Kevin B. Korb - Philosophy of Science, Bayesian Reasoning

Summary

Kevin Core, professeur à l'Université Monash, explore l'intersection entre l'informatique, la science et la philosophie, en particulier la philosophie des sciences. Influencé par Karl Popper et la falsification, il défend l'intégration des théories philosophiques en code informatique, notamment à travers une approche bayésienne. Core critique l'approche classique des statistiques en faveur de la statistique bayésienne, tout en soulignant les défis de la scalabilité en IA. Il plaide également pour une approche multidisciplinaire, en rejetant l'idéologie exclusive dans la recherche en intelligence artificielle.

Takeaways

• 😀 Kevin Core a commencé à s'intéresser à la philosophie et aux sciences informatiques à l'âge de 16 ans, avec un intérêt particulier pour la philosophie des sciences, influencé par Karl Popper.
• 😀 La méthode de Popper, le falsificationnisme, qui repose sur l'idée de rejet de théories fausses par des tests rigoureux, a été une influence majeure, mais Core la considère aujourd'hui comme obsolète au profit du raisonnement bayésien.
• 😀 Selon Core, la philosophie des sciences moderne privilégie les théories bayésiennes, qui permettent une approche probabilistique plus souple pour tester des hypothèses et ajuster les croyances en fonction des nouvelles preuves.
• 😀 Le falsificationnisme de Popper, bien qu'influent, est limité car il ne permet pas de rendre compte de l'accumulation de connaissances scientifiques. Core pense que le raisonnement bayésien remédie à cette lacune.
• 😀 Core soulève la question de la démarcation entre science et pseudoscience, en soulignant que certaines théories, comme le déni du réchauffement climatique, échappent aux tests falsifiants, mais il ne se concentre pas trop sur cette question.
• 😀 Core adopte une approche pragmatique en matière de statistiques, affirmant que les heuristiques et les biais sont utiles lorsqu'ils permettent d'économiser du temps, mais met en garde contre leur abus, notamment dans l'utilisation des tests statistiques classiques.
• 😀 Bien que les statistiques bayésiennes offrent des avantages théoriques par rapport aux statistiques classiques, leur adoption reste limitée en raison des défis de calcul, bien que l'essor des méthodes MCMC et de la puissance de calcul les rende plus accessibles.
• 😀 Core critique l'approche de certains chercheurs en intelligence artificielle des années 1990, qui négligeaient les tests statistiques appropriés dans l'évaluation des performances des algorithmes, et plaide en faveur d'une approche plus rigoureuse aujourd'hui.
• 😀 En ce qui concerne les théories simples versus complexes, Core discute de la notion de rasoir d'Occam, mais souligne que la simplicité ne garantit pas toujours la probabilité. Il aborde aussi l'idée que les théories plus complexes peuvent être plus probables une fois testées.
• 😀 Core fait référence à la méthode de Chris Wallace, le Minimum Message Length, qui combine des idées bayésiennes et informationnelles pour favoriser les théories simples tout en permettant l'intégration de nouvelles preuves complexes.
• 😀 Bien que le calcul des modèles à grande échelle soit difficile, Core évoque l'importance de l'inférence approximative et de l'échantillonnage stochastique pour surmonter les limitations actuelles des algorithmes de calcul, avec l'espoir que des avancées comme l'informatique quantique puissent offrir des solutions futures.

Q & A

Qu'est-ce qui a poussé Kevin Core à s'intéresser à la philosophie des sciences ?

Kevin Core a été influencé par les idées de Karl Popper, en particulier son ouvrage *Conjectures et Réfutations*, qui l'a convaincu de l'importance de la philosophie des sciences et de l'épistémologie, en particulier la méthode scientifique.

Quelle est la principale approche que Kevin Core utilise pour appliquer la philosophie des sciences à l'IA ?

Core applique les théories philosophiques de la méthode scientifique en les implémentant dans des programmes informatiques, en utilisant principalement une approche bayésienne de la falsifiabilité et des tests scientifiques.

En quoi la falsifiabilité de Popper est-elle critiquée par Kevin Core ?

Kevin Core critique la falsifiabilité de Popper car elle ne permet pas de rendre compte de l'accumulation des connaissances scientifiques, ne donnant pas de place à la confirmation des hypothèses, ce qui est essentiel selon lui pour comprendre l'avancement scientifique.

Quelle est l'alternative que propose Kevin Core à la falsifiabilité pour expliquer la méthode scientifique ?

Kevin Core propose l'approche bayésienne, qui permet une gestion probabiliste des hypothèses, où les théories sont évaluées en fonction de leur probabilité d'expliquer les données observées. Cela permet une meilleure compréhension de la justification des hypothèses.

Qu'est-ce qu'Occam's Razor et comment Kevin Core l'applique-t-il à la théorie scientifique ?

Occam's Razor, selon Kevin Core, suggère que, sauf nécessité, une théorie plus simple devrait être privilégiée. Cela repose sur la capacité cognitive humaine à traiter des informations complexes, et cette approche peut être intégrée dans les méthodes bayésiennes pour préférer des théories plus simples dans les premières étapes, avant que l'évidence ne guide vers des théories plus complexes.

Quel est le principal avantage de la statistique bayésienne par rapport aux statistiques orthodoxes selon Kevin Core ?

Le principal avantage de la statistique bayésienne est qu'elle permet de prendre en compte les probabilités antérieures et d'ajuster les croyances à mesure que de nouvelles données sont collectées, contrairement aux statistiques orthodoxes qui ignorent ces informations a priori.

Pourquoi Kevin Core mentionne-t-il que l'intelligence artificielle a du mal à évoluer dans des problèmes complexes ?

Il souligne que l'intelligence artificielle rencontre des difficultés de mise à l'échelle lorsqu'on passe de problèmes avec quelques variables à des problèmes complexes avec des milliers de variables, en raison des limitations des algorithmes actuels pour gérer de tels volumes de données.

Quelles méthodes sont utilisées pour résoudre les problèmes de mise à l'échelle en IA ?

Les méthodes comme l'inférence approximative et l'échantillonnage stochastique sont utilisées pour résoudre les problèmes de mise à l'échelle en IA, bien que Core souligne que cela reste un défi important pour l'IA actuelle.

Quelle est la position de Kevin Core sur l'opposition idéologique dans le domaine de l'intelligence artificielle ?

Kevin Core rejette les positions idéologiques extrêmes dans l'IA, comme celles des partisans exclusifs d'une seule méthode (symbolisme, connexionnisme, etc.). Il plaide pour une approche intégrative qui utilise des idées de différentes disciplines pour enrichir la recherche en IA.

Quelles disciplines Kevin Core considère-t-il comme importantes pour la recherche en IA ?

Core estime que l'intelligence artificielle devrait bénéficier des contributions de disciplines comme les neurosciences, la psychologie cognitive, la biologie évolutive et la philosophie, en intégrant diverses approches pour enrichir la compréhension et l'application des méthodologies en IA.