rapports humains

Il existe des mots code utilisés aujourd'hui pour mesurer l'"authenticité" de relations ou d'autres individus. Nous nous demandons si nous pouvons nous "reconnaître" personnellement dans des événements ou d' autres gens, et si dans la relation elle-même les gens sont "ouverts" les uns aux autres. Le premier est un terme qui recouvre le fait de mesurer l'autre en termes de miroir de la préoccupation personnelle, et le second est une façade qui mesure l'interaction sociale en termes d'un marché où s'échangent des aveux.  

Auteur: Sennett Richard

Info:

[ sémantiques ] [ mécaniques ]

engagement

Ceux qui épousent Dieu, pensa-t-il, finissent par se domestiquer, eux aussi, et forment un ménage aussi popote que tous les autres. Le mot "amour" n’est plus que le baiser du bout des lèvres appartenant au rituel de la messe, et "Ave Maria" ressemble au mot "chérie" par lequel on commence une lettre. Ce mariage, de même que les mariages du monde, ne tient que par les habitudes et les goûts qu’ils ont en commun avec Dieu : le goût de Dieu étant d’être adoré et leur goût étant d’adorer, mais seulement à certaines heures, aussi régulières que l’étreinte du samedi soir des banlieusards.

Auteur: Greene Graham

Info: La saison des pluies

[ Éros ] [ agapè ] [ ecclésiastique ] [ routines religieuses ] [ rites mécaniques ]

intelligence artificielle

Notre article "Precision Machine Learning" montre que les réseaux neuronaux surpassent l'interpolation simplex uniquement dans plus de 2 dimensions, en exploitant la modularité. Nous développons des astuces de formation pour un ML de haute précision, utiles pour la science et l'interprétabilité.

Résumé : Nous explorons les considérations particulières impliquées dans l'ajustement des modèles ML aux données demandant une très grande précision, comme c'est souvent le cas pour les applications scientifiques. Nous comparons empiriquement diverses méthodes d'approximation de fonctions et étudions leur évolution en fonction de l'augmentation des paramètres et des données. Nous constatons que les réseaux neuronaux peuvent souvent surpasser les méthodes d'approximation classiques pour les exemples à dimensions élevées, en découvrant et en exploitant automatiquement les structures modulaires qu'ils contiennent. Cependant, les réseaux neuronaux dressés-formés avec des optimiseurs courants sont moins puissants pour les cas à basse dimension, ce qui nous motive à étudier les propriétés uniques des zones de déperdition des réseaux neuronaux et les défis d'optimisation qui se présentent et correspondent dans le régime de haute précision. Pour résoudre le problème de l'optimisation en basse dimension, nous développons des astuces d'entraînement-formation qui nous permettent de faire fonctionner les réseaux neuronaux avec une déperdition extrêmement faibles, proche des limites permises par la précision numérique.

Auteur: Tegmark Max

Info: Écrit avec Eric J. Michaud et Ziming Liu, oct 2022

[ mathématiques appliquées ] [ apprentissage automatique ] [ physique computationnelle ] [ machine-homme ] [ affinements mécaniques ] [ sémantique élargie ]