Reprise du message précédent :
En l'occurence, et c'est mon avis de simple participant lambda, votre débat est plus philosophique que scientifique et n'a finalement que peu de rapport avec une éventuelle IA, le dévellopement des programmes auto adaptatifs ou un processeur neuronal.

Oui il faut enregistrer les paramètres du réseau si tu veux conserver son intelligence (elle se développe par apprentissage sur exemples dans la plupart des modèles). Sinon les paramètres perdus le réseau sera inutilisable et il faudra recommencer l'apprentissage.
 
Ce dont zenith parlait se rapproche par contre plus du concept de mémoire associative qui est je crois aussi réalisable dans le cadre des réseau neuronaux et serait quelque chose de très puissant mais très différent d'une base de donnée traditionnelle.

Oui, c'est zenith qui m'a orienté vers le domaine philosophique, c'est pourquoi je le renvoie sur le topic approprié  

 
  Vu les projets de reseau spécialisé pour l'échange de données robotique http://www.roboearth.org/ ce genre de problème me parait assez d'actualité.
 
  Existe t il un site en faisant une présentation ? ou un article wikipédia ?

 
Oui tu abordes la notion de schéma de pensée. C'est un vaste travail de l'IA.
 
La pensée est un perpétuel va et vient entre le conscient et l'inconscient. Si on se base sur ce postulat alors on peut formuler l'hypothèse :
 
Il y a 2 poles arborescents. Dans le premier les branches de l'arbre dont les feuilles seraient toutes "les perceptions conscientes" et les branches "les concepts" contenant plusieurs centaines de feuilles puis tous ces concepts passent par le tronc et se stockent par les racines dans l'inconscient. Mais les racines qui plongent dans l'inconscient peuvent aussi envoyer de l'info dans le tronc qui développera des branches et des feuilles. La configuration des branches comme celle des racines forme le schéma de la pensée.
 
On aborde alors la notion mathématique de fractale troublante, une étude prouve qu'une forêt montre une répartition fractale de ces essences, de l'âge des spécimens et de l'organisation spatiale de ceux ci dans les mêmes proportions mathématiques que les ramifications de leurs branches...
 
Peut on dire avec mon analogie et cette étude que les ramifications du conscient impose le schéma des ramifications de l'inconscient et vice versa. Le tronc aurait donc un rôle d'équilibre mathématique.
 
EDIT : Désolé si trop philo et pas assez science brute  

 
Ce n'est pas une histoire de compréhension mais de vision philosophique de la vie. Révise ton épistémologie veux tu... la philosophie n'a rien avoir avec la religion selon les concepts matérialistes justement. Tu amalgames et mélanges plein d'idées contradictoires. Et je te confirme que ton idéalisme est en totale contradiction avec mon matérialisme. Arrêtons là le débat.  
 
Et stop HS purement philosophique même si malheureusement pour raisonner sur l'IA il est déraisonnable de ne pas en aborder les méandres...simplement parce que la philosophie a créée les sciences... On parle de pensée, de processus cognitif avec notre référence du cerveau humain qui impose de définir la pensée artificielle...

 
 
  Euh c'est pas faut mais je voulais en rester au niveau "simplement" technique :  
 
     En clair si j'ai un réseau de neurones chargé de reconnaitre des caractères ( par exemple les caractères des plaques d'immatriculation pour un système automatique d'envoi de PV à partir des photos prises par des radars ), quel type de base de données est nécéssaire pour enregistrer les résultats et assurer une reprise de traitement ?
 
     Par exemple si j'ai un cluster pour héberger les traitements du réseau neuronal comment est géré le lien heartbeat et les processus de réplication ? Peut on faire celà avec Oracle ou bien faut il d'autres technologies ?

Stop avec les déformations, veux-tu ...  :  
Lorsque je dits que tu n'as pas compris c'est lorsque tu me prends pour un idéaliste platonicien, c'est tout, et pas que tu n'aurais pas compris la vie ou le monde ...
 
Par ailleurs c'est quand même drôle cette manière de fonctionner ("s'il réfute ceci c'est donc qu'il pense cela" avec ceci=matérialisme et cela=idéalisme platonicien).

Attention de ne pas sur-interpréter (les journalistes en sont les spécialistes), dans les pages officielles le responsable du projet ne prédit pas de conscience artificielle pour 2018 ...
 
Dans la FAQ du projet, je relève ceci qui peut vous intéresser:

C'est graphe avec diverses valuations associées aux sommets et aux arêtes.
 
Les BDD ne sont pas étudiées pour ce genre de données (même si on peut certainement s'en tirer).

Japan To Send Humanoid Robot Into Space In 2013
 

 

source ; http://www.plasticpals.com/?p=26952 de http://www.nikkei.com/news/categor [...] 9FEAE2E2E2

C'est pas tant une question de BDD que de structure choisie hein. ON met ce qu'on veut, même si c'est pas optimal dans l'absolu.
Rien n'empêche, je pense, d'avoir des records "neurones" et des liens N-N, chaque lien étant également représenté de manière adéquate.
 
Y a un problème particulier que je saisi pas ?

 
Donc une lecture analogique ?
 

 
Parce que trop binaire ?

 
 
     
 
  Excuses mais je ne comprend pas ce que tu dis ! Je sais que l'implémentation d'un reseau ( neuro ou pas  ) se fait à partir d'un graphe mais je ne  vois pas en quoi celà me renseigne sur le stockage de l'etat du reseau pour permettre des transferts de données ( entre reseaux neuronaux ) ou encore des reprises de traitement ( backup, reprise à  chaud/froid, historisation ... )
 
  De ce que je comprend des reseaux neuronaux j'ai l'impression que pour pouvoir enregistrer l'etat du reseau associé aux résultats il faut que le reseau soit implémenté de façon auto descriptive ??

 
     
   Désolé je ne comprend rien de rien . Les bases relationnelles sont capables d'enregistrer tout type de données, et avec les contraintes d'intégrité et la journalisation on peut respecter beaucoup de contraintes fonctionnelles.

 
  En bref, de ce que je comprend , saisir en temps réel les fluctuations des paramètres du reseau pour pouvoir les enregistrer.  
 
  Soit a "reconnaitre" les caractères de la plaque minéralogique "9876 AB 54 " ;
  Le reseau est dans un etat t0 au debut du travail, suite a son apprentissage.
  Le reseau travaille et reconnait  le 1er chiffre "9" et se trouve dans un etat t1 .  
 
  etc ...
 
  Pour pouvoir assurer une reprise sur incident, des interruptions de services pour maintenance du serveur  ou pour pouvoir envoyer l etat du reseau par reseau ( par exemple sur une salle blanche de secours ) il faut bien enregistrer les etats successifs t0, t1, t2 ... du reseau en les associant à leur resultat respectif.
  Je ne sais pas comment un tel mécanisme est mis en place d'où ma question.
  Une base comme Oracle est elle suffisament réactive ? Pour mettre en place ces mecanismes peut on employer des mécanismes transactionnels ? des mecanismes J2EE ? etc

Un graphe est une structure binaire. C'est un objet formel. On peut d'ailleurs le stocker dans un BDD. C'est juste que les structures de tables de BDD ne sont pas ce qu'il y a de plus adapté pour stocker ça.
 

Tu copie le graphe et les valuations associées à chaque arête et a chaque sommet. Ça te donne une copie de ton réseau de neurones.
 
Pour ce qui est de l'historisation ça se fait très bien.
Si la structure de ton réseau évolue au cours du temps (nouvelles connexions possibles entre tes neurones, par exemple), faut garder un historique du graphe et des valuations.  
 
Si c'est juste les valuations des connexions et des sommets qui varient au cours du temps (ce qui est généralement le cas quand on fait un réseau de neurones), alors il suffit de stocker l'historique des valuations.

merci  

Meanwhile in europe    

 
Quand je lis que certains scientifiques théorisent le cerveau comme je cites "un ordinateur liquide analogique avec un flux ininterrompu de données." Et qu'il pensent que cela pourrait faire des progrès dans l'analyse en temps réels des senseurs analogiques en robotique...
 
Si signal analogique s'oppose à signal numérique... on ne peut que approximer numériquement un signal analogique non ?

Je sais pas si on peut dire que ça s'oppose mais oui, par définition un signal numérique est un signal discret tandis qu'un signal analogique est continu. Donc on ne peut pas transposer parfaitement un signal analogique en signal numérique.

edit: Mais en fait j'ai l'impression que ta question a un autre sens. On peut aussi utiliser le signal analogique tel quel.

Oui mais le stocker tel quel pour le relire tel quel ça prends pas énormément de mémoire ?

Stocker un signal analogique tel quel ? C'est pas possible, en tout cas je ne connais pas.
 
Au mieux tu peux stocker de l'énergie, genre accumulateur mais un signal je vois pas.

Ou alors si c'est un signal simple (par ex rectangulaire) tu peux peut être conservé ses caractéristiques (fréquence, amplitude, rapport cyclique) et le recréer. Mais niveau intérêt je vois pas. C'est plutôt lourd comme méthode.

Triple post mais tant que j'y suis.
 
Donc sinon quand je parlais de l'utiliser tel quel c'est dans l'idée de l'utiliser en temps réel pour lui appliquer toutes sortes de fonctions. J'entendais par là que t'es pas obligé de numériser un signal à chaque fois que tu veux le manipuler.

L'analyse en temps réel analogique est donc effectuée par un réseau neuronal avec réactions appropriées puis les infos essentielles du signal stockées en numérique en base de données pour accumuler l'expérience donc ? Autrement dit, on aurait comme une IA temps réelle analogique en frontend (ou conscient) et une IA décalée en numérique qui sélectionnerait les "meilleurs données analogique" à stocker en backend (en inconscient) ?
 
C'est obvious ce que je dis ou pas  

"puis les infos essentielles du signal stockées en numérique" -> C'est par rapport à ce que j'ai dis sur les conservations des caractéristiques d'un signal ? Parce que si oui ça m'étonne que ça soit utilisée comme méthode, c'est un peu bourrin. En gros imagine un signal de 1V à 10hz de rapport cyclique 50% (un signal carré, le temps à l'état "1" dure autant que le temps à l'état "0" ). Ensuite tu recrées avec un interrupteur (genre un transistor commandé en on/off) le signal en ouvrant et fermant l'interrupteur 20 fois par secondes et tu as bien recrée le signal de départ.
Si c'était pas pour moi c'est pas grave

"pour accumuler l'expérience" -> Accumuler c'est par rapport au fait que j'ai parler d'accumulateur ? Parce que si oui ça n'a rien à voir.
Si non encore une fois c'est pas grave

En fait si je demande ça c'est parce que j'ai rien compris à ta phrase

En fait j'essaie de coller les explications et les hypothèses de chacun pour voir comment conceptualiser techniquement (avec le niveau technique de tout le monde) le conscient d'une IA et son inconscient. Alors oui je concentre ma compréhension en une seule phrase je suis comme ça  
 
"Accumuler l'expérience" dans la phrase serait stocker le graphe et l'historique des valuations du réseau neuronal ? Mais apparemment les BDD ne serait pas assez souple ? A quel niveau les BDD ne sont pas "adaptées" ? On en revient à comment stocker l'expérience pour la ressortir instantanément consciemment ou non et en temps réel ?

Juste un point: "analogique" c'est pas magique hein, comme "quantique".
Analogique, dans ce contexte, ça veut dire avec une résolution donnée, en particulier supérieure à 2 (0 ou 1).  
Après on stocke ou utilise des valeurs analogiques en numérique si on définit la résolution adéquate qui n'est pas infinie d'une part, et d'autre part on peut même peut-être la réduire substantiellement en comprenant les mécanismes sous-jacents.

D'un autre coté je pense que tout le monde s'attache trop à 'copier' exactement l'humain dans ce débat. Les questions sur le conscient et l'inconscient sont peu être déplacées.
On parle bien d'intelligence ARTIFICIELLE, c'est à dire une forme d'intelligence basée sur une architecture crée par l'homme et non pas un cerveau artificiel identique à l'humain.
Ce type d'intelligence n'est pas forcement pourvu de conscient et d'inconscient, les mécanismes de réflexion n'auront peu être rien de commun avec le cerveau humain.
Je ne suis pas un grand spécialiste mais de ce que j'ai lu ici et la, la plupart des chercheurs ne savent pas exactement quelle forme prendront les mécanismes de réflexion une fois qu'une IA sera finalisée et aura commencé à se développer par elle même.
 
Je parle toujours dans le contexte du topic, à savoir une intelligence appliquée à la robotique humanoïde pas un super cerveau informatique ...

Très intéressantes ces dernières pages...
 
Question technique : il me semble que pour être efficace, une IA devrait fonctionner sur un système dépassant le cadre binaire de notre technologie informatique, or j'ai le vague souvenir d'avoir lu quelque chose à propos de composants permettant justement d'enregistrer une valeur intermédiaire au 0 et au 1, ça vous dit quelque chose ?
 
Et dans la même veine, c'est peut-être un préjugé de newbie mais, la partie matérielle qui devrait être revue en profondeur pour permettre une IA digne de ce nom, ce ne serait pas la mémoire vive ? Parce que j'ai comme dans l'idée que le travail de "réflexion" d'une IA serait assez peu efficace selon le schéma de nos machines actuelles, mais peut-être que je mets la charrue avant les boeufs ?
 
Ou peut-être que ces fameux ordinateurs quantiques sont déjà pensés sur la base de schémas très différents de ce que nous connaissons ?
 

Les BDD ne sont pas vraiment inadaptées. Une table pour les nœuds et une table pour les arêtes (une arête étant défini par deux nœuds) et le tour est joué.
 
Seulement, pour accéder rapidement à certaines données sur un graphe, il existes une multitudes de structures très optimisées prévue spécifiquement pour les graphes et bien plus efficaces. Si le graphe est dense, on a les matrices d'adjacences. S'il est peu dense et doit être modifié régulièrement, on a les listes d'adjacences. Etc.
 
C'est du détail technique sans réelle importance pour le débat.

Il existe des mémoires informatiques reposant non pas sur 2 états mais sur 4 ou 8 états. Cela revient juste à dire qu'on stocke respectivement 2 ou 3 bits par cellule au lieu de 1.
 
 
Sinon, une parenthèse pour lutter contre l'idée reçue de "continu". Le continu n'existe qu'en mécanique Newtonienne et en mathématiques, dans la pratique, il n'est pas réel car les mesures sont limitées en précision. Oui, sur un simple nombre réel je peux stocker la filmographie intégrale de Chuck Norris... Mais les nombres réels ça n'existe que dans R.
 
Imaginons que je stockage une information dans la hauteur d'un bosse de taille variable. On va imaginer un cas paradisiaque : ma bosse peut faire de 0 à 10cm. Et j'ai une précision du dixième de nanomètre sur la hauteur de ma bosse.
 
Ça veut dire que ma bosse peut faire 1 000 000 000 de tailles différentes que je serais capables de distinguer. J'ai plus d'informations dans 4 malheureux octets... En gros, ma bosse "continue" se fait enfoncer par un simple mot machine sur un PC des années 90 (alors que j'ai postulé une précision affolante dans mes instruments de mesure).

Je peux vous donner des précisions "techniques" sur les chips de réseau de neurones artificielles tels que je les imagine.
 
D'abord d'accord avec M4vrick pour dire qu'il ne s'agit pas de copier le cerveau, juste de s'en inspirer pour créer une IA efficace, et que les premières IA ne seraient pas conscientes d'elles-même, il n'y aurait donc pas de séparation entre conscient et inconscient (pour cette discussion technique je laisse de côté les IA conscientes car il s'agit de spéculations au-delà de ce qui est envisageable pratiquement aujourd'hui et pour encore bien des années).
 
L'idée est de réaliser des chips intégrant de grands réseaux neuronaux (modèle simplifié) en utilisant les usines et technologies répandues et "bon marché" (genre 32nm) qui fabriquent aujourd'hui entre autres les processeurs.
Chaque neurone et chaque synapse seraient réalisés physiquement par un circuit électronique mixte (analogique et digital), de plusieurs dizaines de transistors (j'estime 50-200).
Les signaux de chaque neurone seraient représentés en sortie par des courants (c'est plus facile à additionner que des tensions), et les connections des neurones vers les synapses d'autres neurones réalisés simplement par des fils de conducteurs conduisant ces courants.
C'est ici que vient la difficulté: les signaux doivent être pondérés par les coefficients synaptiques (les fameux paramètres du réseau) avant d'être additonnés dans le neurone destination. Il y a trois problèmes: (1) effectuer la multiplication (2) mémoriser les coefficients (3) mettre à jours les coefficients pendant l'apprentissage.
Voici une solution "éprouvée": (2+3) utiliser un circuit mémoire numérique local pour chaque coefficient (6 à 8 bits par coefficient et 6 transistors par bit pour une SRAM). Pour (1), utiliser un diviseur de courant analogique/mixte commandé par les bits du coefficient mémorisé (ça c'est plutôt simple avec 1 transistor "analogique" par bit).
Ensuite il faut collecter et sommer tous les courants synaptiques pondérés ainsi générés (il s'agit ici juste de relier les différents conducteurs). Finalement, le courant total doit passer par un circuit regénératif réalisant une fonction non-linéaire (en forme de S). Ici aussi un circuit analogique de quelques transistor fait l'affaire car cette fonction n'a pas besoin dêtre spécialement précise.
 
Une deuxième variante serait d'utiliser une mémoire FLASH au lieu de la SRAM.
Une troisième variante serait de développer une mémoire FLASH analogique.
 
On aurait donc deux blocs constituants principaux: 1 bloc pour un neurone et 1 bloc pour une synapse.
On réplique ensuite sur le chip plusieures copies de ces blocs (beaucoup plus de synapses que de neurones) et on les relie selon l'architecture de réseau voulue (attention, je ne parle pas ici de "graver" les paramètres du réseau, seulement l'ensemble des connections possibles).
 
Il y aurait encore des circuits auxiliaires pour superviser le tout et implémenter l'algorithme d'apprentissage. Ces circuits permetteraient d'accéder ou modifier les coefficients synaptiques depuis l'extérieur du chip afin qu'il puisse être intégré dans un système informatique plus conventionnel et tout numérique.
 
Un désavantage certain de la technologie microélectronique par rapport au cerveau biologique est d'ordre géométrique: les chips ont leur transistors disposés sur un plan sur une seule couche, le cerveau est une structure 3D qui permet énormément plus de connections.
On peut peut-être contourner ce problème en utiliser des bus avec du multiplexage. C'est certes au détriment de la rapidité, mais l'électronique est très forte pour cet aspect, il y a un peu de marge.
Il y a aussi des développements sur l'empilement de chips afin de faire des circuits 3D (il y a cependant un sérieux soucis d'évacuation de la chaleur pour l'instant).

Ce n'est pas que le continue n'existe pas, c'est juste que le continu est bruité et donc la précision utile est limitée.
C'est très différent de la notion de résolution numérique (qui elle n'existe que ... en mathématique, je te retourne l'objection !).
D'ailleurs à niveau de bruit constant en faisant une moyenne tu peux augmenter la précision.

Disons que d'un point de vue pratique, la précision étant tellement limitée (on peut difficilement mesurer des distances plus petites qu'un atome), on peut toujours discrétiser sans perte de précision, en choisissant la bonne échelle.

On peut atteindre un rapport signal sur bruit de >100dB (equivalent à 16 bits) dans un circuit électrique analogique. C'est limité, mais utilisable, de très bonne qualité même en fait.
L'avantage de l'analogique n'est pas la précision maximale théorique, mais l'efficacité.

La question c'était pas de savoir si l'analogique apporte un "plus" inaccessible à des systèmes disons "numériques" ?
 
C'est quoi les variables et les précisions nécessaires pour enregistrer l'état d'un neurone ?
 
L'avantage d'une structure simulée dans un système classique par rapport à un système comme tu le décris (de ce que j'en comprends) ça reste la souplesse. C'est très facile de rajouter ou supprimer des neurones ou des connexions dans un système standard, alors que dans le cas d'une architecture en dur, ça ne peut évoluer qu'au niveau des poids. Ou alors j'ai pas bien compris ce que tu proposes.
 

 
En fait je crois que lorsqu'ils parle "d'ordinateur liquide analogique" traduction (littérale de ma part) ils veulent dire plutôt "calculateurs stochastiques" non ? Autrement dit des calculateurs basés sur la probabilité de réponse vraie ou fausse en temps réel ?  
 

 
La conscience peut être définie et interprétée de multiple façon mais une chose est sûre, un robot à l'IA autonome par définition est conscient du monde. Dans le sens où il perçoit le monde pour y évoluer et entreprendre des actions. Ensuite comme je l'ai longuement aborder il s'agit de qualifier son "autonomie" dans le monde. C'est à dire la faculté d'entendement de l'IA qui serait à rapprocher des méthodes informatiques de percept et de réseaux de concept (eux même directement lié aux réseaux de neurones et réseaux sémantiques). La "conscience robotique" à mon sens se situerait par là ?
 
L'inconscient aussi a de nombreuses interprétations possibles dans la psychologie humaine. Mais si on s'en tient à l'étymologie du mot c'est le contraire de conscient, soit d'une part l'absence de conscient, en IA ce serait la mise en veille ?, ou d'autre part tout ce qui n'est pas conscient, qui relève du souvenir, en IA se serait le stockage des réseaux ?
 
 

 
Les ordinateurs quantiques permettent la résolution de calculs combinatoires dans un temps raisonnable. Il permettent d'attaquer une base de donnée plus efficacement. Des progrès dans le traitement automatique du langage humain sont envisageables avec cette technologie. Un réseau de concept puisque relevant de la sémantique devrait se baser sur cette architecture ?

Ca devrait être précédé d'un "Dans un modèle théorique (a valider), ".
A+,