SlideShare une entreprise Scribd logo
j [email_address] Blog: « PLEXUS LOGOS CALX » Quelques publications: SLIDESHARE JEAN ROHMER
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Je parle en tant que chercheur, programmeur et utilisateur de mes développements Je fais de l’informatique depuis 44 ans Je suis déçu par l’évolution de l’informatique Depuis 40 ans on n’a presque rien trouvé de neuf en logiciel Le logiciel n’est pas réductible à de l’ingénierie J’essaie de construire des Amplificateurs d’Intelligence J’écris  du contenu sémantique chaque jour depuis 1997  Le nœud du problème est le langage: langage de programmation et langage naturel
Etymologiquement, programmer veut dire « écrire à l’avance » Le futur n’est pas écrit, donc la programmation n’a pas de futur La programmation n’a pas de passé: on a oublié les meilleurs langages (Lisp, APL, Prolog) et l’Intelligence Artificielle des années 80. Il est très difficile de développer des applications intelligentes avec les langages à la mode On a oublié ce qu’était une application intelligente « Software Engineering » est une contradiction dans les termes Il y a deux sortes de langages de programmation: ceux faits pour programmer les machines (à la mode), ceux faits pour résoudre des problèmes difficiles (oubliés)
Le langage naturel est très structuré Seul les humains comprennent le langage naturel Comprendre le langage naturel demande un effort personnel  dont n’a idée aucune machine Nous ne savons pas comment nous comprenons la structure complexe du langage naturel Nous ne savons pas expliquer à une machine comment comprendre le langage naturel L’homme essaie depuis toujours d’inventer des langages calculables
Ce qu’une machine sait représenter, elle ne sait pas le comprendre Une connaissance hors de la tête de quelqu’un, ça ne veut rien dire Nous ne sommes pas assez intelligents pour fabriquer une machine aussi intelligente que nous
MESOPOTAMIE  V1
MESOPOTAMIE  V2
Mésopotamies ,[object Object],[object Object],[object Object]
 
HISTOIRE ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
 
PAOLO ROSSI: « I filosofi e le macchine » (Feltrinelli, 2002) « La nascita della scienza moderna » (Laterza, 1997) Editi o riediti con il Mulino: « Clavis universalis » (1983),  « Il passato, la memoria, l’oblio » (1991, premio Viareggio 1992),  « Un altro presente » (1999),  « Francesco Bacone » (2004), « Speranze » (2008).  Frances A. Yates: The Art of Memory
(Peter Matussek:)   Giulio Camillo (1480 - 1544)  was as well-known in his era as Bill Gates is now. Just like Gates he cherished a vision of a  universal Storage and Retrieval System , and just like Microsoft Windows, his 'Theatre of the Memory' was, despite constant revision, never completed. Camillo's legendary Theatre of Memory remained only a fragment, its benefits only an option for the future. When it was finished,  the user  - so he predicted -  would have access to the knowledge of the whole universe
RAMON LLUL (1232 -1316) Arbor Scientiae: Ontologies Universelles Combinatoires « une lecture directe de l’alphabet que le Créateur a gravé dans les choses »
 
RESEAU SEMANTIQUE ET LOGIQUE DU 16 EME SIECLE DANS LA CATHEDRALE DE GRENADE MODELISANT  LA SAINTE TRINITE
IDEE D’UNE CONTINUITE ENTRE MÉMOIRE  / CONNAISSANCE  / LOGIQUE / RAISONNEMENT AUTOMATIQUE BRUNO (1548-1600)  BACON (1561-1626) COMENIUS (1592-1670) DESCARTES (1596 -1650)  LEIBNIZ (1646-1716)
DESCARTES ET LEIBNIZ ,[object Object],[object Object],[object Object],[object Object]
Descartes  ,[object Object],[object Object],[object Object]
Leibniz ,[object Object],[object Object],[object Object]
GRANDES REALISATIONS IA DES ANNEES 1980-1995 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
LANGAGES LISP (1962) ET  PROLOG  (1972) STUPIDEMENT IGNORES AUJOURD’HUI
LES SYSTEMES A BASE DE CONNAISSANCES DES ANNES 1980 LA DERNIERE TENTATIVE REUSSIE DE FAIRE DES APPLICATIONS « INTELLIGENTES »
METAPEDIA (1988 1992) 150 000 ARTICLES ENCYCLOPEDIQUES MODELISES EN RESEAUX SEMANTIQUES MULTIUTILISATEURS
METAPEDIA: 70 STATIONS DE TRAVAIL EN RESEAU POUR EXPERTS ET COGNITICIENS
OPEN KADS (1990) ATELIER DE GESTION DE CONNAISSANCES BIEN PLUS PUISSANT QUE PELLET  PROTEGE RACER And CO
CORAIL: INTERROGATION DE BASES DE DONNEES EN LANGAGE NATUREL (1990)
RAMSES: GESTION DE CRISE DES JO ALBERTVILLE 1992 / MODELISATION DES CONNAISSANCES / SYSTÈME EXPERT / LANGAGE NATUREL / PLANIFICATION
SACHEM (1989-1995) ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
 
 
AI WINTER ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
IDELIANCE ,[object Object],[object Object],[object Object],[object Object],[object Object]
IDELIANCE 1993 …
PAS DE DEFINITION DE MODELE A PRIORI  MAIS EMERGENCE DES STRUCTURES SEMANTIQUES  PAR UN OUTIL DE DECOUVERTE / APPRENTISSAGE A PARTIR D’ENONCES SUJET / VERBE / COMPLEMENT INVERSES / CATEGORIES ENTRES A LA MAIN  OU IMPORTES DEPUIS DES DONNEES STRUCTUREES IDELIANCE
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],IDELIANCE
 
 
GRAPHE « QUOI-ENTRE »
 
 
EXTRACTION SEMANTIQUE  ASSISTEE
FORMAT SVC
FORMAT SVC I
Format SVCI ,[object Object],[object Object],[object Object]
Format SVCI ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
GRANDS PROJETS Défense / Sécurité / Renseignement UNE DOUCE ILLUSION PARTAGEE  DES PHYSICIENS AUX DECIDEURS VIA LES CHARLATANS
 
CONSTATS ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
SEMANTIC NETS PRODUCTION SEMANTIC NETS MANAGEMENT SEMANTIC NETS ANALYSIS CAPTURE AND MERGE  HETEROGENEOUS SOURCES OF INFORMATION INTO AN UNIFIED  HUMAN READABLE FORMAT NAVIGATE, QUERY VISUALIZE, UPDATE, DESIGN, RESTRUCTURE, PUBLISH DEDUCTION,  ANALOGY, CLASSIFICATION, DISCOVERY, WEAK SIGNS DETECTION ASK MORE INFORMATIONS  FROM SOURCES ENRICH SEMANTIC NETS WITH ANALYSIS RESULTS A A A Continuous Collective Process From  Data to Knowledge
IT COSMOLOGY: DICTATURE OF TWO BLACKHOLES LBH :  LITTERATUS  Black Hole CBH:   CALCULUS  Black Hole PLAIDEURS COMPTABLES KM SQL XML WEB 2.0 Semantic WEB A.I.    Blasted Out! Realm of  DOCUMENTS  Realm of  PROGRAMS Forbidden zone! « dispute » « compute » Object Oriented Languages
Moins de  critique littéraire, moins de calcul scientifique Plus de critique scientifique, plus de calcul littéraire Fabriquer un Excel Littéraire Fabriquer un PowerPoint Sémantique Faire faire du calcul aux gens d’en haut Donner de la matière littéraire aux gens d’en bas Rêver un Foucault programmeur de « l’Archéologie du Savoir » Rêver un Spinoza  programmeur Rêver un Wittgenstein programmeur
SOFTWARE CRISIS The major cause of the software crisis is that the machines have become several orders of magnitude more powerful!  As long as there were no machines, programming was no problem at all When we had a few weak computers, programming became a mild problem Now we have gigantic computers, programming has become an equally gigantic problem Edsger   Dijkstra   1968
L’informatique technique est un mélange d’académisme, de bricolage, de marketing, de mode, de religions, de sectes Le management méprise l’informatique, les jeunes s’en détournent Les professionnels se barricadent dans un jargon technique repoussant et font du racket  « payez, et nous nous occupons de tout » (intégration, externalisation, cloud computing) On n’arrive pas à utiliser la puissance du hardware pour rendre le software plus simple « L’interconnexion des silos d’information par des Web Services conduit à des systèmes cauchemardesques » (Pierre Col, 11/10/ 2011) L’INFORMATIQUE TECHNIQUE EST UNE TARTE AU CITRON MERINGUEE: DEFINITIVEMENT FIGEE
ESSAYONS AUTRE CHOSE! PAS DE DOCUMENTS PAS DE BASES DE DONNEES PAS DE PROGRAMMES PAS D’ONTOLOGIES PAS DE MODELES PAS DE LOGIQUE FORMELLE PAS DE GRAMMAIRES PAS DE FORMATS LANGAGE NATUREL EMERGENCE DISCIPLINE GEOMETRIE ALTERITE SYMETRIE INTERACTION RESPONSABILITE LOCALITE  EDUCATION MOINS D’INGENIERIE INCULTE  PLUS D’UTILISATION  RESPONSABLE⌈
CLAIM ,[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
Tim Berners-Lee: The Web is now  philosophical engineering Staline: Les écrivains sont les ingénieurs de l’âme Les ontologies sont produites par les ingénieurs du sens Les ingénieurs ne doivent pas fabriquer du sens Les ingénieurs doivent fabriquer des instruments de mise en contact / osmose avec l’information Le Web Sémantique, c’est l’Intelligence Artificielle sans les applications Le grand mérite du Web Sémantique à la W3C  est de  poser la question « Pourquoi ça ne marche pas » 
Tim Berners-Lee a commencé le Web car il savait le faire Tim Berners-Lee a commencé le Web Sémantique car il ne savait pas le faire
FREE  LIBRE OPEN  LOGICIELS  DONNEES
NET  =  NEXUS = NŒUD  = NASSE = RETS = RESEAU = FILET
Triplet RDF  URI
MY NAME IS TIM !
A quoi bon LIBERER les données  si c’est pour  les LINKER à des URI  dès leur sortie de prison ? LIBRE OU LIE, il faut choisir! N’échangeons pas une prison locale contre une prison mondiale Les URI ne sont pas des identifiants, mais des adresses, des lieux  (donc des URL) dans l’unique mémoire mondiale Les URI sont dans l’orbite du Trou Noir du Calcul Une information est un énoncé et non un identifiant Un énoncé a physiquement une adresse L’atome de sens c’est l’énoncé et non l’identifiant
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
LES SEULES DONNEES LIBRES SONT LES DONNEES SOUS FORME NATURELLE
Au commencement sont les énoncés Les (id) entités émergent des énoncés et non l’inverse On ne peut pas porter une entité à la connaissance de quelqu’un sans faire au moins  deux   énoncés Si l’atome est l’énoncé, on pourra se passer des documents dans le futur Si l’on n’a plus de documents, on n’a plus besoin de métadonnées Les métadonnées sont des énoncés comme les autres Non au monde carcéral des documents enserrés dans des rets de métadonnées enchaînées à des URI !
Dans un ordinateur, ne mettons que des énoncés Information  is  the System Usage  is  the Architect Practice  alterity  to  alter  IT Le Web 1.0 permet de lire facilement des choses écrites difficilement Le Web 2.0 permet d’écrire facilement des choses difficiles à lire Quand il s’agit de travailler, on retourne à Excel et à PowerPoint Faire un Web qui facilite et amplifie l’écriture, la lecture et le TRAVAIL / LA REFLEXION = Web 3.0!
Les ordinateurs, ont besoin de formats et de modèles Les humains détestent les formats et les modèles Le Software Engineering et la Programmation sont des bureaucraties de gestion de formats et modèles Les formats et modèles informatique ne sont pas biodégradables; ils s’accumulent et polluent Les formats sont manipulés en cachette du public   par des travailleurs spécialisés appelés programmeurs Il est difficile et couteux de démanteler les centrales à formats ( = les applications), et de recycler les formats Des organisations mondiales essaient d’imposer des formats et modèles standard J’ai choisi le langage naturel comme format standard
Une ontologie est un ensemble d’énoncés comme les autres Un dictionnaire, un tableau Excel, un thésaurus … sont des ensembles d’énoncés comme les autres On a le droit de vouloir faire des ontologies au sens du W3C  à condition de savoir que c’est impossible Faites les ontologies qui vous sont utiles sous la forme humaine que vous préférez Traduisez ces ontologies en énoncés en langage naturel Mélangez cette ontologie avec d’autres énoncés en langage naturel Faites du calcul littéraire sur les ensemble d’énoncés
Seule l’altérité, et non l’ontologie peut résoudre le problème de l’identité
Ne mettez pas d’ingénieurs dans la boucle Faites vous-même tout le travail sur le sens et le contenu Il ne faut pas informatiser les sciences humaines, il faut humaniser l’informatique C’est aux ingénieurs de construire l’appareil C’est aux autres de l’utiliser
DEMOGRAPHY, REPRESENTATION, COMPUTERS natural  language formal   logic user acceptance computer capabilities
[object Object],[object Object],[object Object],[object Object],[object Object]
Calcul sur des Réseaux Sémantiques
 
MERGE MANY SOURCES INTO AN UNIQUE SEMANTIC NETWORK OF MEETINGS, PEOPLE, PLACES, DATES ... MEETING B MEETING C MEETING D MEETING A Paris London Munich Sept 23 Oct 17 John A. Kees C. Theo Z. Jamel B. Fred L. Hans X. Sven F. Marco  L. From web mining From database From Humint From Jane ’s files
Mapping of an Organisation  via a Journey from Informations to Intelligence Raw  Informations About Organisation XXX Intelligence  Report About Organisation XXX
LITTERATUS CALCULUS FUNDAMENTALS INFERON :  minimal and autonomous sentence in natural language INTERLOGOS :  set intersection (words) of two INFERONS ARGOS :  a subgraph of INFERONS and their INTERLOGOS
EXAMPLE There are two national airlines having scheduled flights to airport of Tivat Montenegro Airlines has regular flights serving Tivat Airport flights tivat airport airlines Montenegro Airlines  opens an Agency in Kotor montenegro airlines airlines
OUR GOAL IS TO REPLACE INFORMATION SYSTEMS, DOCUMENTS, DATABASES  BY  USERS INTERACTION   (WRITE, READ, QUERY, REUSE, ANALYSE, VISUALIZE, NAVIGATE, COMPUTE …) WITH  INFERONS
 
IDELIANCE « IN-BETWEEN »
 
AZIMUTS ,[object Object],[object Object],[object Object],[object Object]
 
« QUOI-ENTRE » EN CALCUL LITTERAIRE
What are the domains of expertise of Laure which are also known of Polytechnique students?
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
SI ON REMPLACE  LES ENONCES  PAR DES IMAGES  ? SI ON REMPLACE LES INTERLOGOS PAR DES INTERSECTIONS D’IMAGES ? SI ON REPRESENTE UNE VIDEO COMME UN LIGNE D’IMAGES, CHACUNE PARTAGEANT DES INTERLOGOS AVEC  D’AUTRES IMAGES APPARTENANT A  D’AUTRES LIGNES ? VERS DES AZIMUTS SPATIO-TEMPORELS
« Turkey » looks like …. « Become Europe »
FULL LC: MINIMALISM … A: chien means dog B: chat means cat C: dog signifie chien D: cat signifie xxx Find xxx
FULL LC: Power of Symmetry means signifie chien - dog chat xxx cat A: chien means dog B: chat means cat C: dog signifie chien D: cat signifie xxx ,[object Object],[object Object]
Et même des grammaires …
???
Symétrie (palindromes)
Pratiquer le Calcul Littéraire ,[object Object],[object Object]
Exemple de prise de note ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Altérité ( Alter IT ) ,[object Object],[object Object],[object Object]
ANGE GARDIEN SEMANTIQUE PERSONET (Pierre Berger)
Pour conclure ,[object Object],[object Object],[object Object]

Contenu connexe

Tendances

Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
Conférence UTA  BFM  Limoges - IA nouvel acteur du champ de batailleConférence UTA  BFM  Limoges - IA nouvel acteur du champ de bataille
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
OPcyberland
 
Convergence NBIC CKTS et RH
Convergence NBIC CKTS et RHConvergence NBIC CKTS et RH
Convergence NBIC CKTS et RH
OPcyberland
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
Fernando Alcoforado
 
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
Lou Burnard
 
Big Data revolution : InfoViz, DataViz, quand l'information prend du sens
Big Data revolution : InfoViz, DataViz, quand l'information prend du sensBig Data revolution : InfoViz, DataViz, quand l'information prend du sens
Big Data revolution : InfoViz, DataViz, quand l'information prend du sens
Microsoft Décideurs IT
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
Nour El Houda Megherbi
 
Conference robots kedge 26 mars 2021
Conference robots kedge   26 mars 2021Conference robots kedge   26 mars 2021
Conference robots kedge 26 mars 2021
OPcyberland
 
Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]
Technologia Formation
 
Aux frontières du digital (B) (SciencesPo 2009)
Aux frontières du digital (B) (SciencesPo 2009)Aux frontières du digital (B) (SciencesPo 2009)
Aux frontières du digital (B) (SciencesPo 2009)
David Raichman
 
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-il
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-ilLa veille de Red Guy du 27.03.13 - Notre cerveau change-t-il
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-ilRed Guy
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
OPcyberland
 
Une approche du Knowledge management
Une approche du Knowledge managementUne approche du Knowledge management
Une approche du Knowledge management
Isabelle GUYOT
 
Travail intellectuel, traces et réflexivité
Travail intellectuel, traces et réflexivitéTravail intellectuel, traces et réflexivité
Travail intellectuel, traces et réflexivité
Yannick Prié
 
Informatique pervasive et usages en contextes
Informatique pervasive et usages en contextesInformatique pervasive et usages en contextes
Informatique pervasive et usages en contextesDavid Bihanic
 
Ubiquité et intelligence ambiante
Ubiquité et intelligence ambianteUbiquité et intelligence ambiante
Ubiquité et intelligence ambiante
Sarah
 
l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
Jean-Antoine Moreau
 
Quand l'IA vient à l'objet
Quand l'IA vient à l'objetQuand l'IA vient à l'objet
Quand l'IA vient à l'objet
Dominique Sciamma
 
Presentation Michel Riguidel L'Internet du futur Telecom Valley
Presentation Michel Riguidel L'Internet du futur Telecom ValleyPresentation Michel Riguidel L'Internet du futur Telecom Valley
Presentation Michel Riguidel L'Internet du futur Telecom Valley
TelecomValley
 

Tendances (20)

Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
Conférence UTA  BFM  Limoges - IA nouvel acteur du champ de batailleConférence UTA  BFM  Limoges - IA nouvel acteur du champ de bataille
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
 
Convergence NBIC CKTS et RH
Convergence NBIC CKTS et RHConvergence NBIC CKTS et RH
Convergence NBIC CKTS et RH
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
 
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
De "Literary and Linguistic Computing" jusqu'aux "Humanites numeriques" : que...
 
Big Data revolution : InfoViz, DataViz, quand l'information prend du sens
Big Data revolution : InfoViz, DataViz, quand l'information prend du sensBig Data revolution : InfoViz, DataViz, quand l'information prend du sens
Big Data revolution : InfoViz, DataViz, quand l'information prend du sens
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
 
Conference robots kedge 26 mars 2021
Conference robots kedge   26 mars 2021Conference robots kedge   26 mars 2021
Conference robots kedge 26 mars 2021
 
Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]Comprendre l’intelligence artificielle [webinaire]
Comprendre l’intelligence artificielle [webinaire]
 
Aux frontières du digital (B) (SciencesPo 2009)
Aux frontières du digital (B) (SciencesPo 2009)Aux frontières du digital (B) (SciencesPo 2009)
Aux frontières du digital (B) (SciencesPo 2009)
 
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-il
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-ilLa veille de Red Guy du 27.03.13 - Notre cerveau change-t-il
La veille de Red Guy du 27.03.13 - Notre cerveau change-t-il
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
 
Bahan ajar bahasa visual
Bahan ajar bahasa visualBahan ajar bahasa visual
Bahan ajar bahasa visual
 
Une approche du Knowledge management
Une approche du Knowledge managementUne approche du Knowledge management
Une approche du Knowledge management
 
Travail intellectuel, traces et réflexivité
Travail intellectuel, traces et réflexivitéTravail intellectuel, traces et réflexivité
Travail intellectuel, traces et réflexivité
 
Informatique pervasive et usages en contextes
Informatique pervasive et usages en contextesInformatique pervasive et usages en contextes
Informatique pervasive et usages en contextes
 
Ubiquité et intelligence ambiante
Ubiquité et intelligence ambianteUbiquité et intelligence ambiante
Ubiquité et intelligence ambiante
 
l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
 
Quand l'IA vient à l'objet
Quand l'IA vient à l'objetQuand l'IA vient à l'objet
Quand l'IA vient à l'objet
 
Cours1 1
Cours1 1Cours1 1
Cours1 1
 
Presentation Michel Riguidel L'Internet du futur Telecom Valley
Presentation Michel Riguidel L'Internet du futur Telecom ValleyPresentation Michel Riguidel L'Internet du futur Telecom Valley
Presentation Michel Riguidel L'Internet du futur Telecom Valley
 

Similaire à De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique

Oeinria
OeinriaOeinria
Oeinria
olivier
 
Big Data et Technologies du Langage
Big Data et Technologies du LangageBig Data et Technologies du Langage
Big Data et Technologies du Langage
aixtal
 
Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...
OPcyberland
 
#000 is the new Black
#000 is the new Black#000 is the new Black
#000 is the new Black
Julien Noyer
 
WygDay - Session Innovation xBrainLab
WygDay - Session Innovation xBrainLabWygDay - Session Innovation xBrainLab
WygDay - Session Innovation xBrainLabGregory Renard
 
WygDay 2010 - Start Up : xbrainlab
WygDay 2010 - Start Up : xbrainlabWygDay 2010 - Start Up : xbrainlab
WygDay 2010 - Start Up : xbrainlab
Wygwam
 
Technologies au quotidien - Espèces de Cyberespaces
Technologies au quotidien - Espèces de CyberespacesTechnologies au quotidien - Espèces de Cyberespaces
Technologies au quotidien - Espèces de Cyberespaces
Bodyspacesociety Blog
 
memoire-ina-atelier-depotlegal-web
memoire-ina-atelier-depotlegal-webmemoire-ina-atelier-depotlegal-web
memoire-ina-atelier-depotlegal-web
olivier
 
Ch1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdfCh1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdf
kedegaston39
 
Logiciels libres - Concepts et intérêts pour les chercheurs
Logiciels libres - Concepts et intérêts pour les chercheursLogiciels libres - Concepts et intérêts pour les chercheurs
Logiciels libres - Concepts et intérêts pour les chercheurspyg
 
Rennes-archive-ertzscheid
Rennes-archive-ertzscheidRennes-archive-ertzscheid
Rennes-archive-ertzscheid
olivier
 
La coopération des intelligences
La coopération des intelligencesLa coopération des intelligences
La coopération des intelligences
Aymeric
 
Astrolabe 2.0
Astrolabe 2.0Astrolabe 2.0
Astrolabe 2.0
Philippe Diaz
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
syliaghz
 
Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?
olivier
 
Une histoire du design interactif
Une histoire du design interactifUne histoire du design interactif
Une histoire du design interactif
designers interactifs
 
UX Design for Startup
UX Design for StartupUX Design for Startup
UX Design for Startup
Ahmed BACHIR CHERIF
 
Thetalk fra-version
Thetalk fra-versionThetalk fra-version
Thetalk fra-version
Lou Burnard
 
Faire savoir le web s ingularité
Faire savoir le web s ingularitéFaire savoir le web s ingularité
Faire savoir le web s ingularitéAbeline Majorel
 

Similaire à De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique (20)

Oeinria
OeinriaOeinria
Oeinria
 
Big Data et Technologies du Langage
Big Data et Technologies du LangageBig Data et Technologies du Langage
Big Data et Technologies du Langage
 
001 information design
001   information design001   information design
001 information design
 
Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...
 
#000 is the new Black
#000 is the new Black#000 is the new Black
#000 is the new Black
 
WygDay - Session Innovation xBrainLab
WygDay - Session Innovation xBrainLabWygDay - Session Innovation xBrainLab
WygDay - Session Innovation xBrainLab
 
WygDay 2010 - Start Up : xbrainlab
WygDay 2010 - Start Up : xbrainlabWygDay 2010 - Start Up : xbrainlab
WygDay 2010 - Start Up : xbrainlab
 
Technologies au quotidien - Espèces de Cyberespaces
Technologies au quotidien - Espèces de CyberespacesTechnologies au quotidien - Espèces de Cyberespaces
Technologies au quotidien - Espèces de Cyberespaces
 
memoire-ina-atelier-depotlegal-web
memoire-ina-atelier-depotlegal-webmemoire-ina-atelier-depotlegal-web
memoire-ina-atelier-depotlegal-web
 
Ch1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdfCh1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdf
 
Logiciels libres - Concepts et intérêts pour les chercheurs
Logiciels libres - Concepts et intérêts pour les chercheursLogiciels libres - Concepts et intérêts pour les chercheurs
Logiciels libres - Concepts et intérêts pour les chercheurs
 
Rennes-archive-ertzscheid
Rennes-archive-ertzscheidRennes-archive-ertzscheid
Rennes-archive-ertzscheid
 
La coopération des intelligences
La coopération des intelligencesLa coopération des intelligences
La coopération des intelligences
 
Astrolabe 2.0
Astrolabe 2.0Astrolabe 2.0
Astrolabe 2.0
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
 
Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?Digital Intelligence : pour une éthique algorithmique ?
Digital Intelligence : pour une éthique algorithmique ?
 
Une histoire du design interactif
Une histoire du design interactifUne histoire du design interactif
Une histoire du design interactif
 
UX Design for Startup
UX Design for StartupUX Design for Startup
UX Design for Startup
 
Thetalk fra-version
Thetalk fra-versionThetalk fra-version
Thetalk fra-version
 
Faire savoir le web s ingularité
Faire savoir le web s ingularitéFaire savoir le web s ingularité
Faire savoir le web s ingularité
 

Plus de Jean Rohmer

Pub microsoft et health data hub
Pub microsoft et health data hubPub microsoft et health data hub
Pub microsoft et health data hub
Jean Rohmer
 
De la pub microsoft dans les articles sur le health data hub
De la pub microsoft dans les articles sur le health data hubDe la pub microsoft dans les articles sur le health data hub
De la pub microsoft dans les articles sur le health data hub
Jean Rohmer
 
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
Jean Rohmer
 
Compter les triangles en PROLOG
Compter les triangles en PROLOGCompter les triangles en PROLOG
Compter les triangles en PROLOG
Jean Rohmer
 
Ideliance mental reseau semantique
Ideliance mental reseau semantiqueIdeliance mental reseau semantique
Ideliance mental reseau semantique
Jean Rohmer
 
Arithmetics with symbolic Artificial Intelligence and Prolog: it's a child's...
Arithmetics with symbolic Artificial Intelligence  and Prolog: it's a child's...Arithmetics with symbolic Artificial Intelligence  and Prolog: it's a child's...
Arithmetics with symbolic Artificial Intelligence and Prolog: it's a child's...
Jean Rohmer
 
Semantic architectures for Artificial Intelligence
Semantic architectures for Artificial IntelligenceSemantic architectures for Artificial Intelligence
Semantic architectures for Artificial Intelligence
Jean Rohmer
 
Construire un moteur d'inférence
Construire un moteur d'inférenceConstruire un moteur d'inférence
Construire un moteur d'inférence
Jean Rohmer
 
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
Jean Rohmer
 
Artificial Intelligence Past Present and Future
Artificial Intelligence Past Present and FutureArtificial Intelligence Past Present and Future
Artificial Intelligence Past Present and Future
Jean Rohmer
 
Knowledge representation: structured or unstructured?
Knowledge representation: structured or unstructured?Knowledge representation: structured or unstructured?
Knowledge representation: structured or unstructured?
Jean Rohmer
 
Semantic networks, business rules, inference engines, and complex event proc...
Semantic networks, business rules, inference engines,  and complex event proc...Semantic networks, business rules, inference engines,  and complex event proc...
Semantic networks, business rules, inference engines, and complex event proc...
Jean Rohmer
 
Ideliance semantic network 2000
Ideliance semantic network 2000Ideliance semantic network 2000
Ideliance semantic network 2000
Jean Rohmer
 
Standards considered harrmful
Standards considered harrmfulStandards considered harrmful
Standards considered harrmful
Jean Rohmer
 
Litteratus calculus fundamentals
Litteratus calculus fundamentalsLitteratus calculus fundamentals
Litteratus calculus fundamentals
Jean Rohmer
 
Internet in 2020 rohmer open world forum 2011
Internet in 2020 rohmer open world forum 2011Internet in 2020 rohmer open world forum 2011
Internet in 2020 rohmer open world forum 2011
Jean Rohmer
 

Plus de Jean Rohmer (16)

Pub microsoft et health data hub
Pub microsoft et health data hubPub microsoft et health data hub
Pub microsoft et health data hub
 
De la pub microsoft dans les articles sur le health data hub
De la pub microsoft dans les articles sur le health data hubDe la pub microsoft dans les articles sur le health data hub
De la pub microsoft dans les articles sur le health data hub
 
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
Les 40 ans de l'Institut Fredrik Bull avec liens video: 40 ans d'informatique...
 
Compter les triangles en PROLOG
Compter les triangles en PROLOGCompter les triangles en PROLOG
Compter les triangles en PROLOG
 
Ideliance mental reseau semantique
Ideliance mental reseau semantiqueIdeliance mental reseau semantique
Ideliance mental reseau semantique
 
Arithmetics with symbolic Artificial Intelligence and Prolog: it's a child's...
Arithmetics with symbolic Artificial Intelligence  and Prolog: it's a child's...Arithmetics with symbolic Artificial Intelligence  and Prolog: it's a child's...
Arithmetics with symbolic Artificial Intelligence and Prolog: it's a child's...
 
Semantic architectures for Artificial Intelligence
Semantic architectures for Artificial IntelligenceSemantic architectures for Artificial Intelligence
Semantic architectures for Artificial Intelligence
 
Construire un moteur d'inférence
Construire un moteur d'inférenceConstruire un moteur d'inférence
Construire un moteur d'inférence
 
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
Intelligence Artificielle: résolution de problèmes en Prolog ou Prolog pour l...
 
Artificial Intelligence Past Present and Future
Artificial Intelligence Past Present and FutureArtificial Intelligence Past Present and Future
Artificial Intelligence Past Present and Future
 
Knowledge representation: structured or unstructured?
Knowledge representation: structured or unstructured?Knowledge representation: structured or unstructured?
Knowledge representation: structured or unstructured?
 
Semantic networks, business rules, inference engines, and complex event proc...
Semantic networks, business rules, inference engines,  and complex event proc...Semantic networks, business rules, inference engines,  and complex event proc...
Semantic networks, business rules, inference engines, and complex event proc...
 
Ideliance semantic network 2000
Ideliance semantic network 2000Ideliance semantic network 2000
Ideliance semantic network 2000
 
Standards considered harrmful
Standards considered harrmfulStandards considered harrmful
Standards considered harrmful
 
Litteratus calculus fundamentals
Litteratus calculus fundamentalsLitteratus calculus fundamentals
Litteratus calculus fundamentals
 
Internet in 2020 rohmer open world forum 2011
Internet in 2020 rohmer open world forum 2011Internet in 2020 rohmer open world forum 2011
Internet in 2020 rohmer open world forum 2011
 

De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique

  • 1. j [email_address] Blog: « PLEXUS LOGOS CALX » Quelques publications: SLIDESHARE JEAN ROHMER
  • 2.
  • 3. Je parle en tant que chercheur, programmeur et utilisateur de mes développements Je fais de l’informatique depuis 44 ans Je suis déçu par l’évolution de l’informatique Depuis 40 ans on n’a presque rien trouvé de neuf en logiciel Le logiciel n’est pas réductible à de l’ingénierie J’essaie de construire des Amplificateurs d’Intelligence J’écris du contenu sémantique chaque jour depuis 1997 Le nœud du problème est le langage: langage de programmation et langage naturel
  • 4. Etymologiquement, programmer veut dire « écrire à l’avance » Le futur n’est pas écrit, donc la programmation n’a pas de futur La programmation n’a pas de passé: on a oublié les meilleurs langages (Lisp, APL, Prolog) et l’Intelligence Artificielle des années 80. Il est très difficile de développer des applications intelligentes avec les langages à la mode On a oublié ce qu’était une application intelligente « Software Engineering » est une contradiction dans les termes Il y a deux sortes de langages de programmation: ceux faits pour programmer les machines (à la mode), ceux faits pour résoudre des problèmes difficiles (oubliés)
  • 5. Le langage naturel est très structuré Seul les humains comprennent le langage naturel Comprendre le langage naturel demande un effort personnel dont n’a idée aucune machine Nous ne savons pas comment nous comprenons la structure complexe du langage naturel Nous ne savons pas expliquer à une machine comment comprendre le langage naturel L’homme essaie depuis toujours d’inventer des langages calculables
  • 6. Ce qu’une machine sait représenter, elle ne sait pas le comprendre Une connaissance hors de la tête de quelqu’un, ça ne veut rien dire Nous ne sommes pas assez intelligents pour fabriquer une machine aussi intelligente que nous
  • 9.
  • 10.  
  • 11.
  • 12.  
  • 13. PAOLO ROSSI: « I filosofi e le macchine » (Feltrinelli, 2002) « La nascita della scienza moderna » (Laterza, 1997) Editi o riediti con il Mulino: « Clavis universalis » (1983), « Il passato, la memoria, l’oblio » (1991, premio Viareggio 1992), « Un altro presente » (1999), « Francesco Bacone » (2004), « Speranze » (2008). Frances A. Yates: The Art of Memory
  • 14. (Peter Matussek:) Giulio Camillo (1480 - 1544) was as well-known in his era as Bill Gates is now. Just like Gates he cherished a vision of a universal Storage and Retrieval System , and just like Microsoft Windows, his 'Theatre of the Memory' was, despite constant revision, never completed. Camillo's legendary Theatre of Memory remained only a fragment, its benefits only an option for the future. When it was finished, the user - so he predicted - would have access to the knowledge of the whole universe
  • 15. RAMON LLUL (1232 -1316) Arbor Scientiae: Ontologies Universelles Combinatoires « une lecture directe de l’alphabet que le Créateur a gravé dans les choses »
  • 16.  
  • 17. RESEAU SEMANTIQUE ET LOGIQUE DU 16 EME SIECLE DANS LA CATHEDRALE DE GRENADE MODELISANT LA SAINTE TRINITE
  • 18. IDEE D’UNE CONTINUITE ENTRE MÉMOIRE / CONNAISSANCE / LOGIQUE / RAISONNEMENT AUTOMATIQUE BRUNO (1548-1600) BACON (1561-1626) COMENIUS (1592-1670) DESCARTES (1596 -1650) LEIBNIZ (1646-1716)
  • 19.
  • 20.
  • 21.
  • 22.
  • 23. LANGAGES LISP (1962) ET PROLOG (1972) STUPIDEMENT IGNORES AUJOURD’HUI
  • 24. LES SYSTEMES A BASE DE CONNAISSANCES DES ANNES 1980 LA DERNIERE TENTATIVE REUSSIE DE FAIRE DES APPLICATIONS « INTELLIGENTES »
  • 25. METAPEDIA (1988 1992) 150 000 ARTICLES ENCYCLOPEDIQUES MODELISES EN RESEAUX SEMANTIQUES MULTIUTILISATEURS
  • 26. METAPEDIA: 70 STATIONS DE TRAVAIL EN RESEAU POUR EXPERTS ET COGNITICIENS
  • 27. OPEN KADS (1990) ATELIER DE GESTION DE CONNAISSANCES BIEN PLUS PUISSANT QUE PELLET PROTEGE RACER And CO
  • 28. CORAIL: INTERROGATION DE BASES DE DONNEES EN LANGAGE NATUREL (1990)
  • 29. RAMSES: GESTION DE CRISE DES JO ALBERTVILLE 1992 / MODELISATION DES CONNAISSANCES / SYSTÈME EXPERT / LANGAGE NATUREL / PLANIFICATION
  • 30.
  • 31.  
  • 32.  
  • 33.
  • 34.
  • 36. PAS DE DEFINITION DE MODELE A PRIORI MAIS EMERGENCE DES STRUCTURES SEMANTIQUES PAR UN OUTIL DE DECOUVERTE / APPRENTISSAGE A PARTIR D’ENONCES SUJET / VERBE / COMPLEMENT INVERSES / CATEGORIES ENTRES A LA MAIN OU IMPORTES DEPUIS DES DONNEES STRUCTUREES IDELIANCE
  • 37.
  • 38.  
  • 39.  
  • 41.  
  • 42.  
  • 46.
  • 47.
  • 48. GRANDS PROJETS Défense / Sécurité / Renseignement UNE DOUCE ILLUSION PARTAGEE DES PHYSICIENS AUX DECIDEURS VIA LES CHARLATANS
  • 49.  
  • 50.
  • 51. SEMANTIC NETS PRODUCTION SEMANTIC NETS MANAGEMENT SEMANTIC NETS ANALYSIS CAPTURE AND MERGE HETEROGENEOUS SOURCES OF INFORMATION INTO AN UNIFIED HUMAN READABLE FORMAT NAVIGATE, QUERY VISUALIZE, UPDATE, DESIGN, RESTRUCTURE, PUBLISH DEDUCTION, ANALOGY, CLASSIFICATION, DISCOVERY, WEAK SIGNS DETECTION ASK MORE INFORMATIONS FROM SOURCES ENRICH SEMANTIC NETS WITH ANALYSIS RESULTS A A A Continuous Collective Process From Data to Knowledge
  • 52. IT COSMOLOGY: DICTATURE OF TWO BLACKHOLES LBH : LITTERATUS Black Hole CBH: CALCULUS Black Hole PLAIDEURS COMPTABLES KM SQL XML WEB 2.0 Semantic WEB A.I.  Blasted Out! Realm of DOCUMENTS Realm of PROGRAMS Forbidden zone! « dispute » « compute » Object Oriented Languages
  • 53. Moins de critique littéraire, moins de calcul scientifique Plus de critique scientifique, plus de calcul littéraire Fabriquer un Excel Littéraire Fabriquer un PowerPoint Sémantique Faire faire du calcul aux gens d’en haut Donner de la matière littéraire aux gens d’en bas Rêver un Foucault programmeur de « l’Archéologie du Savoir » Rêver un Spinoza programmeur Rêver un Wittgenstein programmeur
  • 54. SOFTWARE CRISIS The major cause of the software crisis is that the machines have become several orders of magnitude more powerful! As long as there were no machines, programming was no problem at all When we had a few weak computers, programming became a mild problem Now we have gigantic computers, programming has become an equally gigantic problem Edsger Dijkstra 1968
  • 55. L’informatique technique est un mélange d’académisme, de bricolage, de marketing, de mode, de religions, de sectes Le management méprise l’informatique, les jeunes s’en détournent Les professionnels se barricadent dans un jargon technique repoussant et font du racket « payez, et nous nous occupons de tout » (intégration, externalisation, cloud computing) On n’arrive pas à utiliser la puissance du hardware pour rendre le software plus simple « L’interconnexion des silos d’information par des Web Services conduit à des systèmes cauchemardesques » (Pierre Col, 11/10/ 2011) L’INFORMATIQUE TECHNIQUE EST UNE TARTE AU CITRON MERINGUEE: DEFINITIVEMENT FIGEE
  • 56. ESSAYONS AUTRE CHOSE! PAS DE DOCUMENTS PAS DE BASES DE DONNEES PAS DE PROGRAMMES PAS D’ONTOLOGIES PAS DE MODELES PAS DE LOGIQUE FORMELLE PAS DE GRAMMAIRES PAS DE FORMATS LANGAGE NATUREL EMERGENCE DISCIPLINE GEOMETRIE ALTERITE SYMETRIE INTERACTION RESPONSABILITE LOCALITE EDUCATION MOINS D’INGENIERIE INCULTE PLUS D’UTILISATION RESPONSABLE⌈
  • 57.
  • 58.
  • 59. Tim Berners-Lee: The Web is now philosophical engineering Staline: Les écrivains sont les ingénieurs de l’âme Les ontologies sont produites par les ingénieurs du sens Les ingénieurs ne doivent pas fabriquer du sens Les ingénieurs doivent fabriquer des instruments de mise en contact / osmose avec l’information Le Web Sémantique, c’est l’Intelligence Artificielle sans les applications Le grand mérite du Web Sémantique à la W3C est de poser la question « Pourquoi ça ne marche pas » 
  • 60. Tim Berners-Lee a commencé le Web car il savait le faire Tim Berners-Lee a commencé le Web Sémantique car il ne savait pas le faire
  • 61. FREE LIBRE OPEN LOGICIELS DONNEES
  • 62. NET = NEXUS = NŒUD = NASSE = RETS = RESEAU = FILET
  • 63. Triplet RDF URI
  • 64. MY NAME IS TIM !
  • 65. A quoi bon LIBERER les données si c’est pour les LINKER à des URI dès leur sortie de prison ? LIBRE OU LIE, il faut choisir! N’échangeons pas une prison locale contre une prison mondiale Les URI ne sont pas des identifiants, mais des adresses, des lieux (donc des URL) dans l’unique mémoire mondiale Les URI sont dans l’orbite du Trou Noir du Calcul Une information est un énoncé et non un identifiant Un énoncé a physiquement une adresse L’atome de sens c’est l’énoncé et non l’identifiant
  • 66.
  • 67. LES SEULES DONNEES LIBRES SONT LES DONNEES SOUS FORME NATURELLE
  • 68. Au commencement sont les énoncés Les (id) entités émergent des énoncés et non l’inverse On ne peut pas porter une entité à la connaissance de quelqu’un sans faire au moins deux énoncés Si l’atome est l’énoncé, on pourra se passer des documents dans le futur Si l’on n’a plus de documents, on n’a plus besoin de métadonnées Les métadonnées sont des énoncés comme les autres Non au monde carcéral des documents enserrés dans des rets de métadonnées enchaînées à des URI !
  • 69. Dans un ordinateur, ne mettons que des énoncés Information is the System Usage is the Architect Practice alterity to alter IT Le Web 1.0 permet de lire facilement des choses écrites difficilement Le Web 2.0 permet d’écrire facilement des choses difficiles à lire Quand il s’agit de travailler, on retourne à Excel et à PowerPoint Faire un Web qui facilite et amplifie l’écriture, la lecture et le TRAVAIL / LA REFLEXION = Web 3.0!
  • 70. Les ordinateurs, ont besoin de formats et de modèles Les humains détestent les formats et les modèles Le Software Engineering et la Programmation sont des bureaucraties de gestion de formats et modèles Les formats et modèles informatique ne sont pas biodégradables; ils s’accumulent et polluent Les formats sont manipulés en cachette du public par des travailleurs spécialisés appelés programmeurs Il est difficile et couteux de démanteler les centrales à formats ( = les applications), et de recycler les formats Des organisations mondiales essaient d’imposer des formats et modèles standard J’ai choisi le langage naturel comme format standard
  • 71. Une ontologie est un ensemble d’énoncés comme les autres Un dictionnaire, un tableau Excel, un thésaurus … sont des ensembles d’énoncés comme les autres On a le droit de vouloir faire des ontologies au sens du W3C à condition de savoir que c’est impossible Faites les ontologies qui vous sont utiles sous la forme humaine que vous préférez Traduisez ces ontologies en énoncés en langage naturel Mélangez cette ontologie avec d’autres énoncés en langage naturel Faites du calcul littéraire sur les ensemble d’énoncés
  • 72. Seule l’altérité, et non l’ontologie peut résoudre le problème de l’identité
  • 73. Ne mettez pas d’ingénieurs dans la boucle Faites vous-même tout le travail sur le sens et le contenu Il ne faut pas informatiser les sciences humaines, il faut humaniser l’informatique C’est aux ingénieurs de construire l’appareil C’est aux autres de l’utiliser
  • 74. DEMOGRAPHY, REPRESENTATION, COMPUTERS natural language formal logic user acceptance computer capabilities
  • 75.
  • 76. Calcul sur des Réseaux Sémantiques
  • 77.  
  • 78. MERGE MANY SOURCES INTO AN UNIQUE SEMANTIC NETWORK OF MEETINGS, PEOPLE, PLACES, DATES ... MEETING B MEETING C MEETING D MEETING A Paris London Munich Sept 23 Oct 17 John A. Kees C. Theo Z. Jamel B. Fred L. Hans X. Sven F. Marco L. From web mining From database From Humint From Jane ’s files
  • 79. Mapping of an Organisation via a Journey from Informations to Intelligence Raw Informations About Organisation XXX Intelligence Report About Organisation XXX
  • 80. LITTERATUS CALCULUS FUNDAMENTALS INFERON : minimal and autonomous sentence in natural language INTERLOGOS : set intersection (words) of two INFERONS ARGOS : a subgraph of INFERONS and their INTERLOGOS
  • 81. EXAMPLE There are two national airlines having scheduled flights to airport of Tivat Montenegro Airlines has regular flights serving Tivat Airport flights tivat airport airlines Montenegro Airlines opens an Agency in Kotor montenegro airlines airlines
  • 82. OUR GOAL IS TO REPLACE INFORMATION SYSTEMS, DOCUMENTS, DATABASES BY USERS INTERACTION (WRITE, READ, QUERY, REUSE, ANALYSE, VISUALIZE, NAVIGATE, COMPUTE …) WITH INFERONS
  • 83.  
  • 85.  
  • 86.
  • 87.  
  • 89. What are the domains of expertise of Laure which are also known of Polytechnique students?
  • 90.
  • 91. SI ON REMPLACE LES ENONCES PAR DES IMAGES ? SI ON REMPLACE LES INTERLOGOS PAR DES INTERSECTIONS D’IMAGES ? SI ON REPRESENTE UNE VIDEO COMME UN LIGNE D’IMAGES, CHACUNE PARTAGEANT DES INTERLOGOS AVEC D’AUTRES IMAGES APPARTENANT A D’AUTRES LIGNES ? VERS DES AZIMUTS SPATIO-TEMPORELS
  • 92. « Turkey » looks like …. « Become Europe »
  • 93. FULL LC: MINIMALISM … A: chien means dog B: chat means cat C: dog signifie chien D: cat signifie xxx Find xxx
  • 94.
  • 95. Et même des grammaires …
  • 96. ???
  • 98.
  • 99.
  • 100.
  • 101. ANGE GARDIEN SEMANTIQUE PERSONET (Pierre Berger)
  • 102.