Théorie de la Cognition MCS – Définitions et Métrique pour les Concepts Centraux
Contenu:
Préambule
Introduction
Définitions, par ordre alphabétique
Référence particulière
Préambule
Cette partie du site résume les éléments les plus centraux de la théorie de la cognition MCS (Model for Cognitive Sciences, Modèle pour les Sciences Cognitives).
Une première approche s’était focalisée sur l’intelligence artificielle (IA, AI) dans un ensemble restreint de concepts centraux en cognition, résumés ici.
Puis il est apparu que la cognition devait se revisiter de façon plus large, incluant l’ensemble culturel lié à l’imaginaire, comme par exemple le temps ou la question des modèles et des définitions, de l’épistémologie.
Enfin, l’angle d’observation s’est encore ouvert pour considérer en complément à la cognition et à l’imaginaire, le réel, les valeurs, et le collectif.
Ainsi des informations supplémentaires sont disponibles dans les autres pages de ce site et plus encore par ailleurs :
- Une présentation complète est disponible dans le(s) livre(s) correspondant(s) [1] : https://www.roboptics.ch/publications-jdd-plus/.
- Des compléments et liens relatifs à la cognition sont encore accessibles sur notre site web classique correspondant, en cours de migration : cognitics.populus.org/rub/3
[1] Jean-Daniel Dessimoz, « Cognition et Cognitique – Définitions et métrique pour les sciences cognitives, chez l’humain et pour les machines pensantes, 2ième édition de La Cognitique, augmentée, avec considérations sur la vie, à travers le prisme réel – imaginaire – valeurs – collectif, et quelques bulles de sagesse pour notre temps », Roboptics Editions Sàrl, Cheseaux-Noreaz, Switzerland, 373 pp, March 2020.
Introduction
Une théorie de la cognition (théorie de la cognition MCS) a été développée, qui donne des définitions scientifiques pour les propriétés cognitives essentielles, telles que la connaissance ou l’apprentissage, avec des équations mathématiques permettant une évaluation quantitative de ces propriétés. Cette théorie de la cognition caractérise les systèmes (cognitifs) par leurs flux d’information d’entrée et de sortie, ainsi que par des caractéristiques temporelles.
Les principales définitions de la théorie de la cognition MCS sont brièvement présentées ci-dessous, par ordre alphabétique. Ceci peut valablement être considéré comme un glossaire, une ontologie ou une déclaration axiomatique. Le numéro derrière chaque concept indique l’ordre logique dans lequel les définitions sont introduites.
1 Modèle
2a Information 2b Message
3a Complexité 3b Abstraction 3c Concrétisation
4a Connaissance 4b Expérience 4c Fluidité 4d Simplicité
5a Expertise 5b Réductibilité
6 Apprentissage
7 Intelligence
8a Correct 8b Vrai 8c Bon, Bien 8d Erroné 8e Faux 8f Mauvais, Mal
9 Sagesse
10 Sapience
Définitions, par ordre alphabétique
L’abstraction est la propriété d’un système qui génère moins d’information qu’il n’en reçoit. L’indice d’abstraction, iabs, est le rapport de la quantité d’information entrante (ni [bit]) sur la quantité d’information sortante (no [bit]). Inverse de la concrétisation. Equ.: iabs=ni/no [sans unité]
L’apprentissage est le processus d’un système qui apprend, c’est-à-dire qui augmente son niveau d’expertise, au cours du temps (ou mieux : au fur et à mesure de l’expérience acquise). Sur une certaine durée, la quantité d’apprentissage, c’est ainsi la quantité d’expertise acquise en supplément. Equ : L=E(t1)-E(t0). Autre point de vue : L=E(r1)-E(r0). Dans les deux cas, l’unité est celui de l’expertise, le [lin/s].
« Bon » peut facilement se définir sur la base de « correct » : » Bon » est » correct » lorsque la loi à respecter est » de progresser vers un but choisi « . Par exemple, si un robot doit se déplacer, il est bon qu’il allume certains circuits électriques. « Bien » est essentiellement synonyme de bon.
La complexité est la propriété d’un objet qui nécessite beaucoup d’information afin d’être décrit de manière exhaustive. Quantitativement, la complexité est la quantité d’information requise. Unité : la même que pour l’information, c’est-à-dire le [bit].
La concrétisation est la propriété d’un système qui génère plus d’information qu’il n’en reçoit. L’indice de concrétisation, ic, est le rapport de la quantité d’information sortante (no [bit]) sur la quantité d’information entrante (ni [bit]). Inverse de l’abstraction. Equ. : ic=no/ni [sans unité].
La connaissance est la propriété d’un système qui fournit en sortie l’information pertinente, soit de manière proactive, soit en réponse à des messages entrants. Quantitativement, la connaissance s’évalue par l’équation suivante : K=log(no*2puissance(ni) +1). Le logarithme est en base 2, et l’unité de mesure en est le [lin].
« Correct » (« right » en anglais) est généralement considéré comme une valeur logique, booléenne, complémentaire de « erroné » (« wrong » en anglais). Définissons « correct » comme le qualificatif d’une entité qui se conforme à une loi (assertion) donnée. Par exemple, si la loi est « d’aller de l’avant », un pas en avant est « correct ».
Erroné est le contraire de correct.
L’expérience est la propriété d’un système qui a été exposé à un domaine cognitif. Quantitativement, elle est généralement évaluée sous la forme Rt, en termes de temps (durée) [s]. Une autre approche (moins intuitive) consiste à évaluer l’expérience, Ri, en termes de nombre Na d’opérations cognitives rencontrées, c’est-à-dire d’associations de messages en principe observés, en entrée et, en correspondance, en sortie. Equ : Ri=Na*Somme(ni,no) [bit].
(Par ailleurs, si on le souhaite, sur le plan formel, il reste possible d’unifier les deux définitions proposées pour l’expérience en caractérisant l’environnement où elle s’acquiert par l’abondance des opérations cognitives qui s’y déroulent, en bit par seconde.)
L’expertise est la propriété d’un système cognitif qui délivre rapidement l’information pertinente en sortie. Quantitativement, elle est le produit de la connaissance, K, et de la fluidité, f. Equ : E=K*f . L’unité est le [lin/s]. De manière générale, les synonymes d’expertise sont notamment le savoir-faire, la compétence, l’habileté et l’excellence.
Faux est le contraire de vrai.
La fluidité est la propriété d’un système qui fournit rapidement de l’information. Elle peut être considérée comme une vitesse de traitement. La fluidité, f, est l’inverse de la durée , Dt, nécessaire pour délivrer l’information de sortie. Equ. : f=1/Dt [1/s].
L’information est ce qui permet à un récepteur de mettre à jour son propre modèle interne. L’information est une antidote à l’incertitude. La quantité d’information reçue, c’est la différence de taille du modèle en termes de contenu informationnel, entre les états « avant » et « après » l’arrivée du message. Le calcul s’effectue sur la base de la probabilité des messages, qui sont des éléments essentiels du modèle. Considérons un message entrant, attendu par le récepteur comme l’un parmi N possibles, avec une probabilité p. Selon la théorie classique de Shannon, la quantité d’information, Q, transportée par ce message est d’autant plus grande qu’elle annule une grande incertitude, qu’elle rend certaine une probabilité initialement jugée très faible; la quantité d’information transportée par ce message varie avec l’inverse de sa probabilité; précisément, Q se monte au log (1/p). Le logarithme est généralement pris en base 2, ce qui donne pour unité le [bit]. Si la probabilité individuelle des différents messages est de pi, où pi est la probabilité du ième message, conduisant aux quantités respectives d’information Qi, alors la quantité moyenne de ces messages, Qa, est donnée par l’équation suivante : Qa:= Somme pour i:= 1 à N de (pi x Qi ).
(Remarquons que la quantité d’information contenue dans un message spécifique dépend essentiellement des attentes du récepteur et cette quantité peut donc varier de deux manières: 1. par rapport aux différents récepteurs considérés et 2. par rapport au temps qui passe, et plus particulièrement compte tenu des messages déjà reçus précédemment).
L’intelligence est la propriété d’un système capable d’apprendre. En termes quantitatifs, l’intelligence peut être évaluée comme un indice, i, qui est le rapport de l’apprentissage par rapport à l’expérience. Selon le choix, intuitif ou plus rigoureux, des formulations introduites pour l’expérience, nous avons deux équations. Equ. : it=L/Dt [lin/s2] (ou ii=L/DR [lin/s/bit]).
La première formulation est plus simple et définit de façon très plaisante l’intelligence comme une sorte d’accélération, cognitive.
Mauvais est le contraire de « bon« . « Mal » est essentiellement synonyme de mauvais.
Un message est un élément d’information. Essentiellement, la quantité d’information qu’un message transporte est déterminée par sa probabilité d’occurrence.
En termes généraux, un modèle est une représentation simplifiée (c’est-à-dire incomplète par essence) du réel, que l’on trouve utile pour atteindre un objectif spécifique, une valeur.
Dans la théorie de la cognition MCS, le modèle de référence de base pour un agent ou un système cognitif est comportemental. Un domaine cognitif peut y être schématiquement décrit comme une sorte de table (virtuelle) contenant toutes les associations entrées-sorties, avec autant de lignes que de types de messages entrants possibles, chacune contenant le message de sortie correspondant. Il n’est pas question de réaliser des systèmes cognitifs sur cette base brute. Par contre l’objectif utile et bien valable de ce modèle est de permettre l’évaluation quantitative de propriétés cognitives clés, telles que la connaissance, l’expertise ou l’apprentissage.
La réductibilité est la propriété d’un système qui peut être mis en œuvre par des sous-systèmes d’une complexité intégrale plus petite que la complexité du système lui-même.
La sagesse est une propriété spécifique des agents cognitifs, qui renvoie à leur capacité à prendre de bonnes décisions, c’est-à-dire à être expert dans l’élaboration des messages qui font qu’un agent atteint un but donné.
Pour faire simple et facile, nous proposons ici d’estimer en termes booléens la quantité de sagesse pour un agent, sur un domaine donné : vrai ou faux, reflétant le fait que le but est atteint ou non par l’agent.
Sans être essentielle, une caractéristique habituelle de la sagesse est de se rapporter à des situations complexes et à des buts majeurs ou « méta »-buts : survivre, gagner le match, gagner une place dans au Panthéon.
La sapience est la propriété essentielle d’un agent cognitif, c’est-à-dire d’une structure active capable de cognition.Elle apparaît sous plusieurs signes, comme la connaissance, l’expertise, ou l’intelligence (déjà définie et rendue mesurable dans la théorie de la cognition MCS). Quantitativement, la sapience peut être caractérisée par un indice, en référence aux humains (« homo sapiens »). La sapience (indice) est donc un ratio, sans unité spécifique
La simplicité est la propriété d’un objet qui nécessite peu d’information pour être décrit de manière exhaustive. Quantitativement, la simplicité est l’inverse de la complexité. Unité : inverse de l’unité d’information, [1/bit].
Le vrai peut être défini sur la base de « correct » : « Vrai » est « correct », lorsque la loi à respecter est « correspondance au réel ». Par exemple, il est vrai que le freinage réduit la vitesse.
Référence particulière
Jean-Daniel Dessimoz, « Cognition et Cognitique – Définitions et métrique pour les sciences cognitives, chez l’humain et pour les machines pensantes, 2ième édition de La Cognitique, augmentée, avec considérations sur la vie, à travers le prisme réel – imaginaire – valeurs – collectif, et quelques bulles de sagesse pour notre temps », Roboptics Editions Sàrl, Cheseaux-Noréaz, Suisse, 373 pp, Mars 2020.
D’autres documents peuvent se télécharger, en français ou en anglais, à partir du site internet suivant: (www.roboptics.ch/publications-jdd-plus).