeurer obscur pour leurs propres concepteurs, les IAs ne devraient pas même être considérées comme des programmes : une IA "se dresse, elle ne se programme pas."

Quelle conception sous-jacente de la programmation est à l'œuvre dans cette opposition ? Doit-on la voir comme une simple description de la pratique actuelle, ou doit-on lui donner un sens plus fondamental ? J'essaierai de montrer la pertinence de ces interrogations pour le philosophe, dans un exposé introductif accessible à tous. »