La nouvelle langue d’Esope

(Perspectives de l’intelligence artificielle)

Jean-Michel Kantor


Bibliographie augmentée

Voici la biographie augmentée qui complète l'article
paru dans Commentaire, n° 166, printemps 2019,
« La nouvelle langue d'Ésope. Perspectives de l'intelligence artificielle »

Ne contient pas les ouvrages et articles cités dans l’article publié dans COMMENTAIRE, été 2019.
Une indication en italiques explicite la relation avec l’article.

 

  1. Akhtar Naveed, Mian Ajmal
    Threat of adversarial Attacks on deep Learning in Computer Vision: A Survey.
    Journal of Latex class files, Aug. 2017.
    Cf. Oliehek
  2. Anderson Chris
    The end of theory: the data deluge makes the scientific method obsolete.
    https://www. wired. com/2008/06/pb-theory/
    Comme Horgan, prétend que le Big Data va mettre la science au rencart !
  3. Arora Sanjeev
    The mathematics of machine learning and deep learning,
    Plenary lecture, International Congress of Mathematicians, Rio 2018.
    Les développements récents de l'IA en font-elles une nouvelle science ?
  4. Benzécri Jean-Paul
    Histoire et préhistoire de l’analyse des données.
    Dunod, Paris, 1982.
    Précurseur du traitement des masses de données.
  5. Briot Jean-Pierre, Hadjeres Gaetan et Pachet Francois
    Deep Learning Techniques for Music Generation,
    Computational Synthesis and Creative Systems Series, Springer Verlag, 2019 .
  6. Buhlmann Peter
    Mathematics, statistics and data Science,
    p. 28-30 European Mathematical Sciences Newsletter June 2016.
  7. Calasso Roberto
    Foi et Raison.
    La Nouvelle Revue Française, N°612, Avril 2015.
    Contient la citation de Confucius.
  8. Campbell John O.
    Universal Darwinism as a process of Bayesian inference.
    https://www. frontiersin. org/articles/10. 3389/fnsys. 2016. 00049/full
    Intéressante vision bayesienne du darwinisme.
  9. Cardon Dominique, Cointet Jean-Philipe et Mazières Antoine
    L’invention des machines inductives et la controverse de l’intelligence artificielle.
    Historique des développements et débats autour de l'IA ces cinquante dernières années.
  10. Delahaye Jean-Paul
    Intelligences artificielles : un apprentissage pas si profond !
    Pour la science, N°488, Juin 2018, pp. 80.
    Illustration évidente des résistances conservatrices du milieu universitaire français. Les défauts dus aux biais ici mentionnés (souvent déjà présents dans les bases de données) ont conduit à des progrès significatifs (cf. Akhtar).
  11. Ganascia Jean-Gabriel
    Intelligence artificielle : vers une domination programmée ?
    Le cavalier bleu, 2018.
    Survol des questions actuelles.
  12. Georges Benoît, Demichelis Rémy
    Les Echos
    Auteurs de nombreux dossiers rigoureux sur l'IA.
  13. Goodfellow Ian, Bengis Yoshua, Courville Aaron
    Deep Learning.
    MIT Press 2016
    Le manuel de base.
  14. Graham Loren
    The Power of Names: In Culture and in Mathematics.
    Proceedings of the American Philosophical Society, Vol. 157, No. 2 (June 2013), pp. 229-234.
    cf. « Nommer: les excès du langage ».
  15. Graham Loren – Kantor Jean-Michel
    Au Nom de l’infini.
    Mysticisme religieux et créativité mathématique, Belin 2010.
    cf. « Nommer: les excès du langage ».
  16. Hacking Ian
    L’émergence de la probabilité.
    Seuil 2002.
    Une mine d’informations historiques, en particulier sur la naissance du point de vue bayésien et de la « probabilité subjective », La préface fait le point sur les débats épistémologiques en cours (2002) sur la théorie des probabilités.
  17. Halpern Sue
    How He Used Facebook to Win.
    June 8, 2017, New York review of Books.
    L’exploitation des bases de données et du DL dans la dernière élection américaine.
  18. Henry M.
    La barbarie.
    PUF 2000
    Diatribe classique contre la science.
  19. Horgan John
    The End Of Science: Facing The Limits Of Knowledge In The Twilight Of The Scientific Age.
  20. Houdé Olivier
    L’intelligence humaine n’est pas un algorithme.
    O. Jacob, 2019.
    Personne n’a jamais prétendu le contraire !
    Le point de vue d’un psychologue sur ce qu’on sait (peu) aujourd’hui de l’intelligence humaine.
  21. Hossenfelder Sabine
    The end of Theoretical Physics as we know it.
    Quantum magazine, Aug 27, 2018.
    La fin de la science ? de la physique théorique au moins ?
    Le point de vue d’une brillante physicienne.
  22. Jay Gould S.
    La mal-mesure de l’homme
    Poche Essais
    Analyse critique mais datée de la notion de QI.
  23. Kissinger H. A.
    How the enlightenment ends.
    The Atlantic, June 2018.
    Le célèbre politicien prophétise la décadence intellectuelle et la mort de notre civilisation, à l’image de celle des Incas, mais, elle, tuée par l’IA ! Rassurons-nous, ce prophète supérieurement intelligent s’est aussi souvent trompé !
  24. Larousserie David et al.
    Les cinq saisons de l’intelligence artificielle.
    Le Monde, L’été des sciences.
    Juillet-Aout 18.
  25. LeCun Yann.
    Le « Deep Learning », une révolution en intelligence artificielle.
    Leçon inaugurale au Collège de France, 04 Février 2016.
    Par un des créateurs du Deep learning.
  26. Lions P. L.
    Une vision mathématique du « Deep Learning »
    https://www.college-de-france.fr/site/pierre-louis-lions/seminar-2018-11-09-11h15.htm
    Critique outrancière des développements récents de l’IA.
  27. Macron Emmanuel
    Interview à Wired sur l’Intelligence artificielle, 2018.
    https://www.wired.com/story/emmanuel-macron-talks-to-wired-about-frances-ai-strategy/
  28. Manin Yuri
    Kolmogorov complexity as a hidden factor of scientific discourse: from Newton’s law to data mining.
    Y. Manin trouve dans la théorie de Kolmogorov de la complexité un argument pour s’opposer au data mining comme moyen de découverte scientifique.
  29. Marcus G.
    Deep Learning: A Critical appraisal.
    Critiques approfondies des défauts actuels du DL.
  30. Mcgrayne Sharon Bertsch
    The theory that would not die.
    Yale University Press, 2011.
    Passionnante histoire de la formule de Bayes, de ses applications les plus diverses et des polémiques qu’elle a engendrées.
  31. Oliehoek A. and others
    GANGs : Generative Adversarial Network Games.
    arXiv:1712.00679 [stat. ML] 17 Dec. 2017.
    Un développement récent du DL, inspiré de la théorie des jeux, visant à remédier aux défauts des biais excessifs.
  32. Platon
    « Cratyle »,
    dans Platon, Œuvres complètes (trad. Luc Brisson, Catherine Dalimier), Éditions Flammarion, 2008.
  33. Poirier Hervé
    « Toute pensée est un calcul », Science et Vie, no 1013, fév. 2002, p. 40-57.
  34. Proust Marcel
    Du côté de chez Swann. Nom de pays : le nom.
  35. Ramus Franck
    – Le QI, « c’est n’importe quoi. Oui, mais encore ? »
        http://www.scilogs.fr/ramus-meninges/le-qi-cest-nimporte-quoi-oui-mais-encore/
    – L'intelligence humaine dans tous ses états
        http://www.lscp.net/persons/ramus/docs/C&P12intelligence.pdf
    Un regard récent critique sur la notion pseudo-scientifique de QI.
  36. Sarkar T.
    When Bayes, Ockam and Shannon come together to define machine learning.
    Towards data science.
    Brève mais claire introduction au machine learning et au rôle du point de vue Bayesien.
  37. Shabas Margret
    A world ruled by number.
    Biographie de l’un des créateurs de la science économique contemporaine, …
  38. Sejnowski, Terence J.
    The deep learning revolution.
    MIT Press 2018.
    Historique approfondie de l’IA par l’un de ses acteurs importants, qui a participé au tournant des années 80 où l’IA est passé de fondements logiques et symboliques à une vision numérique exploitant les bases de données.
  39. Silver D. et al.
    Mastering the game of Go with deep neural networks and tree search.
    Nature vol. 529, 28 January 2016.
    Comment la machine a battu le champion du monde du GO.
  40. Turing Alan, Girard Jean-Yves
    La machine de Turing.
    Seuil, 1991.
    Ces textes fondateurs de Turing évoquent les perspectives de « l’ordinateur intelligent ». On remarquera des remarques provocantes du logicien J. Y. Girard qui fait remonter la pensée scientifique inductive à Kepler.