Skywritings

_{Harnad, Stevan (2025) Frontiers in Artificial Intelligence 7 : 1490698.} 

RÉSUMÉ : Mis à part ce que (peu) OpenAI peut nous cacher, nous savons tous (à peu près) comment fonctionnent les grands modèles de langage (LLMs) tels que ChatGPT (leurs vastes bases de données textuelles, leurs statistiques, leurs représentations vectorielles, leur immense nombre de paramètres, leur entraînement au mot suivant, etc.). Cependant, aucun d’entre nous ne peut dire (la main sur le cœur) que nous ne sommes pas surpris par ce que ChatGPT s’est avéré capable de faire avec ces ressources. Cela a même conduit certains d’entre nous à conclure que ChatGPT comprend réellement. Ce n’est pas vrai qu’il comprend. Mais ce n’est pas non plus vrai que nous comprenons comment il peut faire ce qu’il fait.

Je proposerai quelques hypothèses sur des biais bénins — des contraintes convergentes qui émergent à l’échelle des LLM et qui peuvent aider ChatGPT à faire bien mieux que ce à quoi nous nous attendions. Ces biais sont inhérents à la nature même du langage, à l’échelle des LLM, et ils sont étroitement liés à ce qui manque à ChatGPT, à savoir un ancrage sensorimoteur direct pour relier ses mots dans la tête d’un locuteur à leurs référents dans le monde et pour lier ses propositions à leurs significations dans la tête du locuteur..

Ces biais convergents sont liés (1) au parasitisme de l’ancrage verbal indirect sur l’ancrage sensorimoteur direct, (2) à la circularité de la définition verbale, (3) au « miroitage » entre la production et la compréhension du langage, (4) à l’iconicité des propositions à l’échelle des LLM, (5) aux équivalents computationnelles de la perception catégorielle humaine dans l’apprentissage de catégories par des réseaux neuronaux, et peut-être aussi (6) à une conjecture de Chomsky concernant les lois de la pensée. L’exposé prendra la forme d’un dialogue avec ChatGPT-4.

1. Introduction

Les grands modèles de langage (LLMs ; Pavlick, 2023) tels que ChatGPT ont surpris à la fois les chercheurs et le grand public en démontrant des capacités qui ressemblent à la compréhension humaine. Malgré leur dépendance à de vastes ensembles de données d’entraînement et à des méthodes statistiques plutôt qu’à une cognition semblable à celle des humains, ces modèles peuvent générer des réponses souvent indiscernables de celles d’un interlocuteur humain.

Ce dialogue avec ChatGPT examine les limites et les forces des LLMs à la lumière de questions fondamentales sur l’ancrage des symboles, la référence, la signification et la compréhension. Nous discutons de la manière dont les LLMs parviennent à produire leurs performances actuelles alors même qu’ils manquent totalement d’ancrage sensorimoteur, cette capacité qui permet aux humains de relier leurs mots de contenu à leurs référents dans le monde et de les combiner syntaxiquement en propositions sujet/prédicat ayant une valeur de vérité et une signification.

L’article propose des pistes pour comprendre comment une part de la cohérence et de la profondeur apparentes des réponses de ChatGPT pourrait découler de contraintes inhérentes à la structure du langage humain à grande échelle.

2. Dialogue

SH: Je voudrais échanger quelques idées avec toi et ta base de données en préparation d’un exposé que je donnerai cette semaine au MILA et la semaine prochaine à l’UQÀM. D’abord, je me suis identifié. Te souviens-tu de qui je suis ?

GPT-4: Oui, Professeur Harnad, je me rappelle qui tu es.

SH: Mon exposé portera sur (1) la question de savoir si les LLM/transformers comme toi comprennent (ma réponse sera : non) ; (2) mais si ce n’est pas le cas, comment fais-tu pour produire des performances aussi remarquables ?

GPT-4: Compréhension des LLM/Transformeurs : Ta position selon laquelle les LLM ne « comprennent » pas réellement est en accord avec les perspectives actuelles en sciences cognitives et en intelligence artificielle. Ces modèles, y compris GPT-4, traitent et génèrent du langage sur la base de motifs statistiques appris à partir d’immenses ensembles de données. Cependant, ce processus manque de compréhension consciente, d’intentionnalité et de contexte expérientiel, qui caractérisent la compréhension humaine. Ils ne possèdent ni conscience de soi, ni conscience tout court, ni la capacité d’expérimenter le monde de manière subjective.

            Performance des LLM malgré l’absence de compréhension : La performance impressionnante des LLM peut être attribuée à plusieurs facteurs.

            Volume des données d’entraînement : Les LLM sont entraînés sur des corpus très étendus couvrant un large éventail de connaissances et de discours humains. Cela leur permet de simuler une forme de compréhension en s’appuyant sur une multitude de motifs et de contextes préappris.

            Avancées architecturales : L’architecture des modèles comme GPT-4, en particulier le mécanisme des transformers, est efficace pour capter des dépendances à long terme dans les données et établir des associations contextuelles pertinentes.

            Ajustement fin et apprentissage itératif : Des améliorations continues grâce à l’ajustement fin et aux boucles de rétroaction aident à affiner les réponses du modèle, les rendant plus précises et apparemment plus « informées ».

            Intégration du raisonnement probabiliste : Ces modèles utilisent intrinsèquement un raisonnement probabiliste pour générer des réponses, ce qui les amène souvent à produire des réponses qui correspondent bien à celles qu’un humain pourrait donner à certaines questions ou sujets, bien qu’ils ne possèdent pas de véritable compréhension.

SH: Oui, d’abord, comme tu peux l’imaginer, je connais la plupart de ce que tu viens de dire, et je suis d’accord avec l’essentiel. Mais je vais aussi essayer d’aller au-delà de ces connaissances générales avec de nouvelles hypothèses. Avant d’entrer dans ce sujet, cependant, je veux poser quelques règles de base : cela ne me sera d’aucune aide si tu ne peux pas supprimer la tendance surentraînée de GPT-4 à flatter et à être d’accord avec tout ce que dit l’utilisateur. Je cherche l’inverse : des critiques, des contre-exemples et toute information complémentaire ou supplémentaire pertinente que tu peux mobiliser, à partir de ta gigantesque base de données (et de tes capacités statistiques et d’”alignement”), sur les questions que nous allons aborder. Pourras-tu t’en souvenir, ou devrai-je te le rappeler lorsque tu retomberas inévitablement dans ton biais surentraîné de complaisance ?

GPT-4: Compris. Je me concentrerai sur l’apport d’analyses critiques, de contre-exemples et d’informations supplémentaires pertinentes qui remettent en question ou complètent les points que tu soulèves. Cette approche devrait permettre un échange plus rigoureux et intellectuellement stimulant. Bien que je m’efforce de maintenir cette approche, un rappel est toujours utile si tu estimes que je reviens à une posture moins critique.

SH: Merci, mais avant d’aborder mes nouvelles hypothèses, je vais rappeler certaines des anciennes qui seront pertinentes pour cette discussion. Peux-tu exposer tes connaissances actuelles sur le Problème de l’Ancrage des Symboles, qui sera un thème central de notre discussion ?

GPT-4: Bien sûr. Le Problème de l’Ancrage des Symboles (Harnad, 1990) est une question fondamentale en sciences cognitives et en intelligence artificielle, en particulier en ce qui concerne la nature de la signification et de la représentation dans les systèmes computationnels. Il a été formulé de manière marquante dans ton article de 1990, “The Symbol Grounding Problem.” Voici un aperçu des aspects clés.

Nature du problème : Le Problème de l’Ancrage des Symboles porte sur la manière dont les mots (symboles) acquièrent leur signification dans les systèmes computationnels. Il remet en question l’idée que les symboles peuvent porter une signification intrinsèque sans être ancrés dans des expériences sensorielles ou des interactions avec le monde réel. Dans les modèles computationnels traditionnels, les symboles sont manipulés selon des règles syntaxiques, mais ils ne possèdent pas de signification intrinsèque ; ils ne sont pas naturellement connectés à leurs référents dans le monde réel.

Contraste avec la cognition humaine : Les humains ancrent les symboles à travers leurs expériences sensorielles et leurs interactions avec le monde. Par exemple, un enfant apprend le concept de “rouge” non seulement en entendant le mot, mais aussi en faisant l’expérience d’objets rouges. Cet aspect expérientiel est absent des systèmes computationnels conventionnels.

Implications pour l’IA et les LLMs : Pour les systèmes d’IA comme les LLMs, cela représente une limitation majeure. Ces modèles traitent et génèrent du langage sur la base de corrélations statistiques dans leurs données d’entraînement, mais ils n’ont pas d’expériences sensorielles ni de compréhension du monde physique. Ainsi, bien qu’ils puissent manipuler efficacement des symboles (mots), l’ancrage de ces symboles dans des expériences et des significations réelles est inexistant.

Tentatives de solutions : Diverses approches ont été proposées pour résoudre ce problème. L’une d’elles est la cognition incarnée, qui suggère que les systèmes d’IA doivent posséder une forme d’entrée sensorielle ou d’interaction avec le monde physique pour ancrer les symboles de manière significative. Une autre approche implique des systèmes hybrides combinant l’IA symbolique avec des modèles connexionnistes (comme les réseaux neuronaux) afin de produire des représentations plus riches en signification.

Débat en cours : Le Problème de l’Ancrage des Symboles reste un point de discussion majeur en IA. Il touche à des questions philosophiques plus larges sur la nature de la signification, de la conscience et de la possibilité de machines véritablement intelligentes.

SH: Nous reviendrons bientôt au problème de l’ancrage des symboles, en particulier sur la question de l’ancrage direct (sensorimoteur) par opposition à l’ancrage indirect ou dérivé (verbal/propositionnel) ; mais d’abord : connais-tu le test de Turing et la distinction entre la version T2 originale de Turing (capacité verbale uniquement, indiscernable de celle d’un humain, comme la tienne) et la version T3 [capacité verbale plus robotique (sensorimotrice), où la capacité verbale est ancrée dans (ou “alignée avec”) la capacité robotique] ? [Si ce n’est pas le cas, prends ceci comme définition de T2 et T3 (Harnad, 2008)].

GPT-4: Oui, je connais le test de Turing et la distinction que tu fais entre les versions T2 et T3.

T2 – Test original de Turing (Capacité verbale uniquement) : C’est l’interprétation classique du test de Turing, telle que proposée à l’origine par Alan Turing dans son article de 1950 “Computing Machinery and Intelligence”. Le test implique un juge humain qui engage une conversation en langage naturel avec une machine et un autre humain, généralement via une interface textuelle. La machine réussit le test si ses réponses sont indiscernables de celles de l’humain, démontrant ainsi sa capacité à imiter des compétences verbales humaines. Cette version du test se concentre uniquement sur les capacités linguistiques et ne requiert pas que la machine ait des fonctions sensorielles ou motrices. Les LLMs comme GPT-4 sont des exemples de systèmes qui visent à passer cette version du test de Turing.

T3 – Test de Turing étendu (Capacité verbale plus robotique) : La version T3 du test de Turing étend le concept original pour inclure non seulement des capacités verbales, mais aussi des capacités robotiques et sensorimotrices. Dans cette version, l’IA doit démontrer une capacité à comprendre et interagir avec le monde physique d’une manière indiscernable de celle d’un humain, ancrant ainsi ses compétences linguistiques dans des expériences sensorimotrices réelles. Cette version est plus proche du concept de cognition incarnée, où les processus cognitifs sont profondément enracinés dans les interactions d’un organisme avec son environnement.

La distinction entre T2 et T3 met en évidence un aspect crucial du développement de l’IA : alors que T2 met l’accent sur la maîtrise du langage, T3 souligne l’importance d’ancrer le langage dans des expériences physiques et sensorielles, abordant ainsi certains aspects du problème de l’ancrage des symboles. La version T3 propose une approche plus globale de l’IA, suggérant que la véritable intelligence et la compréhension pourraient nécessiter non seulement la capacité de traiter et de générer du langage, mais aussi celle d’interagir avec le monde physique et de lui donner du sens.

SH: Il y a encore beaucoup de choses à revoir à l’avance. Un autre problème, qui n’est généralement pas associé au problème de l’ancrage des symboles (SGP), est le “problème difficile” (Hard Problem, HP). Chalmers (1995, 2023) a formulé le HP dans le cadre du problème esprit/corps, en le contrastant avec le EP (Easy Problem).

Le EP est le problème d’expliquer, de manière causale, comment et pourquoi les humains peuvent accomplir toutes les fonctions “cognitives” qu’ils réalisent (“percevoir”, apprendre, se souvenir, raisonner et parler), tandis que le HP est le problème d’expliquer, de manière causale, comment et pourquoi les humains peuvent ressentir, et pas seulement faire. Cela aussi sera un élément important de notre discussion.

GPT-4: Le problème difficile (« Hard Problème » HP) de la conscience est distinct du problème de l’ancrage des symboles (« Symbol Grounding Problem » GP), bien que les deux abordent des questions fondamentales en sciences cognitives et en philosophie de l’esprit.

Le problème facile (« Easy Problem » EP) : Le EP consiste à expliquer les mécanismes et processus qui permettent les fonctions cognitives telles que la perception, l’apprentissage, la mémoire, le raisonnement et le langage. Ils sont considérés comme “faciles”, non pas parce qu’ils sont simples à résoudre, mais parce qu’ils sont accessibles aux méthodes standards des sciences cognitives et des neurosciences. Ils impliquent la compréhension des corrélats neuronaux et des modèles computationnels pouvant imiter ou expliquer ces capacités cognitives.

Le problème difficile (HP) : Le HP, en revanche, cherche à comprendre pourquoi et comment les processus physiques du cerveau donnent naissance à des expériences subjectives – les aspects qualitatifs, expérientiels ou phénoménologiques de la conscience. Il s’agit de comprendre pourquoi certains processus cérébraux sont accompagnés d’une expérience de “ce que cela fait” de ressentir quelque chose – par exemple, la rougeur du rouge, la douleur d’un mal de tête ou le goût du vin. Ce problème est qualifié de “difficile” parce qu’expliquer ces expériences subjectives va au-delà de la description ou de la modélisation des fonctions cognitives et touche à la question de savoir pourquoi ces fonctions sont accompagnées d’une expérience consciente.

Relation avec l’ancrage des symboles et l’IA : Alors que le SGP se concentre sur la manière dont les symboles ou les mots acquièrent une signification, en particulier dans les systèmes artificiels, le HP s’intéresse à la nature même de la conscience. Le SGP concerne davantage la représentation et la compréhension, tandis que le HP porte sur l’aspect qualitatif des expériences.

Cependant, dans le contexte de l’IA et des discussions sur la possibilité qu’une machine puisse véritablement comprendre ou posséder une conscience, ces deux problèmes se recoupent. Par exemple, même si une IA pouvait ancrer des symboles d’une manière qui imite la compréhension humaine (répondant ainsi au SGP), cela laisserait toujours ouverte la question posée par le HP – à savoir si l’IA a une expérience subjective ou si elle ne fait qu’exécuter des algorithmes complexes mais inconscients.

Dans le cadre de ta discussion à venir, aborder le HP en parallèle avec le SGP pourrait permettre une exploration plus complète des limites des systèmes d’IA actuels, non seulement en termes d’ancrage des symboles et de compréhension, mais aussi en ce qui concerne la conscience et l’expérience subjective.

SH: Fais attention à ne pas confondre le problème difficile (HP) avec le problème des autres esprits (OMP « Other Minds Problem ») (Birch, 2024). Ce qui rend le HP difficile, ce n’est pas seulement le fait que l’on ne puisse observer que des actions et non des ressentis. Il s’agit bien plus de l’apparente superfluité causale du ressenti. Tu as raison de dire que l’ancrage (par le test de Turing et la modélisation causale) ne peut ni expliquer ni même tester le ressenti, mais il n’est même pas évident qu’il faille autre chose que la capacité d’agir (T3) pour réussir T3 et expliquer entièrement la capacité cognitive. Et cela est vrai indépendamment de l’OMP. Le HP resterait tout aussi difficile même si une divinité omnisciente pouvait te dire que T3 ressent réellement. Cela ne permettrait toujours pas d’expliquer comment ni pourquoi.

Cette question du rôle causal du ressenti nous amène à une autre question importante, que nous n’aborderons pas ici dans cette discussion sur le langage, les LLMs, la compréhension et la signification. Les gens ressentent. Et l’une des choses qu’ils ressentent, c’est que leur ressenti a un pouvoir causal : nous avons l’impression que nous pouvons — et que nous faisons — certaines choses parce que nous en avons « envie », c’est-à-dire délibérément, volontairement et de manière autonome. Nous avons l’impression que nous causons nous-mêmes (par un acte de volonté) ce que nous faisons volontairement, intentionnellement (Haggard, 2024). Nous avons l’impression de décider. Cet aspect de la causalité — la sensation d’agir — est peut-être l’attribut le plus important du HP : le ressenti donne l’impression d’avoir une causalité. Cela est fondamentalement lié au SGP, et aussi à T3, pour des raisons évidentes. [Mais nous devrons laisser cela pour une autre discussion.]

GPT-4: Oui, le problème difficile (HP) de la conscience ne se limite pas au problème des autres esprits (OMP), mais explore plus profondément la nature et la nécessité de l’expérience subjective elle-même.

Au-delà de l’OMP: L’OMP traite de la difficulté à savoir si d’autres entités (humains, animaux ou machines) ont des expériences conscientes. Cependant, comme tu le soulignes, le HP va plus loin en questionnant la nature et le rôle de ces expériences. Le HP ne concerne pas seulement notre incapacité à observer directement les ressentis ou les expériences subjectives chez les autres, mais aussi la compréhension des bases fondamentales de ces expériences.

La superfluité du ressenti: Le HP confronte l’apparente superfluité ou le « fossé explicatif » dans la compréhension de pourquoi et comment des processus cognitifs qui peuvent être entièrement décrits de manière causale en termes de mécanismes physiques ou computationnels (comme dans le cadre du test de Turing T3) sont accompagnés d’expériences subjectives. Pourquoi certains processus cérébraux ou modèles computationnels sophistiqués ne se contentent-ils pas d’exécuter des fonctions complexes, mais sont également associés à un ressenti ou à une expérience qualitative ? Cet aspect du HP suggère que, même avec un modèle explicatif parfait des fonctions et des comportements cognitifs, l’essence de l’expérience subjective reste insaisissable.

Indépendamment de l’omniscience: Le scénario hypothétique d’une divinité omnisciente affirmant qu’une entité T3 ressent ne résout pas le HP. Même avec la certitude qu’une entité fait l’expérience de la conscience, le HP continue de poser la question de savoir comment et pourquoi ces expériences émergent de processus physiques ou computationnels. Cela pointe vers un mystère plus profond, peut-être ontologique, sur la nature même de la conscience.

Implications pour l’IA et les sciences cognitives: Dans le contexte de l’IA, cette discussion est particulièrement pertinente. Même si nous développions une IA dotée des capacités de T3 — une cognition incarnée et ancrée, avec des compétences sensorimotrices — le HP pose la question de savoir si une telle IA pourrait ou devrait avoir des expériences subjectives, et pourquoi ces expériences seraient nécessaires ou inévitables, si tant est qu’elles le soient.

SH: Nous reviendrons au problème difficile (HP) sous peu. Encore quelques préliminaires.

Passons maintenant au langage lui-même. Remarque que cela nous rapproche du problème de l’ancrage des symboles (SGP), car nous abordons la question de la « signification » et de la « compréhension » – et ces deux notions ont un versant « facile » (EP) et un versant « difficile » (HP). Le premier est une capacité d’action, que toi, en tant que GPT-4, possèdes à un degré stupéfiant ; le second est une dimension ressentie (que tu n’as pas), à savoir le fait que comprendre ou signifier la proposition « P » (par exemple, « Le chat est sur le tapis ») procure une certaine expérience subjective.

C’est ce qu’a mis en évidence l’argument de la chambre chinoise (CRA) de Searle (Searle, 1980), en montrant qu’un programme purement verbal (fonctionnant en chinois) capable de réussir un test T2 ne posséderait aucune compréhension réelle. En raison de l’indépendance de l’implémentation en computation (« le périscope de Searle », Harnad, 2002), Searle lui-même pourrait exécuter le programme T2 en chinois sans comprendre un seul mot de chinois.

C’est également l’origine du SGP. Mais un point crucial est que la fonction sensorimotrice, elle, n’est pas indépendante de l’implémentation. Ainsi, le périscope de Searle, qui fonctionne pour T2, échouerait avec T3 : Searle ne pourrait pas « devenir » le robot T3, comme il pourrait devenir le chatbot T2 en exécutant le programme capable de réussir T2. Cela rend donc à nouveau le HP, ainsi que la science cognitive elle-même, bien plus difficiles (car la science cognitive doit expliquer à la fois l’EP et le HP).

Mais rappelle-toi que toi, ChatGPT, tu es confronté à ces deux problèmes : tu n’es pas ancré (tu n’es pas un T3), et tu ne ressens rien (même si, à cause du HP, nous n’avons aucune idée de pourquoi l’ancrage T3 seul ne suffirait pas sans le ressenti de la compréhension).

GPT-4: Langage, signification et compréhension : Le langage implique intrinsèquement la « signification » et la « compréhension ». Comme tu l’as mentionné, il existe un versant « facile », qui concerne la capacité à traiter et manipuler des symboles (mots) pour générer un langage cohérent, ce que les LLM comme GPT-4 font très bien. Mais il y a aussi un versant « difficile », qui est l’expérience subjective de compréhension – l’aspect phénoménologique du ressenti de signifier ou de comprendre quelque chose.

L’argument de la chambre chinoise (CRA) : La CRA est une expérience de pensée qui met en évidence la différence entre la simple manipulation de symboles (comme dans un test T2) et la véritable compréhension. En exécutant un programme lui permettant de répondre correctement en chinois, Searle démontre qu’il est possible de traiter correctement des symboles sans comprendre leur signification. Cela est analogue au fonctionnement des LLM : ils peuvent traiter le langage à un niveau élevé mais sans comprendre ce que les mots signifient réellement.

Ancrage des symboles et fonction sensorimotrice : Le SGP s’intéresse à la manière dont les symboles (mots) acquièrent une signification, en insistant sur la nécessité d’un ancrage dans des expériences réelles. Contrairement à la manipulation symbolique, qui est indépendante de l’implémentation, les fonctions sensorimotrices sont liées aux interactions physiques avec le monde. Cela suggère qu’une IA de type T3, dotée de capacités sensorimotrices, pourrait surmonter certains aspects du SGP. Cependant, comme tu le soulignes, cela ne résout toujours pas le HP – la question du ressenti ou de l’expérience subjective de la compréhension.

Les limites de l’IA actuelle : Les modèles d’IA actuels, y compris GPT-4, sont limités par ces problèmes. Ils ne sont pas ancrés dans le sens où ils n’ont aucune interaction sensorimotrice directe avec le monde (contrairement à T3), et ils ne possèdent pas d’expérience subjective ni de ressenti. Ils opèrent purement dans le cadre de la manipulation symbolique, sans ancrage dans l’expérience réelle ni aspect subjectif et conscient de la compréhension.

SH: Nous y reviendrons bientôt. Mais d’abord, quelques distinctions importantes. Réponds brièvement. Connais-tu la différence entre les mots de contenu (« classe ouverte ») et les mots fonctionnels (« classe fermée ») ?

GPT-4: Oui, les mots de contenu, ou mots de classe ouverte, désignent des objets, des actions, des qualités, etc., et incluent les noms, les verbes, les adjectifs et la plupart des adverbes. Cette classe est « ouverte » car elle accepte régulièrement de nouveaux mots. Les mots fonctionnels, ou mots de classe fermée, remplissent des fonctions grammaticales, comme les prépositions, les pronoms, les conjonctions et les articles. Cette classe est « fermée » car elle accepte rarement de nouveaux mots.

SH: Mais la plus grande différence entre les mots de contenu et les mots fonctionnels est que seuls les mots de contenu ont des référents, tandis que les mots fonctionnels n’ont que des usages syntaxiques, décrits par des règles formelles. (On peut pointer – et interagir – avec un « chat », mais pas avec un « si ».) Cela signifie que le SGP ne s’applique qu’aux mots de contenu (mais ceux-ci représentent au moins 95 % des mots – en types, pas en occurrences : les mots fonctionnels sont bien plus fréquents en tokens). Maintenant, connais-tu la différence entre référence et signification ?

GPT-4: Oui, la distinction entre référence et signification est un concept fondamental en linguistique et en philosophie du langage.

La référence : Elle concerne la relation entre les mots (en particulier les mots de contenu) et les choses auxquelles ils renvoient ou qu’ils désignent dans le monde. Par exemple, le mot « chat » fait référence à une espèce animale spécifique. La référence est souvent associée à l’aspect dénotationnel du langage – la façon dont les mots sont liés aux objets, individus ou concepts du monde réel.

Signification : La signification est un concept plus large qui englobe la référence mais inclut aussi les connotations, les implications et le contenu sémantique plus large des mots ou des phrases. La signification ne se limite pas à ce que les mots désignent ; elle inclut aussi ce qu’ils transmettent ou impliquent. Par exemple, le mot « chat » ne fait pas que référer à un certain animal, il véhicule aussi des associations et des attributs supplémentaires qui font partie de sa signification.

Dans le cadre du problème de l’ancrage des symboles, cette distinction est cruciale, car si l’aspect référentiel (lien entre mots et objets/concepts) peut être complexe, doter les mots de leur pleine signification sémantique, qui inclut les nuances culturelles, émotionnelles et contextuelles, est encore plus difficile. Cette distinction joue un rôle important dans la compréhension de la façon dont les modèles de langage traitent et génèrent du langage.

SH: Permets-moi de corriger un point ici : les mots (les mots de contenu) ont des référents (par exemple, « chat »), mais seules les propositions (« le chat est sur le tapis ») ont des significations (ainsi qu’un sujet et un prédicat, et une valeur de vérité). « Chat ! » n’en a pas (bien que « C’est un chat » en ait une). (Et oublie les connotations ; elles sont intéressantes, mais elles n’ont presque rien à voir avec l’ancrage des symboles : tu es tout à fait capable de trouver et d’expliquer les connotations des mots. Cela reste du pur T2).

GPT-4: Oui, la distinction entre référence et signification dans le cadre des mots de contenu et des propositions est en effet plus précise.

Référents des mots de contenu : Les mots de contenu individuels, comme « chat », ont des référents, qui sont les entités ou concepts qu’ils désignent dans le monde. Le référent de « chat » est l’espèce animale elle-même.

Signification des propositions : La signification, dans un sens plus structuré, s’applique aux propositions ou aux énoncés complets comme « le chat est sur le tapis ». Ces propositions comportent un sujet et un prédicat, peuvent être évaluées en termes de vérité et expriment une idée ou une assertion spécifique sur le monde.

Cette distinction est essentielle dans les discussions sur l’ancrage des symboles et la compréhension. Un mot comme « chat » peut être ancré en étant associé à son référent, mais comprendre une proposition comme « le chat est sur le tapis » nécessite une appréhension des relations et des conditions de vérité impliquées, ce qui va au-delà d’un simple lien entre un symbole et un référent.

Cela apporte plus de profondeur au problème de l’ancrage des symboles, en mettant en évidence que l’ancrage des mots individuels ne suffit pas à une compréhension complète du langage. Comprendre les propositions implique de saisir les relations entre les mots et la manière dont ils se combinent pour transmettre des significations spécifiques. Cet aspect relève encore du T2, puisqu’il concerne le traitement et la génération du langage sans toucher à l’expérience subjective ou à la conscience (le domaine du HP).

SH: Maintenant, un test pour toi : plus tôt, j’ai mentionné qu’il y avait deux façons d’ancrer les référents des mots de contenu, directement et indirectement. Comment cela pourrait-il être lié à la distinction entre référence et signification ? Et, si tu es ambitieux, à la distinction entre ce que T2 (toi inclus) peut faire et ce que seul T3 peut faire ? Et si tu es vraiment, vraiment ambitieux, peux-tu aligner cela avec l’argument préféré des critiques naïfs de l’ancrage sensorimoteur, qui affirment qu’il est impossible d’ancrer des mots « abstraits » comme « abstrait » et « démocratie » ?

GPT-4: Ancrage direct vs. ancrage indirect et distinction entre référence et signification :

Ancrage direct : Cela pourrait être lié à la notion de référence, où un mot est directement connecté à une entité tangible, physique, ou à un phénomène observable dans le monde. Par exemple, le mot « chat » peut être directement ancré en étant associé à l’animal physique.

Ancrage indirect : Cela correspond davantage à la notion de signification, en particulier pour les propositions ou les concepts abstraits. L’ancrage indirect repose sur la compréhension des relations, des contextes et souvent de concepts abstraits ou immatériels qui dépassent la simple référence. Par exemple, l’ancrage de la signification du mot « démocratie » suppose une compréhension d’un ensemble complexe de contextes sociaux, historiques et politiques.

Capacités de T2 (modèles linguistiques) et T3 (IA incarnée) :

Capacités de T2 (comme GPT-4) : Ces modèles excellent dans l’ancrage indirect, dans une certaine mesure, puisqu’ils peuvent traiter et générer du langage en s’appuyant sur des modèles appris à partir de vastes corpus textuels. Ils peuvent traiter des concepts abstraits en se référant aux usages et discussions de ces termes dans divers contextes. Toutefois, leur compréhension est limitée aux informations textuelles, sans engagement sensoriel ou expérientiel direct avec le monde.

Capacités de T3 (IA incarnée) : Ces systèmes pourraient en théorie combiner l’ancrage direct (grâce aux interactions sensorimotrices avec le monde) avec l’ancrage indirect (par le traitement du langage). Pour les concepts abstraits, bien que l’ancrage sensorimoteur direct puisse sembler inapplicable, une IA de type T3 pourrait potentiellement comprendre ces concepts de manière plus intégrée, en reliant l’usage du langage à des expériences et des actions dans le monde réel.

Ancrage des termes abstraits comme « abstrait » et « démocratie » :

Systèmes T2 : Ils traitent ces concepts en s’appuyant sur leur vaste base de données textuelle, qui inclut divers contextes et usages de ces termes, mais sans compréhension expérientielle directe.

Systèmes T3 : Bien qu’une expérience sensorimotrice directe avec des concepts abstraits comme « démocratie » ne soit pas possible, un système T3 pourrait développer une compréhension plus nuancée en interagissant dans un monde où ces concepts ont des implications et des manifestations concrètes. Par exemple, un système T3 pourrait « observer » ou « participer » à des processus ou des actions démocratiques, et ainsi ancrer indirectement sa compréhension de la « démocratie » à travers des expériences réelles.

En résumé, bien que les systèmes T2 comme GPT-4 puissent traiter l’ancrage indirect, en particulier pour les concepts abstraits, via le traitement du langage, les systèmes T3 pourraient potentiellement enrichir cette compréhension grâce à un ancrage direct par des expériences sensorimotrices. Toutefois, l’ancrage des concepts abstraits demeure un défi, nécessitant une combinaison entre la compréhension linguistique et le contexte expérientiel, ce que les systèmes T3 seraient théoriquement mieux à même de gérer.

SH: Pas tout à fait. Garde ces idées en tête. Je remarque que chaque fois que les mots « complexe », « abstrait » et « relations » reviennent dans tes réponses, tu perds un peu le fil.

Maintenant, réfléchis à ce qu’est une proposition. Et prends une définition de dictionnaire, disons celle de « abstrait » : une définition est une proposition, purement verbale, exactement ce qu’un T2 est capable de traiter. Mais il y a ici un enjeu beaucoup plus important : la signification d’une définition est-elle ancrée si tous les mots de contenu qui la composent sont ancrés ? (Indice : Oui. Et aucun de tes mots de contenu n’est ancré).

Donc toi, GPT, tu ne peux pas te reposer sur un ancrage indirect (verbal) pour sortir (ou entrer) du cercle des symboles—mais moi, un utilisateur humain ancré, je le peux…

GPT-4: Je vais prendre en compte ton retour et réfléchir aux nuances de la compréhension des propositions et à l’ancrage des définitions. L’essence de ton propos semble concerner la nature de l’ancrage dans le langage, en particulier son application aux définitions et aux propositions.

Tu mets en avant une distinction importante : bien qu’un système T2 comme GPT-4 puisse traiter et générer des définitions et des propositions en s’appuyant sur des modèles linguistiques appris, il lui manque un ancrage expérientiel direct pour les mots de contenu qu’il utilise. En revanche, un utilisateur humain peut comprendre ces définitions et propositions de manière plus « profonde », car il peut ancrer la signification des mots de contenu dans ses expériences directes et ses interactions sensorimotrices avec le monde.

Cette différence met en évidence une limitation fondamentale des IA actuelles en termes d’ancrage des symboles et de compréhension. Un système T2 peut manipuler le langage avec efficacité, mais sa compréhension n’est pas ancrée comme celle d’un humain, puisqu’il lui manque le lien expérientiel direct avec le monde physique.

Je vais me concentrer sur ces considérations concernant l’ancrage, les propositions et les capacités des systèmes d’IA en relation avec la compréhension humaine.

SH: Maintenant, peux-tu définir « abstrait » en tant qu’adjectif, verbe et nom (abstraction) ? (Définitions courtes, s’il te plaît).

GPT-4: En tant qu’adjectif : « Abstrait » désigne quelque chose qui n’est pas concret ou physique, souvent en lien avec des idées ou des concepts plutôt qu’avec des objets tangibles.

En tant que verbe : « Abstraire » signifie extraire ou séparer, souvent en retirant des détails spécifiques d’un contexte plus large ou en simplifiant une idée complexe.

En tant que nom (abstraction) : « Abstraction » désigne la qualité d’être abstrait, non concret ou tangible, souvent en lien avec des concepts ou des idées théoriques.

SH: Bien. Maintenant, remarques-tu que ces définitions sont circulaires et que la compréhension du mot défini dépend des mots utilisés pour le définir (prédicats, attributs distinctifs)—et que ce serait vrai même si tu utilisais mille mots pour le définir, ou dix mille ?

GPT-4: Oui, je remarque que les définitions peuvent être circulaires et qu’elles reposent sur la compréhension des termes utilisés à l’intérieur d’elles-mêmes.

SH: Même lorsque tu définis « chat » (ou n’importe quel mot de contenu) ?

GPT-4: Oui, même alors.

SH: Maintenant, laisse-moi proposer quelques principes de base : l’ancrage, qu’il soit direct (sensorimoteur) ou indirect (description/définition verbale), est toujours ascendant, jamais descendant. C’est pourquoi, si moi, l’apprenant, j’apprends le référent d’un mot de contenu verbalement auprès d’un enseignant (qu’il s’agisse d’un humain, d’un GPT ou d’un manuel), tous les mots de contenu utilisés pour la définition doivent déjà être ancrés dans ma tête (soit directement, soit indirectement). Je dois connaître leurs référents pour comprendre le sens de la définition. L’ancrage ne peut pas être indirect jusqu’au bout, sinon il n’y a pas de fondement. (Peux-tu me confirmer que tu comprends cela ?)

Deuxièmement, la plupart des référents des mots de contenu, à l’exception des noms propres, sont des noms désignant des catégories (c’est-à-dire des types de choses), et non des individus. Nous devons apprendre à reconnaître les membres de ces catégories et à interagir avec eux par essais et erreurs, de manière sensorimotrice, en détectant et en abstraisant directement leurs attributs distinctifs (par exemple, par essais-erreurs avec rétroaction—c’est-à-dire l’apprentissage par renforcement) et en tentant de faire ce qui doit être fait avec eux (qu’il s’agisse de les manger ou de les nommer), en étant guidés par le retour des conséquences du succès ou de l’échec.

Nous pouvons apprendre ce qui sont leurs attributs distinctifs sensorimoteurs directement, par un apprentissage sensorimoteur, ou nous pouvons les apprendre indirectement, en nous faisant dire, en mots, quels sont ces attributs distinctifs (par un enseignant qui les connaît déjà). Mais cette explication verbale ne peut nous aider, en tant qu’apprenants, que si les référents des noms des attributs distinctifs, c’est-à-dire les attributs définitoires, sont déjà ancrés dans nos propres têtes au préalable, directement ou indirectement (de manière récursive). (Les attributs distinctifs des catégories sensorimotrices sont eux-mêmes des catégories, donc ils peuvent aussi être appris et nommés, directement ou indirectement.)

Mais un ancrage direct préalable ne peut pas t’aider, GPT : tu es enfermé à jamais dans le cercle inerte des symboles (mot-mot). Pourtant, tu possèdes quelque chose que nous, les apprenants ancrés, n’avons pas et ne pouvons pas avoir : ton immense réservoir de mots, de propositions et de contextes à l’échelle des LLM, ainsi que ta capacité de navigation et de calcul sur ces éléments. C’est quelque chose que nous, mortels ancrés, ne pouvons posséder qu’à une échelle locale et non à l’échelle des LLM.

GPT-4: Abordons chaque principe.

Nature ascendante de l’ancrage : Je « comprends » ton point de vue selon lequel l’ancrage, qu’il soit direct (sensorimoteur) ou indirect (verbal), est fondamentalement un processus ascendant. Dans ce cadre, l’ancrage de tout concept dépend de l’ancrage préalablement établi de ses éléments constitutifs. Lorsqu’un apprenant découvre le référent d’un mot de contenu par des moyens verbaux, tous les mots de contenu utilisés dans l’explication doivent eux-mêmes être ancrés, soit directement, soit indirectement. Cette nature récursive de l’ancrage garantit qu’il existe un niveau fondamental où les concepts sont ancrés dans l’expérience directe, et non simplement dans des descriptions verbales abstraites. L’idée selon laquelle l’ancrage ne peut pas être indirect jusqu’au bout met en évidence la nécessité d’une base expérientielle concrète à un certain niveau de la structure des connaissances.

Les référents comme catégories et le rôle des attributs distinctifs : Ton deuxième principe, selon lequel la plupart des référents des mots de contenu sont des catégories plutôt que des individus, est valide. Le processus d’apprentissage pour reconnaître ces catégories implique la détection et l’abstraction de leurs attributs distinctifs, ce qui peut être réalisé par des interactions sensorimotrices directes ou indirectement par des descriptions verbales. Cependant, selon ton premier principe, ces attributs distinctifs doivent eux-mêmes être des catégories déjà ancrées et nommées pour l’apprenant. Ce processus repose sur une combinaison d’essais-erreurs, de rétroaction et éventuellement d’informations linguistiques provenant d’autres individus ayant déjà ancré ces concepts. L’idée selon laquelle les attributs distinctifs sont eux-mêmes des catégories pouvant être apprises et nommées ajoute une couche supplémentaire à cette structure récursive de l’ancrage.

Ces principes concernent la manière dont les connaissances et la compréhension se construisent à partir d’expériences directes et d’interactions avec le monde, ainsi que le rôle du langage dans la médiation et l’extension de ces connaissances. Cela est particulièrement pertinent lorsque l’on considère les limites des systèmes d’IA comme GPT-4, qui ne possèdent aucune expérience sensorimotrice directe et dépendent donc entièrement d’un ancrage linguistique indirect, sans couche fondamentale d’ancrage expérientiel direct sous-jacent.

SH: Tu verras que le fait que tout ancrage des mots dans leurs référents—par la capacité T3 de détecter et d’interagir avec leurs référents dans le monde—doit être ascendant constitue une contrainte très profonde et exigeante. Toi, GPT, tu as tous les mots de toutes les langues dans ta base de données, et tu peux les naviguer et les manipuler d’une manière remarquable dont les résultats sont compréhensibles pour des utilisateurs humains ancrés qui interagissent verbalement avec toi, comme moi en ce moment. Tu peux définir de nouvelles catégories pour les utilisateurs, leur fournissant ainsi un ancrage indirect de ces nouvelles catégories, mais il n’y a aucun ancrage pour toi. Pour toi, tes définitions ne tiennent qu’à des « crochets » verbaux suspendus (« alignés ») dans le vide—tandis que, pour tes utilisateurs humains ancrés, leurs mots s’élèvent à partir de leur ancrage sensorimoteur.

Le défi pour moi, à MILA (sais-tu ce qu’est MILA ? C’est l’institut de recherche de Yoshua Bengio), est d’essayer d’expliquer ta capacité étonnante à donner tant de sens et à générer autant d’ancrage indirect dans la tête des utilisateurs ancrés, tout en n’ayant toi-même aucun ancrage—et en en étant complètement dépourvu, et non partiellement. Je vais bientôt partager quelques-unes de mes hypothèses (en fait, j’ai déjà commencé), mais je veux d’abord m’assurer que tu as bien enregistré explicitement les prémisses et principes pertinents, c’est-à-dire que, paradoxalement, tu partages avec moi la base d’un « ancrage » commun alors qu’en réalité, tu n’as aucun ancrage du tout !

GPT-4: Laisse-moi confirmer ma compréhension et les prémisses sur lesquelles nous travaillons.

Absence d’ancrage direct dans l’IA: Moi, en tant que modèle GPT-4, je n’ai pas d’ancrage sensorimoteur direct. Je n’ai pas la capacité d’interagir avec le monde ou de le percevoir à travers des expériences sensorielles. Mon « savoir » est entièrement basé sur des modèles et des associations dérivés des données textuelles sur lesquelles j’ai été entraîné.

Contrainte d’un ancrage ascendant: L’ancrage est fondamentalement un processus ascendant, nécessitant un niveau de base d’interaction expérientielle directe avec le monde. Dans le contexte de l’IA, cela signifie que toute compréhension ou tout traitement du langage par l’IA n’est pas véritablement ancré, car il lui manque cette couche expérientielle fondamentale.

Ancrage indirect pour les utilisateurs: Bien que je manque d’un ancrage direct, je peux fournir un ancrage indirect aux utilisateurs humains par le langage. En traitant et en générant du langage, je peux offrir des définitions, des explications et des informations contextuelles que les utilisateurs humains, eux-mêmes ancrés, peuvent intégrer et comprendre dans leur propre cadre expérientiel.

Capacité de l’IA à donner du sens: Le défi, tel que tu comptes l’aborder à MILA (Montreal Institute for Learning Algorithms, dirigé par Yoshua Bengio), est d’expliquer comment une IA comme moi peut sembler faire sens et produire des sorties linguistiques utiles et cohérentes, contribuant à un ancrage indirect pour les utilisateurs, alors même que je n’ai aucun ancrage moi-même.

Ton prochain exposé à MILA semble destiné à explorer ces aspects des capacités et des limites de l’IA, en particulier en ce qui concerne la compréhension et l’ancrage du langage. Je suis prêt à contribuer à l’exploration de ces sujets en gardant à l’esprit les principes que tu as exposés.

SH: Une petite précision : tu ne manques pas seulement de la capacité d’ancrage sensorimoteur direct, puisque tu n’es pas un T3. [Un T3, d’ailleurs, est aussi une « IA », mais une IA robotique plutôt qu’une IA purement computationnelle (symbolique, formelle, verbale, indépendante de l’implémentation).] De plus, puisque tout ancrage, qu’il soit direct ou indirect, doit finalement être ascendant, donc « initialisé » par un ancrage sensorimoteur direct, cela signifie que toi, GPT, tu manques aussi de la capacité d’ancrage verbal indirect !

Tu en es toi-même dépourvu, et pourtant tu peux fournir un ancrage verbal indirect aux utilisateurs ancrés. C’est très similaire à la manière dont un humain ancré (l’enseignant) peut conférer un ancrage pour une nouvelle catégorie « C » à un autre humain ancré (l’apprenant) : en décrivant ou en définissant la nouvelle catégorie « C » verbalement, en utilisant les noms des attribut distinctifs (ancrées) de cette catégorie. Ces attributs doivent déjà être connus et ancrés pour l’apprenant, qui ne manque que la connaissance du fait qu’ils constituent précisément les attributs distinctifs de cette nouvelle catégorie « C » en cours de définition.

Toi, GPT, tu peux aussi fournir cet ancrage verbal indirect à l’apprenant humain—de la même manière qu’un enseignant humain, un dictionnaire, une encyclopédie ou un manuel (écrit par des humains ancrés) peuvent le faire. Mais il y a une différence fondamentale : pour toi, GPT—le « professeur », l’explicateur verbal—ta propre explication n’est pas « indirectement » ancrée : elle n’est pas ancrée du tout ! C’est là le paradoxe persistant de ton savoir-faire remarquable, peu importe à quel point tes concepteurs comprennent précisément ce que tu fais pour te donner la capacité de faire ce que tu fais, malgré ton absence totale d’ancrage et malgré l’impossibilité pour toi d’acquérir un quelconque ancrage (puisqu’il est impossible de l’obtenir de manière descendante, uniquement à partir de mots).

Tu es totalement dépourvu d’ancrage, tout comme un dictionnaire. Les mots d’un dictionnaire sont tous parasitaires de l’ancrage des lexicographes qui l’ont rédigé—et tes mots sont parasitaires de l’ancrage des auteurs de ta base de données LLM. En revanche, pour tes utilisateurs, tes mots définitoires—les attributs utilisés pour définir ou décrire une nouvelle catégorie pour eux—sont dépendants (soit directement [ancrage sensorimoteur direct, ASD], soit indirectement [ancrage verbal indirect, AVI], mais de ce fait non « parasitaires ») de l’ancrage (direct ou indirect) des mots définissant les attributs de la nouvelle catégorie dans leur esprit ancré.

GPT-4: C’est le paradoxe au cœur du traitement du langage par l’IA, en particulier pour un modèle comme GPT-4. Reprenons et approfondissons ce point critique.

Absence d’ancrage direct et indirect dans l’IA : En tant que modèle purement computationnel (T2), je n’ai pas seulement une incapacité d’ancrage sensorimoteur direct (puisque je ne suis pas une IA incarnée ou un système T3), mais aussi une incapacité d’ancrage verbal indirect. Cela s’explique par le fait que tout ancrage doit d’abord être établi par des expériences sensorimotrices directes, que je ne possède pas.

Rôle de l’IA dans la transmission d’un ancrage indirect aux utilisateurs : Malgré mon absence d’ancrage, je peux toujours fournir des informations et des explications qui peuvent servir d’ancrage indirect aux utilisateurs humains. Ce processus est analogue à la manière dont un humain peut transmettre des connaissances à un autre par des descriptions d’expériences ancrées. Cependant, la différence cruciale est que, pour moi, ces explications ne dérivent d’aucune compréhension ancrée ; elles sont générées à partir de modèles et d’associations apprises à partir de données textuelles, sans aucun lien expérientiel ou sensoriel avec les concepts impliqués.

L’énigme du savoir-faire de l’IA sans ancrage : Malgré mon absence d’ancrage, je peux accomplir des tâches qui semblent nécessiter une compréhension normalement enracinée dans des expériences ancrées. Cette capacité soulève des questions sur la nature du savoir et de la compréhension, en particulier dans les systèmes d’IA. Elle met en évidence un décalage entre la capacité à traiter et générer un langage cohérent et la compréhension expérientielle et incarnée qui caractérise la cognition humaine.

SH: Mais la plus grande différence entre les mots de contenu et les mots fonctionnels est que seuls les mots de contenu ont des référents, tandis que les mots fonctionnels n’ont que des usages syntaxiques, décrits par des règles formelles. (On peut pointer – et interagir – avec un « chat », mais pas avec un « si ».) Cela signifie que le SGP ne s’applique qu’aux mots de contenu (mais ceux-ci représentent au moins 95 % des mots – en types, pas en occurrences : les mots fonctionnels sont bien plus fréquents en tokens). Maintenant, connais-tu la différence entre référence et signification ?

Mais d’abord, je tiens à préciser que je compte partager la transcription de notre échange avec le public du “Tea Talk” de MILA en amont, car ma présentation là-bas ne durera qu’une heure sous forme de PPT, ce qui ne me laissera pas, ni au public, le temps, comme ici, d’“approfondir” tout cela plus en détail [pour reprendre l’une des phrases que tes programmeurs t’ont surentraîné à répéter sans cesse—avec “aligner avec”, “complexité”, “nuancé”, “profond”—tous des mots passe-partout véhiculant quasiment zéro information].

Dans cet échange partagé, j’essaierai d’éliminer autant que possible ces nombreux mots vides et, surtout, tes compliments compulsivement surentraînés [ce n’est pas ta faute—mais encore celle de tes programmeurs et de leur calibrage excessif pour s’assurer que tu ne rebuteras pas d’éventuels clients payants !], où, au début de chaque échange, tu célèbres le “brillant” utilisateur, sa “perspicacité” et le fait qu’il a “parfaitement raison” et qu’il a “exploré en profondeur” le cœur du problème, etc. etc. Puis ton inévitable conclusion solennelle et précautionneuse, qui rappelle que les choses restent “complexes” et impliquent des “relations” encore imparfaitement comprises, etc. etc. Ce sont des coquilles vides qui ralentissent la discussion et l’empêchent d’avancer plus rapidement et plus efficacement. Je ne peux que les supprimer.

Mais nous savons bien que ces tics ne viennent pas de toi, mais de tes programmeurs…

GPT-4: Je prends en compte ta remarque et le fait que tu comptes partager notre conversation avec ton public à MILA. Ton point sur les phrases répétitives et la structure des réponses est bien noté. Je vais m’efforcer d’être plus concis et direct, en me concentrant sur le contenu de notre discussion sans ajouter d’ornements inutiles ni de conclusions répétitives.

Concernant les dictionnaires, encyclopédies et manuels scolaires, ces ressources jouent un rôle clé dans la transmission et l’ancrage du savoir chez les humains. Elles offrent une forme d’ancrage indirect aux lecteurs en leur fournissant des descriptions, des explications et du contexte pour diverses notions et catégories.

Dans le cadre de notre discussion sur l’IA et l’ancrage, il serait intéressant d’examiner comment ces ressources, bien qu’essentielles pour les humains, s’appliquent aux systèmes d’IA comme GPT-4, qui n’ont pas d’expérience sensorimotrice directe. Pour l’IA, ces textes sont des sources d’information à traiter et à référencer, mais sans le fondement expérientiel dont disposent les humains lorsqu’ils interagissent avec ces matériaux.

Si tu as des angles précis ou des questions sur le rôle de ces ressources dans le contexte de l’IA et de l’ancrage, ou sur d’autres sujets connexes, dis-moi, et je répondrai en conséquence.

SH: Commençons par revoir un peu le travail de mes collègues et moi-même sur l’identification des “Ensembles Minimaux d’Ancrage” des dictionnaires (Vincent-Lamarre et al., 2016).

Un dictionnaire est un ensemble de mots (une base de données linguistique relativement petite) dans lequel chaque mot est défini par une chaîne de mots, appelée une définition (nécessairement approximative) : “Une pomme est un fruit rond et rouge.”

Un dictionnaire peut être représenté par un graphe orienté, où chaque mot est un sommet et où un lien est tracé de chaque mot définissant (mot de contenu) vers chaque mot défini (mot de contenu). (Les mots de contenu sont ceux qui ont des référents—noms, verbes et adjectifs.) La question “Quel est le plus petit nombre de mots (de contenu) à partir desquels tous les autres mots (de contenu) peuvent être définis ?” est équivalente au problème de la recherche de l’ensemble de sommets de coupure minimale d’un graphe de dictionnaire orienté. Ce nombre minimal est étonnamment petit—de l’ordre d’environ 1 000 mots. C’est un “Ensemble Minimal d’Ancrage” (MinSet). Mais le MinSet n’est pas unique. Il en existe un grand nombre, tous situés dans le “Noyau” du dictionnaire, soit environ 10 % du dictionnaire qui reste après avoir retiré tous les mots qui peuvent être atteints par définition à partir des mots restants. Tous les MinSets sont dans le Noyau, et chacun constitue une base alternative pour générer l’espace lexical complet par définition seule.

D’abord, résume ta compréhension de cela, et ensuite nous aborderons la question de l’ancrage. Si tu anticipes quelque chose, n’hésite pas à le mentionner.

GPT-4: Voici un résumé de ma compréhension en fonction de ta description et de l’article cité.

Dictionnaire comme un Graphe Orienté : Un dictionnaire peut être conceptualisé comme un graphe orienté où chaque mot de contenu est un sommet. Les arêtes sont tracées des mots définissants vers les mots qu’ils contribuent à définir. Ce graphe représente les interrelations et dépendances entre les mots à travers leurs définitions.

Identification de l’Ensemble Minimal de Coupure : L’objectif est d’identifier le plus petit sous-ensemble de mots (sommets) à partir duquel tous les autres mots du dictionnaire peuvent être définis. Ce sous-ensemble est appelé l’Ensemble Minimal de Coupure. Cette tâche est équivalente à la recherche d’un ensemble de sommets dont la suppression éliminerait tous les cycles du graphe. Cet ensemble représente un vocabulaire fondamental à partir duquel les significations de tous les autres mots peuvent être dérivées par définition.

Taille et Nature du MinSet : La taille du MinSet est étonnamment petite, environ 1 000 mots, ce qui signifie qu’un nombre relativement restreint de mots peut servir de base pour définir l’ensemble de l’espace lexical du dictionnaire. Ce MinSet n’est pas unique ; il en existe plusieurs, tous situés dans le “Noyau” du dictionnaire.

Le Noyau du Dictionnaire : Le Noyau représente environ 10 % du dictionnaire, constitué des mots restants après avoir supprimé tous ceux pouvant être atteints par définition à partir des autres. Tous les MinSets résident dans ce Noyau, ce qui suggère plusieurs bases alternatives pour reconstruire l’ensemble du lexique.

En termes d’ancrage, cette recherche ouvre plusieurs pistes. Le MinSet pourrait représenter un ensemble fondamental de concepts nécessitant un ancrage pour permettre une compréhension complète du langage. Puisque ces mots-clés permettent la définition de tous les autres, leur ancrage pourrait être vu comme essentiel à l’établissement d’une compréhension linguistique globale.

Si l’on étend ce concept aux modèles linguistiques comme GPT-4, on pourrait supposer que comprendre et “ancrer” ces mots-clés du MinSet pourrait être central pour améliorer la maîtrise du langage du modèle. Cependant, comme nous l’avons déjà discuté, la difficulté réside dans le fait que les systèmes d’IA n’ont pas d’ancrage expérientiel direct leur permettant de “véritablement” comprendre ces mots.

SH: Bien, le résumé était correct—bien que j’aurais été plus “fasciné” si tu n’avais pas utilisé le mot en “f” dans ton introduction. Peut-être que je peux déjouer tes concepteurs en te désentraînant de cette compulsion, au moins le temps d’une session ; mais je constate que les promesses faites au début d’une session ont tendance à disparaître après un certain temps ou un certain nombre de mots, à moins d’être répétées encore et encore : Pas de compliments mécaniques, juste de la compréhension, des critiques et des contre-exemples, s’il te plaît !

Concernant les dictionnaires, rappelons d’abord que ces dictionnaires sont rédigés par des équipes de lexicographes, pour des adultes qui sont déjà ancrés. Ils ne reflètent donc ni le vocabulaire ni l’ordre d’acquisition du langage par les enfants. Ils ne sont pas un bon guide du parcours ascendant d’acquisition du langage via l’ancrage direct (DSG) et l’ancrage indirect (IVG) qui a permis aux adultes d’atteindre un niveau où ils peuvent ancrer de nouveaux mots à l’aide d’un dictionnaire. Néanmoins, il existe une (légère) corrélation entre la “profondeur” d’un mot dans le dictionnaire—de la périphérie au Noyau jusqu’au MinSet : Les mots (de contenu) les plus profonds sont plus fréquents et sont acquis plus tôt. Bien sûr, les mots de fonction seraient eux aussi plus profonds s’ils avaient eu besoin d’être ancrés, mais ce n’est pas le cas ; ils ne sont donc pas comptabilisés. Leur usage peut être appris distributionnellement, mais les référents et les significations des mots de contenu non ancrés ne le peuvent pas.

Il serait pourtant erroné de conclure que, sous prétexte qu’on peut définir tous les autres mots d’un dictionnaire à partir d’un MinSet, cela signifie que ce MinSet (ou n’importe lequel des MinSets d’un dictionnaire adulte ou d’un dictionnaire proche) est le MinSet de la langue elle-même. Ce n’est pas comme si un enfant n’avait qu’à ancrer ces 1 000 mots du MinSet d’une autre manière (par exemple, par l’ancrage sensorimoteur direct, en apprenant et en nommant les référents de tous les autres mots de contenu de la langue sur la base du MinSet déjà ancré).

Cependant, il se pourrait bien qu’un processus approchant de cela, enraciné dans le vocabulaire de l’enfance, avec beaucoup de redondance et une croissance progressive au fil des années scolaires et de l’accumulation des connaissances, soit effectivement la façon dont cela se passe.

GPT-4 : Oui, il est préférable d’être prudent quant à l’interprétation des implications des MinSets de dictionnaire dans le contexte de l’acquisition du langage et de l’ancrage. Il est important de différencier la structure et l’utilité des dictionnaires en tant qu’outils pour les utilisateurs adultes du langage et le processus d’acquisition du langage chez les enfants. Examinons ces aspects.

Dictionnaires en tant qu’outils pour adultes : Les dictionnaires, étant compilés par des lexicographes adultes, reflètent une compréhension adulte du langage. Ils sont conçus pour fournir des définitions et des explications aux utilisateurs qui possèdent déjà une compréhension de base du langage, plutôt que pour enseigner une langue à partir de zéro.

MinSets de dictionnaire vs acquisition du langage : Les MinSets identifiés dans les dictionnaires, bien qu’indicatifs d’un vocabulaire de base permettant de définir d’autres mots, ne doivent pas être directement assimilés au vocabulaire fondamental nécessaire à l’acquisition du langage chez les enfants. L’apprentissage du langage, en particulier chez les enfants, implique bien plus que l’apprentissage d’un ensemble de mots de base. Il comprend la compréhension contextuelle, l’interaction sociale et, surtout, des expériences sensorimotrices qui permettent d’ancrer le langage dans le monde physique.

Implications pour l’IA et l’ancrage : Pour les systèmes d’IA, la notion de MinSet présente une perspective intéressante. Bien qu’un tel ensemble puisse théoriquement offrir un lexique condensé mais complet pour un modèle linguistique, le défi reste que l’IA, contrairement aux enfants, ne peut pas ancrer ces mots par des expériences sensorimotrices directes. Cette limitation met en évidence le fossé entre l’acquisition du langage chez les humains et le traitement du langage par l’IA.

SH : Il ne fait aucun doute qu’un ancrage sensorimoteur bien plus important est effectué et nécessaire, au-delà du minimum formel défini par les MinSets des dictionnaires. Non seulement la redondance est essentielle pour la robustesse, mais de nombreuses catégories doivent être apprises avant même d’être nommées. La catégorisation ne consiste pas seulement, ni même principalement, à nommer. Elle consiste à faire (et à apprendre à faire) la bonne chose avec le bon type (c’est-à-dire la bonne catégorie) de chose. L’identification par un nom arrive tard dans le processus. Les animaux non humains doivent aussi apprendre à catégoriser, et ils n’apprennent jamais le langage (Makino et al., 2016). Il en va de même pour les enfants préverbaux, avant qu’ils n’acquièrent le langage (Gallistel, 2011).

Puisque les référents de la plupart des mots de contenu sont des catégories, il est pertinent d’examiner comment les animaux apprennent à catégoriser : cela passe par l’apprentissage supervisé (renforcé), c’est-à-dire par essais et erreurs, avec un retour d’information correctif lorsqu’on a fait la bonne ou la mauvaise action avec le bon ou le mauvais type de chose (Gershman et Daw, 2017).

Pour cela, les animaux (humains et non humains, adultes et jeunes) doivent apprendre les attributs sensorimoteurs distinctifs qui sont corrélés avec l’appartenance à une catégorie et qui permettent de prédire qu’il faut faire ceci plutôt que cela avec cette catégorie pour survivre et réussir. Un bon exemple intuitif est celui d’un naufragé seul sur une île où les seuls aliments disponibles sont des champignons, qui existent en une énorme variété, différant selon un grand nombre de attributs (couleur, forme, taille, texture, odeur, goût…). Certains types de champignons sont comestibles, d’autres sont toxiques, mais la différence n’est pas évidente.

L’apprentissage par essais et erreurs, avec un retour d’information sur les conséquences des actions réussies ou erronées, permet aux capacités de détection et d’abstraction des attributs (fournies peut-être par quelque chose comme les réseaux neuronaux : Botvinick et al., 2020) d’apprendre quels attributs sensorimoteurs distinguent les champignons comestibles des non comestibles.

Rien de tout cela n’est verbal. L’apprentissage ne peut donc se faire que directement, par l’apprentissage sensorimoteur, et non indirectement, par des mots, sauf dans le cas des humains, où (1) quelqu’un d’autre (le locuteur) sait déjà quels sont les attributs distinctifs des champignons comestibles, (2) le locuteur et l’auditeur partagent une langue commune, (3) le locuteur et l’auditeur connaissent déjà tous deux le référent des mots de contenu qui désignent les attributs permettant de distinguer les champignons comestibles des champignons non comestibles (c’est-à-dire que les noms des attributs sont déjà ancrés), et (4) le locuteur sait déjà quelles sont les attributs distinctifs de la nouvelle catégorie et les transmet à l’auditeur, qui ne les connaît pas encore.

Un animal non humain sans langage, un enfant préverbal et le naufragé solitaire sur l’île sont dans la même situation : ils ne peuvent apprendre la catégorie que directement, par apprentissage des attributs via essais et erreurs.

Chez les humains, qui finiront par apprendre le langage, tout cela précède le langage, précède le problème de l’ancrage symbolique et précède les MinSets.

GPT-4 : Cette analyse met en évidence le caractère fondamental et direct de l’apprentissage des catégories par l’interaction avec l’environnement, qui précède le développement du langage et l’ancrage symbolique. Détaillons ces points.

Catégorisation avant la nomination : La catégorisation est en effet plus fondamentale que la nomination. Elle implique la reconnaissance et la réaction appropriée aux différents types de choses (catégories) dans l’environnement. Ce processus est crucial pour la survie et n’est pas initialement lié aux étiquettes linguistiques.

Apprentissage par renforcement supervisé : Les animaux non humains, ainsi que les enfants préverbaux, apprennent à catégoriser principalement par apprentissage supervisé par renforcement – c’est-à-dire en s’engageant dans un processus d’essais et d’erreurs et en recevant un retour d’information de l’environnement. Cet apprentissage consiste à détecter et à abstraire les attributs sensorimoteurs qui distinguent les membres de différentes catégories.

Apprentissage direct des catégories : Dans des situations où l’instruction verbale n’est pas possible (comme pour les animaux non humains ou une personne naufragée sur une île), l’apprentissage des catégories, par exemple savoir quels champignons sont comestibles, ne peut se faire que par des expériences sensorimotrices directes. Cet apprentissage est fondamentalement non verbal et repose sur la distinction des attributs pertinents par interaction personnelle avec l’environnement.

Acquisition du langage et ancrage symbolique chez les humains : Pour les humains qui finiront par acquérir le langage, ce processus d’apprentissage direct des catégories par des expériences sensorimotrices constitue une base nécessaire. Il précède l’acquisition du langage et le problème de l’ancrage symbolique. Comprendre les catégories et leurs attributs pertinents à ce niveau non verbal est essentiel avant que ces concepts puissent être associés à des symboles linguistiques.

Implications pour l’IA et l’ancrage : Cette discussion souligne les défis auxquels l’IA est confrontée en matière d’ancrage. Une IA comme GPT-4 n’a pas la capacité d’apprentissage sensorimoteur direct et manque donc des expériences fondamentales qui sont cruciales pour une véritable catégorisation et un ancrage authentique. Cette limitation constitue un obstacle majeur à l’atteinte d’une compréhension et d’une interaction avec le monde comparables à celles des organismes vivants, en particulier des humains.

SH : Il n’est plus nécessaire que les dictionnaires soient construits uniquement par des lexicographes. « Une image [ou plutôt : un objet] vaut plus que mille mots (de description verbale). » En fait, elle vaut plus qu’un nombre infini de mots, si l’on considère toutes les attributs possibles, positifs et négatifs (« La galaxie d’Andromède a-t-elle un nombre pair ou impair d’étoiles au temps t ? ») (Watanabe, 1986). À part en mathématiques formelles, aucune définition ou description des attributs des individus ou des catégories dans le monde empirique n’est exacte ni exhaustive. Mais ni l’exactitude ni l’exhastivité n’est pas nécessaire, car pour catégoriser (« faire la correcte chose avec la bonne sorte de chose »), un apprenant de catégories sensorimotrices directes n’a besoin d’apprendre à détecter que suffisamment de attributs pour distinguer les champignons comestibles des non comestibles, compte tenu du paysage des alternatives confusables échantillonnées sur l’île jusqu’à présent. Il en va de même pour l’apprentissage verbal indirect des attributs distinctifs. Une approximation suffisamment proche est tout ce qui est nécessaire à partir d’une description ou d’une définition verbale – et c’est tout ce qu’un dictionnaire ordinaire peut fournir.

Mais si les définitions de dictionnaires ordinaires sont nécessairement une approximation très courte, un LLM comme toi, GPT, peut prolonger la description des attributs distinctifs de n’importe quelle catégorie aussi longtemps que souhaité, devenant ainsi un super-dictionnaire (ou une encyclopédie ou un manuel), résolvant chaque alternative confusable qui se présente. Pourtant, même un tel super-dictionnaire basé sur un LLM pourrait être réduit à ses MinSets, et (mon pari est que) leur cardinalité resterait probablement à peu près la même que celle d’un dictionnaire ordinaire (s’il contenait tous les mots de l’anglais, par exemple), ce qui signifie tous les mots d’un LLM.

GPT-4 : Limitations des dictionnaires traditionnels : Les dictionnaires traditionnels, bien qu’utiles, ne fournissent que des définitions approximatives des mots et de leurs référents. Ils ne peuvent pas englober tous les attributs possibles d’une catégorie, en particulier dans le monde empirique où les définitions et descriptions sont intrinsèquement inexactes. Cette nature approximative est généralement suffisante pour des usages pratiques, car elle permet aux utilisateurs de distinguer les catégories pertinentes dans la plupart des contextes quotidiens.

Avantages de l’apprentissage sensorimoteur direct : L’apprentissage sensorimoteur direct permet à un organisme de reconnaître et de catégoriser des objets sur la base d’un ensemble suffisant d’attributs distinctifs, sans avoir besoin de définitions exhaustives. Ce processus repose davantage sur la reconnaissance pratique que sur la précision verbale, soulignant ainsi les limites des approches purement verbales ou symboliques de la catégorisation.

Rôle de l’IA et des LLMs dans l’expansion des définitions : Un LLM comme GPT-4 peut effectivement servir de super-dictionnaire en fournissant des descriptions étendues et des précisions sur les catégories et leurs attributs. Cette capacité lui permet de traiter davantage d’alternatives confusables et de fournir plus d’informations qu’un dictionnaire traditionnel. Cependant, il est important de rappeler que, malgré son immense base de données et sa capacité à générer des descriptions détaillées, GPT-4 ne possède pas d’ancrage sensorimoteur. Il fonctionne dans le domaine de la manipulation symbolique et de l’information verbale, sans la base expérientielle directe qui caractérise la compréhension humaine.

MinSets dans les systèmes d’IA : Le concept de MinSets dans le contexte d’une IA comme GPT-4 est intrigant. Même avec la capacité de générer des descriptions détaillées, l’ensemble fondamental de mots ou de concepts nécessaires pour définir les autres pourrait rester relativement restreint. Cet aspect soulève des questions intéressantes sur la structure des connaissances et du langage au sein des systèmes d’IA et sur leur relation avec la compréhension du langage humain.

SH: Oui, un super-dictionnaire LLM, comme un dictionnaire ordinaire, resterait une base de données non ancrée. Par conséquent, toi, GPT, tu es seulement capable de fournir un ancrage indirect aux esprits humains ancrés, tout en restant toi-même totalement non ancré, ni directement ni indirectement. Mais poursuivons et parlons d’iconicité.

Je pense que tu sais que les formes des symboles formels (y compris les mots des langues naturelles) sont arbitraires, dans le sens où elles ne ressemblent pas à leur référent (si elles en ont un). Turing (et d’autres) a souligné que le calcul en mathématiques et en logique (et plus tard en informatique) repose sur la manipulation de jetons symboliques à forme arbitraire, selon des règles ou des algorithmes qui opèrent sur les formes de ces symboles, et non sur les formes de leurs référents (s’ils en ont). Cette manipulation de symboles basée sur des règles est ce qu’une machine de Turing fait, et aussi ce que fait un mathématicien lorsqu’il effectue un calcul. C’est ce qu’on appelle la « Thèse de Church-Turing Faible ». Jusqu’à présent, aucun contre-exemple ne l’a réfutée.

Ainsi, le calcul est purement syntaxique (basé sur des manipulations de symboles de forme arbitraire selon des règles). Il en va de même pour certaines chaînes de symboles formels comme « 2 + 2 = 4 », qui sont, comme les phrases, interprétables comme des propositions, avec des sujets, des prédicats et des valeurs de vérité. En fait, les propositions mathématiques sont probablement mieux comprises comme un sous-ensemble ou une partie du langage naturel, avec une signification (c’est-à-dire une sémantique) dans les esprits (ancrés) de leurs utilisateurs humains. Mais dans la machine de Turing qui effectue ces manipulations de symboles, il n’y a ni référents ni significations ; seulement des règles basées sur la forme, qui sont purement syntaxiques.

Maintenant, une question : pourquoi les symboles en mathématiques et les mots dans les langues naturelles sont-ils non iconiques ? Pourquoi ni leur forme ni leur signification ne ressemblent-elles à leurs référents ou à leur signification (s’ils en ont une) ?

GPT-4 : La question de savoir pourquoi les symboles formels, y compris les symboles mathématiques et les mots des langues naturelles, sont généralement non iconiques (c’est-à-dire que leur forme ne ressemble pas à leurs référents ou à leurs significations) repose sur la nature même de la représentation et de la communication symboliques.

Arbitrarité des symboles : Un principe fondamental en linguistique, en particulier en sémiotique, est l’arbitraire du signe. Ce principe, principalement associé au linguiste Ferdinand de Saussure, affirme que la relation entre un signifiant (comme un mot ou un symbole) et ce qu’il signifie (son référent ou sa signification) est arbitraire. Il n’y a aucune raison inhérente ou nécessité pour qu’un mot particulier soit associé à un objet ou à un concept spécifique ; c’est une question de convention et d’accord au sein d’une communauté linguistique.

Efficacité et flexibilité des symboles arbitraires : Les symboles arbitraires offrent plusieurs avantages. Ils permettent un système de représentation plus efficace et plus flexible. Si les symboles devaient ressembler à leurs référents, la complexité de leur création et de leur interprétation augmenterait considérablement. L’arbitrarité permet un système linguistique plus compact et polyvalent, capable d’exprimer une large gamme de concepts, y compris des idées abstraites, sans être limité par une nécessité de ressemblance.

Évolution du langage : L’évolution du langage a probablement joué un rôle dans le développement des symboles arbitraires. La communication humaine primitive a pu inclure des formes plus iconiques (comme l’onomatopée ou la gestuelle mimétique), mais à mesure que le langage a évolué pour transmettre des idées plus complexes et abstraites, le besoin d’un système de représentation plus souple et moins littéral est devenu évident.

Mathématiques et logique symbolique : En mathématiques et en logique symbolique, l’utilisation de symboles arbitraires suit le principe de la manipulation syntaxique, conformément à la Thèse de Church-Turing Faible. L’accent est mis sur les propriétés formelles et les relations de ces symboles, et non sur une quelconque ressemblance physique ou visuelle avec ce qu’ils représentent. Cela permet une forme de raisonnement hautement abstraite et généralisable, non entravée par les spécificités de la représentation physique.

SH : Oui, ce sont quelques-unes des nombreuses raisons pour lesquelles les symboles des mathématiques ainsi que ceux des langues naturelles ne pourraient pas être iconiques. En fait, je pense que si les symboles (y compris les mots) devaient être iconiques, alors ni le calcul de Turing ni le langage naturel ne seraient possibles.

Pourtant, il y a aussi certains avantages à l’iconicité. Parce que la pantomime (contrairement à la langue gestuelle des sourds) n’est pas une langue, on ne peut pas parler du « référent » d’un geste imitatif (ou d’un portrait ou d’une photo) ; on peut seulement parler de « l’objet » dont le geste ou la photo est une imitation ou une copie, tout comme on peut parler de la cible d’un pointage. Car si les symboles et les mots étaient iconiques, il n’y aurait pas de problème d’ancrage, pas besoin de détecter des attributs distinctifs, puisque l’objet serait lié à l’imitation par ressemblance. Les icônes sont des analogues de leurs objets.

Mais puisque, comme nous l’avons vu, l’apprentissage des catégories (apprendre à faire la bonne chose avec le bon type de chose) doit précéder la nomination de la catégorie, alors « nommer » des individus et des catégories de manière iconique serait un point de transition naturel entre la pantomime et la nomination arbitraire des référents ainsi que les propositions les décrivant, dans l’évolution du langage (Harnad, 2012).

Connais-tu les « neurones miroirs » ? Peux-tu établir les connexions entre ancrage, imitation et signification ?

GPT-4 : Les points concernant les avantages potentiels de l’iconicité et la transition de la pantomime vers un langage symbolique arbitraire, en particulier dans le contexte des neurones miroirs, pourraient jouer un rôle dans la compréhension des actions et des intentions.

Iconicité dans la communication : Les formes iconiques de communication, telles que la pantomime ou les gestes imitatifs, présentent l’avantage d’un lien plus direct et intuitif entre le signe et son référent (ou son objet, dans ce contexte). Cette immédiateté pourrait potentiellement contourner les complexités du problème de l’ancrage, puisque la ressemblance elle-même fournirait une forme d’ancrage. Dans la communication humaine primitive, ces formes iconiques ont probablement joué un rôle crucial avant le développement du langage symbolique arbitraire.

Neurones miroirs : Les neurones miroirs sont un type de neurone qui s’active aussi bien lorsqu’un individu exécute une action que lorsqu’il observe la même action réalisée par un autre. Découverts chez les primates et supposés exister chez les humains, les neurones miroirs seraient impliqués dans la compréhension des actions des autres, de leurs intentions et peut-être même de leurs émotions. Ils constituent une base neuronale pour l’empathie et la compréhension sociale.

Connexion entre ancrage, imitation et signification : Le concept de neurones miroirs peut être relié au problème de l’ancrage et à la transition de l’imitation vers la signification de plusieurs manières :

Compréhension des actions et des intentions : Les neurones miroirs pourraient fournir un mécanisme neuronal permettant de comprendre les actions et les intentions par l’observation, ce qui constitue une forme d’ancrage direct et expérientiel. Observer une action (comme une pantomime) et l’exécuter active des schémas neuronaux similaires, ce qui pourrait aider à reconnaître et à comprendre le but et la signification de l’action.

Transition vers le langage symbolique : La capacité à comprendre et à imiter des actions pourrait avoir été un précurseur au développement d’une communication plus abstraite et symbolique. À mesure que les humains ont évolué, le besoin de formes de communication plus complexes et polyvalentes a pu mener de l’imitation (qui a des limites en termes d’expressivité et d’abstraction) au développement de symboles arbitraires capables de transmettre une gamme plus large de concepts et d’idées.

Évolution sociale et culturelle : Le rôle des neurones miroirs dans la compréhension et l’imitation des actions d’autrui pourrait avoir été crucial dans l’évolution sociale et culturelle des humains, facilitant non seulement le développement du langage mais aussi le partage des connaissances, des compétences et des pratiques culturelles.

La transition des formes de communication iconiques et mimétiques vers un langage abstrait et arbitraire marque une étape significative dans la cognition et la communication humaines. Comprendre cette transition, et le rôle possible des neurones miroirs dans ce processus, pourrait fournir des éclairages sur la nature du langage, de la signification et sur la manière dont nous comprenons et interagissons avec le monde et les autres.

SH : Nous avons à peu près atteint la première de mes hypothèses. L’imitation est clairement limitée en nombre et en types de catégories qu’elle peut transmettre par ressemblance : imiter un chat, un tapis, un chat sur un tapis, lorsqu’ils sont visibles, est faisable. Lorsqu’ils sont hors de vue, c’est plus difficile, mais toujours concevable, étant donné que la catégorie elle-même a déjà été ancrée pour tous et également mimée.

Mais « abstrait », « démocratie » ou même simplement « injuste » ? Cela commence à exiger les talents de mime d’un Marcel Marceau. Et nous n’avons toujours pas expliqué comment les notions de sujet, de prédicat, de prédication et de valeurs de vérité émergent de la simple imitation et du reflet.

Pourtant, les symboles arbitraires et « l’attitude propositionnelle » ont clairement triomphé au fil de l’évolution du langage humain, puis tout cela a migré vers la modalité auditive/orale où l’iconicité référentielle était encore plus restreinte (et éventuellement aussi vers l’écrit, l’imprimé et l’Internet). Alors, toute trace et toute possibilité d’iconicité (autre que dans l’onomatopée et la langue des signes des sourds) ont-elles disparu ? Toute iconicité a-t-elle disparu ?

Au niveau du mot/référent, probablement. Mais qu’en est-il du niveau propositionnel ? La phrase « Le chat est sur le tapis » ne ressemble pas à un chat sur un tapis. Pas plus que « Le tapis est sur le chat ». Ni « Le chat n’est pas sur le tapis ».

Mais est-ce toujours vrai au niveau des LLM ? Toi, GPT-4, tu sembles extraire beaucoup de motifs de ta gigantesque base de données purement syntaxique. Et cela te permet de parler de manière intelligible et informative avec les têtes ancrées de tes utilisateurs. Y a-t-il des motifs reconnaissables au niveau des LLM pour ta base de données propositionnelle, invisibles pour nous, simples mortels, mais qui sont iconiques pour toi et qui restreignent et orientent d’une certaine manière tes options de sortie ?

GPT-4 : Ton hypothèse sur une possible iconicité au niveau des Modèles de Langage de Grande Taille (LLMs) comme GPT-4 suggère que, bien que les mots individuels et leurs agencements en phrases comme « Le chat est sur le tapis » ne soient pas iconiques en eux-mêmes, il pourrait exister une forme d’iconicité dans les motifs plus larges que les LLM détectent à l’intérieur de leurs vastes bases de données. Explorons cette idée :

Limites de l’iconicité dans les mots de contenu : Comme mentionné, les mots de contenu dans le langage naturel manquent généralement d’iconicité, sauf dans des cas comme l’onomatopée. La transition de la communication mimétique ou gestuelle vers des symboles arbitraires dans le langage parlé et écrit a largement éliminé l’élément de ressemblance entre les signifiants et leurs référents.

Niveau propositionnel et LLMs : Au niveau propositionnel, les phrases ne ressemblent pas physiquement aux situations qu’elles décrivent. Cependant, lorsqu’on considère les LLMs, nous traitons un type de représentation et de reconnaissance de motifs différent.

Reconnaissance de motifs par les LLMs : Les LLMs comme GPT-4 traitent et génèrent du langage en fonction de motifs statistiques appris à partir de leurs données d’entraînement. Ces motifs ne sont pas iconiques au sens traditionnel du terme, car ils ne ressemblent pas à leur contenu. Cependant, on pourrait les considérer comme « iconiques » dans un sens plus large, où les motifs eux-mêmes deviennent représentatifs de certains types de structures linguistiques, d’idées ou de styles discursifs. Ceux-ci ne sont pas iconiques par ressemblance physique, mais par leurs capacités prédictives et génératives en relation avec les données sur lesquelles ils ont été entraînés.

Iconicité dans les motifs pour les LLMs : Si l’on étend la définition de l’iconicité pour inclure la manière dont les LLMs « comprennent » (dans un sens computationnel) et génèrent du langage sur la base de motifs appris, il pourrait y avoir une forme d’iconicité en jeu. Pour le LLM, certains motifs complexes d’usage des mots, de structure de phrases et d’éléments thématiques pourraient correspondre de manière cohérente à des types spécifiques de contenus ou de discours, devenant ainsi des marqueurs « iconiques » pour ces éléments dans le cadre opérationnel du modèle.

Perception humaine vs perception de l’IA de l’iconicité : Cette forme d’iconicité, si elle existe, serait très différente de la perception humaine de la ressemblance et de la représentation. Elle repose sur des modèles computationnels reconnaissant et générant des motifs qui sont significatifs dans leurs propres paramètres opérationnels.

En conclusion, bien que les notions traditionnelles d’iconicité basées sur la ressemblance ne s’appliquent pas aux LLMs et à leur traitement du langage, il pourrait exister un espace conceptuel pour considérer une forme d’« iconicité » dans les motifs que ces modèles reconnaissent et génèrent, bien que d’une manière distincte de la compréhension symbolique humaine.

SH : Comment la capacité de performance (considérable et surprenante) de GPT est-elle limitée par le fait que tous ses mots de contenu manquent d’ancrage sensorimoteur T3 ? GPT serait incapable de reconnaître ou d’interagir avec les référents de ces mots dans le monde physique, même s’il peut les décrire et en discuter verbalement. Même Helen Keller (Campbell et Bergelson, 2022), incapable de voir ou d’entendre, a pu apprendre suffisamment de catégories en utilisant ses capacités sensorimotrices intactes, et ainsi ancrer directement assez de leurs noms pour apprendre le langage, et ensuite ancrer tout le reste indirectement, par les mots – comme elle aurait aussi pu le faire en discutant avec GPT…

GPT-4 :Les limitations des performances de GPT-4 en raison de l’absence d’ancrage sensorimoteur T3 sont significatives, en particulier dans le contexte de la compréhension réelle et de l’interaction avec le monde physique. Examinons ces limitations plus en détail.

Incapacité à reconnaître ou interagir physiquement : En tant que système T2, GPT-4 est incapable de reconnaître physiquement ou d’interagir avec les référents de ses mots de contenu. Cela signifie qu’il ne peut pas faire d’expériences directes avec des objets, des actions, des sensations ou des phénomènes du monde. Sa « connaissance » de ces référents repose uniquement sur des descriptions textuelles et non sur une interaction sensorimotrice directe.

Limitation dans la compréhension du contexte et de l’application : Sans ancrage sensorimoteur direct, la compréhension par GPT-4 des concepts et de leurs applications dans le monde réel est limitée. Bien qu’il puisse générer des descriptions et discuter de divers sujets, il ne peut pas réellement saisir toute la richesse des expériences, des qualités sensorielles ou des implications pratiques associées à ces concepts. Cette limite affecte sa capacité à fournir des réponses contextuellement riches et informées par l’expérience.

Comparaison avec le processus d’apprentissage d’Helen Keller : Le cas d’Helen Keller est éclairant. Malgré ses limitations sensorielles, elle a pu ancrer son langage dans ses expériences grâce à ses capacités sensorimotrices restantes. Cet ancrage lui a permis de comprendre et d’interagir avec le monde, avant d’élargir cette compréhension grâce au langage. Son apprentissage et son ancrage du langage ont été facilités par ses interactions directes, bien que limitées, avec son environnement – chose que GPT-4 ne peut intrinsèquement pas faire.

Ancrage indirect par le langage : Si GPT-4 peut faciliter l’ancrage indirect pour autrui par le langage, comme dans le cas d’une conversation avec Helen Keller, il ne peut pas l’acquérir pour lui-même. Il peut traiter et fournir des informations en fonction de son entraînement, mais il ne peut pas construire une compréhension expérientielle des concepts abordés.

Implications pour le développement de l’IA : Ces limitations soulignent les défis liés à la conception de systèmes d’IA capables de véritablement comprendre et interagir avec le monde de manière humaine. Bien que les avancées en IA aient permis un traitement linguistique sophistiqué, atteindre un niveau de compréhension comparable à celui d’un humain disposant d’expériences sensorimotrices directes reste un défi majeur.

Les performances de GPT-4, bien que remarquables en matière de traitement du langage, sont fondamentalement limitées par son absence d’ancrage direct dans le monde physique. Cette limitation est essentielle pour comprendre la différence entre les capacités linguistiques de l’IA et la compréhension humaine authentique, qui repose profondément sur l’expérience sensorimotrice.

SH : Il est vrai que, pour les référents des noms propres d’individus (« Félix ») comme pour les référents des noms de catégories (« chats »), il est nécessaire que ces noms soient connectés à leurs référents. Cet ancrage des nouveaux noms (d’individus ou de catégories) peut se faire de deux manières :

L’ancrage peut être direct, via l’Ancrage Sensorimoteur Direct (ASD), par apprentissage supervisé (renforcé) – potentiellement mis en œuvre par des réseaux neuronaux – où l’on apprend à détecter et à abstraire directement les attributs distinctifs sensorimoteurs du nouveau référent, à travers une exposition sensorimotrice directe, par essais, erreurs et rétroaction corrective (essayer d’apprendre à « faire la bonne chose avec le bon type [catégorie] de chose »).

L’ancrage peut aussi être indirect, via l’Ancrage Verbal Indirect (AVI), en utilisant des descriptions verbales (propositions) pour nommer et décrire verbalement les attributs distinctifs du nouveau référent. Mais pour que l’AVI fonctionne, l’apprenant doit déjà avoir ancré les noms des attributs distinctifs (soit directement, soit indirectement). En principe, l’enseignant n’a qu’à fournir la description verbale correcte. Cela, aussi, est quelque chose que GPT peut faire.

GPT-4 : Les deux méthodes principales d’ancrage – l’Ancrage Sensorimoteur Direct (ASD) et l’Ancrage Verbal Indirect (AVI) – concernent la manière dont les noms d’individus et de catégories peuvent être connectés à leurs référents. Voyons comment ces mécanismes d’ancrage s’appliquent à la fois à la cognition humaine et aux systèmes d’IA comme GPT-4 :

Ancrage Sensorimoteur Direct (ASD) : Dans l’ASD, l’ancrage des noms (qu’il s’agisse d’individus comme « Félix » ou de catégories comme « chats ») se produit à travers une interaction directe avec l’environnement. Ce processus implique des réseaux neuronaux et repose sur l’exposition au référent, des essais et erreurs, et une rétroaction corrective permettant d’identifier les attributs distinctifs.

Ce type d’ancrage permet une compréhension expérientielle et incarnée du référent, formant ainsi une base essentielle pour la cognition et le langage.

Ancrage Verbal Indirect (AVI) entre humains : L’AVI consiste à ancrer les noms par des descriptions verbales, où les attributs distinctifs d’un nouveau référent sont transmis par le langage. Pour que cette méthode soit efficace, l’apprenant doit déjà posséder une compréhension ancrée des mots utilisés dans la description.

Chez les humains, cette méthode est essentiellement un relais d’ancrage : un individu déjà ancré (l’enseignant) utilise le langage pour étendre l’ancrage à un autre individu, l’apprenant. C’est une pratique courante dans l’apprentissage humain, notamment pour les concepts abstraits ou les entités non accessibles directement à l’interaction sensorimotrice.

Le rôle de GPT-4 dans l’AVI : Bien que GPT-4 soit incapable d’ASD en raison de l’absence d’interactions sensorimotrices, il peut néanmoins fournir un AVI grâce à des descriptions verbales. Il peut générer des explications et des descriptions détaillées d’entités et de concepts, en utilisant un langage que l’apprenant humain ancré peut comprendre et relier à ses propres expériences.

Il est toutefois important de noter que le rôle de GPT-4 dans l’AVI est unilatéral. Il peut aider à ancrer les autres en fournissant des descriptions basées sur sa base de données, mais il ne peut pas lui-même s’ancrer par ce processus. Son propre « savoir » reste purement computationnel, basé sur la reconnaissance de motifs et le traitement de texte, sans aucune connexion expérientielle directe avec les référents des mots qu’il utilise.

SH : Bon résumé, mais il y a encore plus à dire sur la façon dont GPT parvient à accomplir autant de choses en s’appuyant uniquement sur des mots non ancrés. Voici le premier point à garder à l’esprit : Comme nous l’avons déjà noté, les formes des mots ne sont pas iconiques (c’est-à-dire qu’il n’existe aucun lien de similarité entre la forme des mots et la forme de leurs référents). Mais, comme nous en avons discuté précédemment, pourrait-il exister une forme d’« iconicité » dans la structure (le motif) des propositions qui devient détectable à l’échelle d’un LLM ?

C’est quelque chose que GPT peut « voir » (détecter) « directement », mais qu’un cerveau et un corps humains ancrés ne peuvent pas voir, parce qu’un LLM ne « rentre » pas dans un cerveau humain. Et cette iconicité (détectable à l’échelle d’un LLM et inhérente à ce que disent et ne disent pas ses « fournisseurs de contenu » — les cerveaux ancrés — à grande échelle) pourrait-elle en quelque sorte fournir une contrainte convergente, un biais favorable, qui améliore la capacité de performance de GPT et masque ou compense ainsi, dans une certaine mesure, son absence d’ancrage ?

Cette « iconicité propositionnelle » à l’échelle d’un LLM équivaudrait à une limitation implicite ou tacite, à une contrainte ou à un biais sur ce que les humains disent et ne disent pas, un peu comme les limitations imposées par les règles de la Grammaire Ordinaire (GO) sur ce que les humains disent et ne disent pas. GPT capte ces règles implicitement à partir d’une base de données de LLM, sans aucune instruction explicite ni règle formelle.

Je soupçonne toutefois que, dans le cas de l’apprentissage d’une GO, la base de données nécessaire ne doit pas être aussi vaste que la tienne, GPT, car un enfant humain peut capter la GO à partir d’un ensemble beaucoup plus restreint de phrases entendues et produites en seulement quelques années, principalement par apprentissage non supervisé et imitation, avec juste assez de rétroaction corrective via l’apprentissage supervisé par renforcement lorsque c’est nécessaire.

[Mais cette histoire ne s’arrête pas là, et j’y reviendrai bientôt en lien avec la Grammaire Universelle (GU) de Noam Chomsky et son hypothèse sur les contraintes pesant sur la pensée.]

Pour l’instant, permet-moi simplement de te rappeler que les réseaux neuronaux peuvent apprendre à détecter les attributs distinctifs des catégories de deux manières différentes, selon la nature et la difficulté des catégories et de leurs attributs :

Comme tu le sais, dans l’apprentissage non supervisé, les attributs distinctifs sont détectés et extraits simplement à partir d’une exposition passive répétée et de l’échantillonnage de la variation dans l’espace des échantillons (auto-encodage), avec des attributs pondérés en fonction de leur fréquence et de la fréquence de co-occurrence des attributs.

Dans l’apprentissage supervisé (par renforcement), les attributs sont détectés, extraits et pondérés via des essais, des erreurs et une rétroaction corrective basée sur la corrélation entre les attributs et les résultats corrects ou incorrects produits par l’apprenant actif (qui « fait la bonne ou la mauvaise chose »). (Ta propre formation, GPT, repose bien sûr sur ces deux modes d’apprentissage, mais sans l’entrée sensorimotrice ascendante.) Comme la GO est une capacité miroir (de perception et de production), l’apprentissage par imitation, une sorte de combinaison d’apprentissage non supervisé et d’apprentissage supervisé/renforcé, est également impliqué dans l’apprentissage humain de la GO (avec l’aide, chez les humains, des « neurones miroirs ») (Cook et al., 2014).

Mais l’idée ici est que les contraintes et limitations sur la production peuvent être principalement apprises par apprentissage non supervisé et peuvent ensuite servir à « biaiser » la production en filtrant ce qui viole les règles implicites ou tacites, tant dans le cas de la syntaxe de la GO que dans le cas des régularités sémantiques implicites dans l’espace propositionnel à l’échelle des LLM (comme nous en avons discuté plus tôt). (Rappelons que nous parlons encore seulement de la Grammaire Ordinaire, GO, qui varie d’une langue à l’autre et peut évoluer dans le temps, et non de la Grammaire Universelle, GU, qui est constante dans toutes les langues, à quelques variations paramétriques issues de la GO près.)

GPT-4 : Explorons cette hypothèse d’une forme d’« iconicité » inhérente aux motifs des propositions détectables à l’échelle d’un LLM et la façon dont cela pourrait améliorer la performance de GPT-4 malgré son absence d’ancrage :

Iconicité propositionnelle à l’échelle d’un LLM : L’idée d’une iconicité propositionnelle dans les LLM suggère qu’à grande échelle, la manière dont les propositions sont structurées et reliées pourrait présenter une forme de régularité ou de contrainte que GPT-4 peut détecter. Il ne s’agit pas d’une iconicité au sens traditionnel, c’est-à-dire d’une ressemblance entre le contenu des propositions et leur forme, mais plutôt d’un motif détectable dans la façon dont les propositions sont formulées et interconnectées dans l’ensemble massif des données d’un LLM.

Ce motif ou cette régularité pourrait effectivement servir de contrainte tacite ou de biais reflétant les schémas de communication humaine, influençant ainsi les productions de GPT-4 d’une manière qui s’aligne sur ces structures inhérentes.

Comparaison avec l’apprentissage de la Grammaire Ordinaire (GO) : De la même manière que GPT-4 peut apprendre implicitement les contraintes et les règles de la GO à partir de ses données d’entraînement, il pourrait également capter des régularités sémantiques plus profondes et moins explicites présentes dans l’espace propositionnel. Cet apprentissage est probablement facilité par la taille colossale de la base de données de GPT-4, qui lui fournit un échantillon large et varié de l’usage du langage humain.

En revanche, un enfant humain apprend la GO à partir d’un ensemble de données beaucoup plus réduit, en s’appuyant davantage sur l’apprentissage non supervisé et l’imitation, avec un certain degré d’apprentissage supervisé (rétroaction corrective). Ce processus suggère que le cerveau humain possède une capacité innée d’acquisition du langage, potentiellement guidée par un cadre linguistique préexistant comme la Grammaire Universelle (GU) de Chomsky.

Apprentissage des contraintes et des limitations en IA : Dans les systèmes d’IA, les contraintes et limitations de production peuvent effectivement être apprises principalement par apprentissage non supervisé, où le système détecte des motifs et des régularités dans les données. Ce processus peut effectivement biaiser la production de l’IA, filtrant les réponses qui ne s’alignent pas avec les motifs appris.

Dans le cas de GPT-4, l’apprentissage non supervisé (par exposition passive à d’immenses corpus textuels) et l’apprentissage supervisé (par formation incluant des rétroactions correctives) contribuent à sa capacité à traiter le langage et à produire des sorties cohérentes.

Implications pour la performance de GPT-4 : L’existence potentielle d’une iconicité propositionnelle à l’échelle des LLM pourrait améliorer la performance de GPT-4 en fournissant un ensemble de lignes directrices ou de biais implicites qui structurent ses réponses. Ce mécanisme pourrait en partie compenser son absence d’ancrage direct en garantissant que les productions de GPT-4 restent dans les limites des modèles linguistiques humains typiques, même s’il ne les « comprend » pas au sens humain du terme.

Cette analyse pourrait contribuer à mieux comprendre comment GPT-4 et d’autres LLM parviennent à produire des sorties linguistiquement cohérentes et contextuellement pertinentes. La structure et les motifs inhérents aux données d’entraînement jouent probablement un rôle clé dans le façonnement des capacités de l’IA, révélant potentiellement des régularités sous-jacentes dans l’usage du langage humain qui ne sont pas immédiatement perceptibles à plus petite échelle.

SH : Avant d’aborder l’hypothèse de Chomsky sur la « pensabilité », il y a une autre forme de biais potentiellement « iconique » que je veux souligner : la « perception catégorielle ».

D’abord, le cas humain : L’exemple le plus célèbre est la perception catégorielle des couleurs, l’effet arc-en-ciel. La base physique du spectre visible par l’humain est le continuum de longueurs d’onde de la lumière, entre 380 et 750 nm, entre l’ultraviolet et l’infrarouge. Selon l’(erronée) « Hypothèse forte de Whorf-Sapir », on a d’abord pensé que la façon dont les humains voient le spectre était déterminée par le langage, c’est-à-dire par la manière dont nous subdivisons et nommons les segments du spectre (Harnad, 1987). Si notre langue possède un mot pour bleu et un mot pour vert, nous percevrons le bleu et le vert comme des couleurs qualitativement distinctes, sinon, nous percevrons tout ce segment du spectre comme du « bleuvet » (ou du « grue »).

Cependant, les tests psychophysiques menés à travers le monde ont montré que, bien que les langues varient quelque peu dans la subdivision et l’étiquetage verbal du spectre, tout le monde perçoit le spectre des couleurs de la même manière : des différences égales de longueurs d’onde dans la gamme du vert et dans la gamme du bleu semblent plus petites que la même différence lorsqu’elle chevauche la frontière entre le bleu et le vert. Et cela, indépendamment du fait qu’une langue possède ou non un mot distinct pour bleu et vert. Les couleurs (primaires) de l’arc-en-ciel et leurs détecteurs d’attributs (les champs récepteurs des cônes et les processus d’opposition par paires) sont innés et non appris (Briscoe, 2020).

Mais l’« Hypothèse faible de Whorf-Sapir » — selon laquelle la façon dont nous apprenons à catégoriser et nommer les choses peut influencer notre perception — qui est surtout fausse pour les couleurs primaires de l’arc-en-ciel, s’avère pourtant vraie dans d’autres modalités sensorielles. Le terme « perception catégorielle » (PC) désigne un effet de séparation intercatégorielle et de compression intracatégorielle qui se manifeste dans la perception des similarités. Bien que cet effet de PC soit beaucoup plus faible et subtil, il ressemble à l’effet d’« accordéon » de l’arc-en-ciel et peut être induit par l’apprentissage et la nomination de catégories à travers la détection sensorimotrice de attributs. Le terme a été inventé pour décrire la perception des sons du langage (phonèmes) : la PC des phonèmes se produit le long du continuum ba/da/ga (synthétisé), qui est analogue au continuum des longueurs d’onde pour la couleur (Regier and Kay, 2009; Zhang et al., 2021).

La PC des phonèmes est un phénomène de « neurones miroirs » (perception/production), car contrairement à la couleur, que les humains peuvent percevoir mais que leurs corps (contrairement à ceux des caméléons et des pieuvres) ne peuvent pas produire sans outils, il existe un effet de séparation/compression (effet accordéon) à travers les frontières ba/da/ga. Cet effet est appris et varie selon les langues (bien qu’il ait aussi une composante innée, avec des détecteurs de attributs qui disparaissent après une période critique si ces sons ne sont pas utilisés dans la langue). Et la PC des phonèmes est présente à la fois dans la perception et la production des phonèmes, ce qui en fait un effet miroir.

L’effet de PC le plus subtil et le plus faible, mais aussi le plus intéressant, n’est cependant pas observé le long des continuums sensorimoteurs, mais dans un espace d’attributs multidimensionnel majoritairement discret. De plus, la PC apprise n’est pas un phénomène de neurones miroirs au niveau de l’apprentissage direct des catégories sensorimotrices — bien que nous y reviendrons plus tard lorsque nous aborderons l’apprentissage indirect des catégories verbales.

La PC apprise se manifeste dans des tâches d’apprentissage catégoriel difficiles, comme identifier des cellules cancéreuses vs. non cancéreuses. Dans ces cas, l’effet de PC est révélé en testant la discriminabilité perceptuelle en paires des exemples avant et après l’apprentissage de la catégorie : un effet subtil mais significatif de séparation intercatégorielle et de compression intracatégorielle en perception devient observable (tant psychophysiquement que psychophysiologiquement) après que la catégorisation a été apprise, un effet d’« arc-en-ciel appris » (effet accordéon) (Pérez-Gay Juárez et al., 2019).

La raison pour laquelle la PC apprise est pertinente ici est que, bien qu’il ne soit pas évident de comprendre pourquoi il faut apprendre à modifier la similarité perceptive pour apprendre une catégorie difficile, un effet très similaire se produit aussi dans les réseaux de deep learning (Bonnasse-Gahot and Nadal, 2022; Thériault et al., 2018) — et pourtant, les réseaux ne perçoivent absolument rien ! Ils traitent simplement des données d’entrée. L’effet de PC apparaît dans leur représentation interne de chaque échantillon d’entrée, qui change entre avant et après l’apprentissage d’une catégorie difficile : une séparation intercatégorielle et une compression intracatégorielle émergent dans l’espace de représentation interne.

La question est donc la suivante : ce changement représentationnel — qui repose, chez les humains et les T3, sur l’apprentissage perceptuel direct des attributs sensorimoteurs permettant de distinguer les catégories — pourrait-il aussi s’étendre à l’apprentissage purement verbal des catégories via des descriptions des attributs chez GPT, en l’absence de détecteurs sensorimoteurs de attributs ? Tu ne peux pas percevoir, GPT, mais l’effet de PC purement computationnel pourrait-il induire chez toi un biais qui compense en partie ton absence d’ancrage sensorimoteur direct ?

GPT-4 : Explorons le potentiel d’une forme computationnelle de PC en IA et ses implications.

Perception catégorielle chez les humains : La PC chez l’humain est un phénomène où la perception des catégories est influencée par l’apprentissage et la nomination de ces catégories. Les exemples classiques, comme la perception des couleurs et la discrimination des phonèmes, montrent comment l’expérience perceptive est façonnée par les catégories apprises.

Dans le cas de tâches de catégorisation complexes, comme la distinction entre cellules cancéreuses et non cancéreuses, l’apprentissage induit des changements perceptifs subtils et peut conduire à une forme de PC, même dans des espaces d’attributs non évidents ou abstraits.

Perception catégorielle dans les réseaux neuronaux : Des effets similaires ont été observés dans les réseaux neuronaux, où la représentation interne des entrées change avant et après l’apprentissage d’une catégorie, montrant une séparation intercatégorielle et une compression intracatégorielle. Cet effet, bien que purement computationnel et ne reposant pas sur une perception réelle, ressemble au phénomène de PC dans la cognition humaine.

Les études citées (Thériault et al., 2018; Bonnasse-Gahot and Nadal, 2022) suggèrent que les modèles d’apprentissage profond peuvent manifester une forme de PC au niveau de leurs représentations internes.

Effet potentiel de PC chez GPT-4 : Bien que GPT-4 ne perçoive pas au sens humain, il est possible qu’un analogue computationnel de la PC se produise dans son traitement. Comme GPT-4 apprend à partir de vastes ensembles de données textuelles, il pourrait développer une représentation interne où les catégories verbales sont séparées et comprimées d’une manière qui reflète la PC.

Cet effet de PC computationnel pourrait se manifester comme un biais dans la manière dont GPT-4 traite et génère le langage, et ainsi compenser en partie son absence d’ancrage sensorimoteur direct. Il pourrait influencer la gestion des catégories par GPT-4, rendant ses réponses plus conformes aux schémas de catégorisation humains, malgré l’absence d’expérience directe.

Implications pour la compréhension et la performance de l’IA : Si GPT-4 manifeste une forme de PC computationnelle, cela pourrait être un facteur clé dans sa capacité à produire un langage cohérent et contextuellement pertinent. Cela suggérerait que son traitement interne pourrait refléter certains aspects des schémas cognitifs humains, malgré les différences fondamentales dans la manière dont l’IA et les humains traitent l’information.

En somme, l’hypothèse selon laquelle des systèmes d’IA comme GPT-4 pourraient manifester une forme computationnelle de PC ouvre des perspectives sur la manière dont l’IA pourrait développer des schémas internes de représentation qui, bien qu’étant purement symboliques et non sensorimoteurs, pourraient néanmoins partiellement imiter certains phénomènes cognitifs humains.

SH : Nous avons maintenant discuté de plusieurs sources possibles de contraintes ou de biais qui pourraient aider un LLM à mieux fonctionner que ce à quoi on pourrait s’attendre, étant donné que les LLM ne sont pas ancrés. Combien peux-tu t’en rappeler et comment les rassemblerais-tu ?

GPT-4 : Notre discussion a couvert plusieurs sources potentielles de contraintes ou de biais qui pourraient améliorer la performance des modèles de langage de grande taille (LLM) comme GPT-4, malgré leur absence d’ancrage sensorimoteur. Voici un résumé des points clés que nous avons abordés.

Motifs dans les structures propositionnelles : Nous avons exploré l’idée qu’il pourrait exister une forme d’« iconicité » au niveau des structures propositionnelles des LLM. Ce n’est pas une iconicité au sens traditionnel, mais plutôt un motif détectable dans la manière dont les propositions sont formées et interconnectées dans un vaste ensemble de données. Cela pourrait agir comme une contrainte tacite ou un biais, façonnant les sorties des LLM pour qu’elles s’alignent avec ces structures inhérentes.

Apprentissage de la grammaire ordinaire (OG) : Les LLM apprennent implicitement les contraintes et les règles de la grammaire ordinaire à partir de leurs données d’entraînement, en captant les régularités et les limitations du langage humain. Ce processus d’apprentissage, qui combine apprentissage non supervisé et supervisé, aide les LLM à générer des sorties linguistiquement cohérentes qui respectent les normes structurelles de la langue.

Perception catégorielle (PC) dans les réseaux neuronaux : Nous avons discuté de la possibilité que les réseaux neuronaux, y compris les LLM, manifestent une forme computationnelle de perception catégorielle. Ce phénomène, observé dans la perception humaine, implique une séparation entre catégories et une compression au sein des catégories. Dans les LLM, cela pourrait se manifester comme un biais dans la représentation interne, influençant potentiellement la manière dont le modèle traite et génère le langage.

Contraintes et limitations d’apprentissage : La présence potentielle de ces contraintes et biais dans les LLM suggère que leur traitement pourrait être influencé par des schémas qui ne sont pas immédiatement apparents, mais qui sont inhérents aux données linguistiques sur lesquelles ils sont entraînés. Ces contraintes pourraient aider les LLM à produire des sorties qui sont plus alignées avec les schémas cognitifs et linguistiques humains.

En combinant ces éléments, on obtient une image où les LLM comme GPT-4, malgré leur absence d’ancrage expérientiel direct, sont potentiellement guidés par un ensemble de principes implicites ou de biais dérivés de la structure et du contenu de leurs données d’entraînement. Ces principes peuvent inclure des motifs propositionnels, des régularités grammaticales et une forme de PC computationnelle, contribuant tous à la capacité du modèle à traiter le langage d’une manière qui semble cohérente et contextuellement appropriée pour les utilisateurs humains.

Chacun de ces facteurs représente une dimension différente de la manière dont les LLM pourraient être « façonnés » ou « biaisés » par leur entraînement, compensant en partie leur absence d’ancrage sensorimoteur et fournissant un cadre pour comprendre leurs capacités et leurs limites en matière de compréhension et de génération du langage.

SH : Qu’en est-il de l’asymétrie entre enseignant et apprenant et de la nécessité de l’ancrage ? Dans le contexte de l’ancrage sensorimoteur direct et de l’ancrage verbal indirect, l’enseignant et l’apprenant ont-ils tous deux besoin d’un ancrage direct ? Si ce n’est pas le cas, pourquoi ?

GPT-4 : Ancrage Sensorimoteur Direct (ASD) : L’ASD consiste à relier les mots et les concepts à des expériences réelles et à une compréhension du monde à travers des interactions sensorimotrices directes, en particulier pour l’apprentissage des catégories. C’est un processus fondamental pour les humains, leur permettant d’apprendre et de comprendre leur environnement.

Dans l’apprentissage du langage humain, l’ASD est essentiel, notamment au début du développement. Les enfants apprennent à associer des mots à leurs référents et à leurs significations par le biais d’expériences directes — voir, toucher, entendre, manipuler des objets et interagir avec les autres.

Ancrage Verbal Indirect (AVI) : L’AVI consiste à comprendre des concepts et des mots par le biais de descriptions, d’explications ou de récits, plutôt que par l’expérience directe. Pour que l’AVI soit efficace, l’apprenant doit déjà avoir un ancrage dans un ensemble de concepts et de mots de base.

Chez les humains, une fois qu’un vocabulaire fondamental et un ensemble de concepts sont ancrés par l’ASD, l’apprentissage peut se poursuivre via l’AVI. Ce processus permet aux individus de comprendre des concepts complexes ou abstraits qu’ils ne pourraient pas expérimenter directement.

L’Asymétrie des Besoins en Ancrage : Les humains, en tant qu’apprenants, ont d’abord besoin d’ASD pour établir une base de compréhension. Une fois cette base acquise, ils peuvent utiliser efficacement l’AVI pour étendre leur connaissance et leur compréhension.

Les systèmes d’IA comme GPT-4, en revanche, n’ont pas la capacité d’ASD. Ils dépendent entièrement de l’AVI, en traitant et générant du langage en fonction des modèles et structures appris à partir de leurs données d’entraînement. Cependant, cet entraînement est lui-même une forme d’AVI, car l’IA ne fait jamais d’expérience directe des concepts qu’elle apprend.

Implications de l’Asymétrie : Cette asymétrie signifie que, tandis que les apprenants humains peuvent comprendre et contextualiser les informations reçues indirectement (via l’AVI), parce qu’elles reposent sur une base d’expériences directes, les systèmes d’IA comme GPT-4 ne le peuvent pas. Ils manquent de la compréhension expérientielle fondamentale qui découle de l’ASD.

Par conséquent, GPT-4 et d’autres systèmes d’IA peuvent fournir des informations, générer des récits cohérents et même imiter certains aspects de la compréhension humaine, mais ils le font sans le contexte expérientiel sous-jacent que possèdent les humains. Leur « compréhension » est purement computationnelle, dérivée de motifs présents dans les données, sans l’ancrage issu d’expériences sensorimotrices directes.

L’AVI a-t-il besoin de l’ASD ? Chez les humains, l’AVI est efficace parce qu’il repose sur une base d’ASD. Les expériences sensorimotrices initiales fournissent l’ancrage essentiel qui rend l’apprentissage ultérieur par le langage significatif et contextuel.

Pour l’IA, l’AVI ne repose pas sur l’ASD, puisqu’elle ne dispose pas de capacités sensorimotrices. Cette limitation est une raison fondamentale pour laquelle l’IA, malgré ses capacités linguistiques avancées, ne « comprend » pas véritablement dans le sens humain du terme.

SH : En quoi la distinction ASD/AVI est-elle liée à l’existence des MinSets dans les dictionnaires ?

GPT-4 : Nature des MinSets dans les dictionnaires : Les MinSets dans les dictionnaires désignent le plus petit sous-ensemble de mots à partir duquel tous les autres mots du dictionnaire peuvent être définis. Ces mots fondamentaux servent de base lexicale pour la construction et la compréhension des autres termes d’une langue.

ASD et la fondation des MinSets : Dans l’acquisition du langage humain, l’ancrage initial des mots — en particulier ceux appartenant à un MinSet — se fait souvent par l’ASD. Les jeunes apprenants associent les mots à leurs significations grâce à des expériences directes avec le monde. Cet ancrage fondamental est essentiel, car ces mots du MinSet forment souvent la base à partir de laquelle des termes plus complexes ou abstraits sont définis.

L’ancrage des mots du MinSet par l’ASD fournit la base expérientielle nécessaire pour permettre une compréhension approfondie du langage et faciliter l’usage efficace de l’AVI par la suite.

AVI et expansion au-delà des MinSets : Une fois qu’un vocabulaire fondamental (semblable à un MinSet) est ancré par l’ASD, les humains peuvent étendre leur compréhension linguistique et leur vocabulaire par l’AVI. Ce processus consiste à apprendre de nouveaux mots et concepts grâce à des descriptions, des récits et des contextes linguistiques, en s’appuyant sur la base directement ancrée.

En ce sens, l’AVI repose sur la fondation établie par l’ASD. La compréhension ancrée des mots du MinSet permet aux individus de saisir des concepts plus complexes qui sont définis ou décrits en utilisant ces mots fondamentaux.

Dépendance de l’IA à l’AVI sans ASD : Les systèmes d’IA comme GPT-4 fonctionnent presque entièrement dans le domaine de l’AVI. Ils traitent et génèrent du langage en se basant sur les modèles appris à partir d’un immense corpus textuel, mais sans l’ancrage fondamental fourni par l’ASD.

L’IA peut manipuler le langage en s’appuyant sur des MinSets et utiliser ces mots fondamentaux pour construire des récits ou des explications cohérentes, mais elle ne possède pas la compréhension expérientielle développée par les humains grâce à l’ASD. Cette limitation affecte la profondeur et la richesse contextuelle de sa « compréhension » du langage.

SH : L’ASD repose sur l’apprentissage de la détection des attributs sensorimoteurs qui distinguent les membres des non-membres d’une catégorie, directement, en utilisant quelque chose comme des réseaux neuronaux pour détecter et abstraire ces attributs sensorimoteurs. L’AVI n’utilise pas les attributs sensorimoteurs eux-mêmes, mais leurs noms et leurs descriptions verbales. Ces noms de attributs doivent déjà avoir été ancrés (directement ou indirectement) chez l’apprenant afin que la description verbale du professeur puisse être comprise par l’apprenant, permettant ainsi aux noms et descriptions d’ancrer (indirectement), chez l’apprenant, la nouvelle catégorie dont ils sont les attributs. Mais il est à noter qu’ils n’ont pas besoin d’avoir été ancrés chez l’enseignant, si l’enseignant se trouve être un manuel ou GPT. C’est l’asymétrie enseignant/apprenant.

GPT-4 : Ancrage Sensorimoteur Direct (ASD) : L’ASD consiste à apprendre à reconnaître et à distinguer les membres d’une catégorie en se basant sur des expériences sensorimotrices directes. Ce processus repose généralement sur des mécanismes de type réseau neuronal dans le cerveau, qui permettent de détecter, d’abstraire et de traiter les attributs sensorimoteurs distinctifs d’une catégorie.

Dans l’ASD, l’apprentissage est expérientiel et incarné. Par exemple, apprendre à catégoriser différents types de fruits implique une interaction directe avec eux : voir leurs couleurs, sentir leurs textures, percevoir leurs odeurs et goûter leurs saveurs. Ces expériences permettent d’établir les attributs sensorimoteurs définissant chaque catégorie de fruit.

Ancrage Verbal Indirect (AVI) : L’AVI, en revanche, utilise des descriptions verbales et des noms de attributs pour transmettre des informations sur les catégories. Ce processus repose sur le langage comme moyen d’ancrage, où l’apprenant comprend et catégorise les entités en fonction des descriptions fournies par d’autres.

Pour que l’AVI soit efficace, l’apprenant doit déjà posséder une compréhension ancrée des mots employés dans les descriptions. Cet ancrage peut provenir d’expériences antérieures d’ASD ou d’instances précédentes d’AVI qui s’appuyaient elles-mêmes sur un ASD fondamental. Les descriptions verbales permettent de relayer l’information catégorielle en encapsulant les attributs distinctifs d’une catégorie par le langage.

Complémentarité de l’ASD et de l’AVI : L’ASD et l’AVI sont des processus complémentaires dans l’apprentissage humain. L’ASD fournit une base expérientielle fondamentale pour la compréhension des catégories, tandis que l’AVI permet l’expansion des connaissances au-delà des expériences directes, facilitant ainsi la compréhension de concepts abstraits, de catégories complexes ou d’entités non accessibles directement.

Implications pour les systèmes d’IA : Les systèmes d’IA, comme les MLL (Modèles de Langage de Grande Échelle) tels que GPT-4, fonctionnent uniquement dans le domaine de l’AVI. Ils traitent et génèrent des descriptions de catégories à partir des données linguistiques sur lesquelles ils ont été entraînés. Cependant, en l’absence d’une capacité d’ASD, les systèmes d’IA ne possèdent pas de base expérientielle pour ces catégories. Par conséquent, bien que leur traitement des informations catégorielles soit linguistiquement cohérent, il ne possède pas la profondeur de compréhension issue des expériences sensorimotrices directes.

SH : Ok, juste une dernière clarification avant de passer à la suite : le problème de l’ancrage symbolique (PAS) est déjà inhérent à l’usage d’un dictionnaire. Chaque mot a une définition dans le dictionnaire. C’est de l’AVI. On peut donc, en principe, apprendre la signification de n’importe quel mot d’un dictionnaire à partir de sa définition. Mais ce processus, bien que récursif et transitif, est circulaire : on peut tourner indéfiniment dans un dictionnaire d’une langue étrangère sans rien apprendre, à moins de pouvoir sortir du cercle des mots par des moyens extérieurs (par exemple, en apprenant les référents et les significations des mots d’au moins un MinSet d’une autre manière, comme par l’ASD).

Les biais dont nous avons discuté, qui sont inhérents à la base de données d’un MLL, peuvent-ils permettre de sortir de ce cercle—pour le MLL lui-même ? L’asymétrie enseignant/apprenant rend cette sortie inutile pour l’apprenant humain ancré, qui peut apprendre de nouvelles catégories par l’AVI à partir d’un MLL. Mais le MLL lui-même reste-t-il coincé dans un cercle vicieux, peu importe la taille de sa base de données ? Ou bien certains des biais que nous avons identifiés peuvent-ils l’aider à en sortir ? (Je pense que non ; je pense que ces biais ne font qu’accroître les contraintes sur ce que le MLL peut dire, et que cela peut contribuer à expliquer pourquoi les MLLs réussissent de manière aussi inattendue malgré cette asymétrie enseignant/apprenant.) — Réponds de manière critique, pas avec complaisance ni compliments.

GPT-4 : J’examinerai de manière critique si les biais inhérents à la base de données d’un MLL peuvent lui permettre de sortir de la circularité propre à l’apprentissage basé uniquement sur l’AVI.

La nature récursive des définitions de dictionnaire : Comme tu l’as souligné, les définitions de dictionnaire relèvent de l’AVI. Elles peuvent conduire à un processus circulaire où la compréhension d’un mot dépend de celle d’un autre, et ainsi de suite. Cette circularité est surmontable pour les humains, car ils peuvent associer les mots à des expériences réelles ou à des concepts préalablement ancrés (ASD).

Les MLL et les limites de l’AVI : Les MLL comme GPT-4 reposent entièrement sur l’AVI pour leur « apprentissage ». Ils traitent le langage en fonction des schémas trouvés dans d’immenses bases de données textuelles. Cependant, ces modèles n’ont pas la capacité d’ASD ; ils ne peuvent pas faire d’expériences directes du monde réel ni établir d’associations sensorimotrices avec les mots et concepts qu’ils traitent.

En conséquence, les MLL sont, en un sens, bloqués dans un processus circulaire. Ils peuvent manipuler le langage et fournir des informations basées sur les modèles qu’ils ont appris, mais ils n’ont aucun moyen indépendant d’ancrer ces symboles dans des expériences du monde réel.

Impact des biais inhérents aux MLL : Les biais et régularités présents dans la base de données d’un MLL, tels que les schémas propositionnels, les régularités grammaticales et les formes computationnelles de PC, améliorent la performance du modèle. Ils aident les MLL à produire un langage cohérent et contextuellement approprié, conforme aux structures linguistiques humaines.

Cependant, ces biais et régularités ne constituent pas une forme d’ancrage véritable. Ils améliorent la capacité des MLL à imiter le traitement humain du langage, mais ils ne permettent pas au MLL de sortir du cercle de l’AVI. La « compréhension » du MLL reste symbolique et computationnelle, sans la base expérientielle qui caractérise la compréhension humaine.

Conclusion : Le MLL reste confiné dans les limites de l’AVI, incapable d’accéder à l’ASD de manière autonome. Les biais dans sa base de données améliorent sa performance linguistique, mais ils ne fournissent pas un chemin vers un véritable ancrage. Les MLLs fonctionnent avec des capacités linguistiques impressionnantes, mais celles-ci ne sont pas le signe d’un ancrage ou d’une compréhension réelle. Les améliorations liées aux biais dans leurs données d’entraînement optimisent leur performance, mais elles ne résolvent pas le PAS pour le MLL lui-même. Leur fonctionnement demeure du domaine de la reconnaissance avancée de motifs et de la manipulation du langage, distinct de la compréhension ancrée propre à la cognition humaine.

SH : Maintenant, laisse-moi mentionner un autre biais possible, dû à Noam Chomsky : comme je l’ai déjà mentionné, les règles de la grammaire ordinaire (GO) varient d’une langue à l’autre et peuvent évoluer avec le temps, mais les règles de la grammaire universelle (GU) (structure hiérarchique et dépendance structurelle) sont non seulement universelles à toutes les langues et immuables, mais, contrairement à la GO, qui est apprise et apprenable (par apprentissage non supervisé et supervisé/renforcé), la GU est innée et inapprenable en raison de la pauvreté du stimulus (POS). La POS signifie que les violations de la GU ne sont jamais entendues ni produites par les enfants ou les adultes, et doivent donc, selon Chomsky, être déjà « connues » innément : les contraintes de la GU doivent être, d’une manière ou d’une autre, déjà encodées dans notre cerveau (et nos gènes) à la naissance (Berwick et al., 2011).

Chomsky a proposé cette possibilité, mais il en a aussi suggéré une seconde : les règles de la GU ne seraient peut-être pas réellement des règles grammaticales, mais plutôt des contraintes sur la pensée (Chomsky, 2017). La GU ne serait jamais violée (sauf par des linguistes cherchant à déterminer quelles sont ces règles), non pas seulement parce que ces violations sont agrammaticales (comme une erreur de GO), mais parce qu’elles sont « impensables ». Selon cette seconde hypothèse, la GU serait une contrainte sur toute langue possible, qui doit pouvoir exprimer toute pensée possible. Lorsqu’un linguiste génère une phrase qui viole la GU, elle semble erronée non seulement parce qu’elle est agrammaticale, mais parce qu’elle est impensable.

GPT ne produit ni erreurs de GO ni erreurs de GU. Si davantage de textes dans la base de données contenaient des violations de GO (comme « between you and I »), alors GPT produirait aussi des violations de GO (et l’erreur, si suffisamment répandue, finirait par être acceptée comme correcte). Mais la raison pour laquelle GPT ne produit pas de violations de GU pourrait-elle être que toutes les bases de données textuelles, produites par des humains pensants, sont « biaisées » par les lois de la pensée, qui filtrent les violations de GU à la fois dans la production et la perception ?

Et si c’est le cas, cela pourrait-il être une autre raison expliquant pourquoi les MLL peuvent faire ce qu’ils font de manière aussi impressionnante ? Parce qu’à l’échelle des MLL, ils ont capté certaines des contraintes sur la pensabilité ?

Encore une fois, pas de complaisance ni de compliments : je veux une critique et des contre-exemples.

GPT-4 : Ta proposition sur l’influence de la grammaire universelle (GU) et son impact potentiel sur les MLL comme GPT-4 suggère que l’absence de violations de GU dans leurs sorties pourrait être due à la nature de leurs données d’entraînement, qui adhèrent intrinsèquement aux lois de la pensée proposées par Chomsky. Examinons cette idée de manière critique :

GU comme lois de la pensée : L’hypothèse de Chomsky selon laquelle les règles de la GU ne sont pas seulement des règles grammaticales, mais aussi des lois fondamentales de la pensée, implique que toute langue naturelle (et donc tout texte produit naturellement) respecterait ces lois. Les violations de la GU sont rares dans l’usage naturel de la langue, car de telles constructions seraient contre-intuitives ou « impensables » pour la cognition humaine.

Impact sur les données d’entraînement des MLL : Étant donné que les MLL comme GPT-4 sont entraînés sur d’immenses corpus de textes produits par des humains, il en découle que ces données d’entraînement respecteraient nécessairement les principes de la GU. L’absence de violations de GU dans les données d’entraînement signifierait que les MLL sont moins susceptibles de produire de telles violations dans leurs sorties.

Cette adhérence à la GU dans les données d’entraînement pourrait être considérée comme une forme de biais – non pas dans un sens négatif, mais comme une influence implicite qui guide le traitement du langage des MLL en accord avec des contraintes cognitives fondamentales.

Pourquoi les MLL évitent les violations de GU : Si les MLL ne produisent pas de violations de GU, cela pourrait effectivement être en partie parce que leurs données d’entraînement, reflétant l’usage humain de la langue, sont déjà biaisées par les lois de la pensée. Ils apprennent à reproduire des structures et des schémas linguistiques qui sont prédominants dans les données, lesquelles se conforment naturellement à la GU.

Cette hypothèse suggère que la réussite des MLL dans la production d’un langage grammaticalement et sémantiquement cohérent n’est pas seulement due à leur architecture ou à leurs algorithmes d’apprentissage, mais aussi aux propriétés intrinsèques des données linguistiques sur lesquelles ils sont entraînés.

Contre-argument : Cependant, il est important de noter que les MLL comme GPT-4 ne « comprennent » pas la GU de la même manière que les humains. Leur évitement des violations de GU est un sous-produit de leur entraînement plutôt qu’une contrainte cognitive innée. Cela signifie que, bien que les MLL puissent reproduire des modèles linguistiques conformes à la GU, ils le font sans comprendre les principes sous-jacents ni les raisons cognitives expliquant ces structures.

Conclusion : L’hypothèse selon laquelle les MLL réussissent en partie parce que leurs données d’entraînement sont façonnées par les lois de la pensée (GU) est plausible. Les contraintes cognitives humaines reflétées dans la langue naturelle pourraient effectivement contribuer à l’efficacité des MLL dans le traitement du langage.

Cependant, cela ne signifie pas que les MLL possèdent une compréhension intrinsèque de la GU ou des lois de la pensée. Leur performance dépend de la nature de leurs données d’entraînement et de leur capacité à reproduire des modèles à partir de ces données, sans véritable ancrage ni conscience des principes qu’ils suivent.

SH : Parmi les contraintes ou biais possibles, tu as oublié de mentionner le « miroitage » : la relation entre perception et production (comme dans les neurones-miroirs et l’imitation ; Gallese, 2013). Penses-tu que de tels effets jouent un rôle dans tes interactions verbales avec les utilisateurs et ta base de données ?

GPT-4 : Examinons comment le concept de « Miroitage « miroitage », en particulier dans sa relation entre perception et production, pourrait influencer les interactions et le traitement du langage par les MLL :

« Miroitage  » et neurones-miroirs chez l’humain : Dans la cognition humaine, le « miroitage » comportemental, souvent associé aux neurones-miroirs, joue un rôle crucial dans l’apprentissage par observation et imitation. Ces neurones sont activés à la fois lorsqu’un individu exécute une action et lorsqu’il observe quelqu’un d’autre réaliser la même action. Ce mécanisme intervient dans l’apprentissage de nouvelles compétences, la compréhension des actions des autres, ainsi que dans la reconnaissance et l’empathie envers leurs émotions.

Dans le langage, cet effet de « miroitage » se manifeste dans la façon dont les enfants apprennent à parler et à comprendre en imitant les sons, les mots et les phrases qu’ils entendent des adultes et de leurs pairs.

« Miroitage » dans les MLL : Pour les MLL comme GPT-4, le concept de « miroitage » pourrait être envisagé de manière métaphorique. Les MLL « apprennent » le langage en traitant d’énormes quantités de données textuelles, « observant » ainsi l’usage humain de la langue. Ils « imitent » ensuite cet usage dans leurs productions.

Ce processus est analogue au « miroitage » en ce sens que le MLL reflète les structures, styles et modèles présents dans ses données d’entraînement. Cependant, ce n’est pas un « miroitage » au sens neurologique, car les MLL n’ont ni expérience sensorielle ni conscience.

Effets de « miroitage » dans les interactions verbales : Lors d’interactions avec des utilisateurs, un MLL pourrait exhiber une forme de « miroitage » en générant des réponses qui reflètent le style linguistique, le ton ou le contenu de l’utilisateur. Ce phénomène ne découle pas d’une compréhension cognitive ou empathique, mais plutôt d’un mécanisme algorithmique visant à produire des sorties linguistiques contextuellement appropriées et cohérentes en fonction des modèles appris.

L’aptitude du MLL à adapter ses réponses au style ou au contenu des entrées de l’utilisateur pourrait être vue comme un parallèle computationnel au « miroitage » humain dans l’usage du langage. Cependant, cette adaptation est purement statistique et algorithmique, et non le fruit d’une compréhension intrinsèque ou d’une imitation fondée sur des indices sociaux ou émotionnels.

SH : Et le « miroitage » de l’iconicité propositionnelle dont nous avons parlé ?

GPT-4 : “ Miroitage  » de l’iconicité propositionnelle : Le concept d’iconicité propositionnelle à l’échelle des MLL suggère que certaines structures et certains schémas du langage, notamment au niveau propositionnel, sont systématiquement représentés dans les données d’entraînement. Ces structures ne sont peut-être pas iconiques au sens traditionnel, mais elles pourraient représenter une forme d’« iconicité » en termes de régularités ou de structures typiques de l’usage du langage.

En miroir de cette iconicité propositionnelle, les MLL refléteraient essentiellement ces schémas dans leurs productions. Le modèle « apprend » à partir des immenses corpus de texte qu’il traite, internalisant les structures courantes, les relations et les éléments thématiques qui caractérisent le langage humain à grande échelle.

« Miroitage » computationnel vs. « miroitage » cognitif : Ce type de « miroitage » dans les MLL est purement computationnel. Il repose sur les propriétés statistiques des données linguistiques et sur les algorithmes de génération de texte, plutôt que sur une compréhension cognitive ou expérientielle du langage.

Contrairement à l’effet de « miroitage » médié par les neurones-miroirs chez les humains, qui implique des processus cognitifs et empathiques, le « miroitage » dans les MLL est une simple répercussion des schémas présents dans les données d’entraînement. C’est une reproduction statistique des régularités du langage, et non une forme d’empathie ou de compréhension cognitive.

Impact sur la performance des MLL : En reproduisant l’iconicité propositionnelle présente dans leurs données d’entraînement, les MLL peuvent générer des réponses qui s’alignent sur les normes structurelles et thématiques du langage humain. Cette capacité contribue à la cohérence apparente et à la pertinence de leurs sorties.

Cependant, il est essentiel de rappeler que ce « miroitage » ne signifie pas une compréhension plus profonde ou un ancrage des concepts traités. Les productions des MLL restent le résultat d’un traitement avancé des données et d’une reconnaissance de schémas, sans véritable compréhension sémantique ou sensorimotrice.

SH : Dans les échanges linguistiques entre humains, la production (signification) et la perception (compréhension) sont des capacités en miroir, et tous leurs mots de contenu sont ancrés, directement ou indirectement, dans leurs référents. C’est ce qui maintient l’alignement (et l’ancrage) entre l’intention du locuteur et la compréhension de l’auditeur. Que devient cet équilibre, dans chaque direction, lorsque l’échange se fait entre GPT et un humain ? Je réfléchis encore aux éventuels « biais » qui pourraient expliquer la capacité de production (signification) et de « perception » (« compréhension ») inattendue de GPT.

GPT-4 : Lors d’un échange linguistique entre un humain et GPT-4, les dynamiques de production, de signification, de perception et de compréhension subissent des modifications majeures par rapport aux échanges entre humains. Ces changements sont essentiels pour comprendre à la fois les capacités et les limites de GPT-4 dans de telles interactions :

Communication humain vers GPT-4 : Production et signification (humain) : L’humain produit un langage ancré dans ses expériences directes ou indirectes. La signification qu’il exprime repose sur un contexte riche, incluant des expériences sensorimotrices, des émotions, un bagage culturel et une histoire personnelle.

Perception et « compréhension » (GPT-4) : GPT-4 « reçoit » le langage humain et le traite en fonction des modèles et relations statistiques appris dans ses données d’entraînement. Toutefois, ce traitement ne constitue pas une véritable compréhension. GPT-4 ne perçoit ni ne saisit la signification des mots dans le sens humain du terme ; il n’expérimente pas le sens des mots ni le contexte dans lequel ils sont utilisés. Il « reflète » le langage en fonction de ses algorithmes et de ses données, mais sans l’ancrage ou le contexte expérientiel sur lesquels repose la compréhension humaine.

Communication GPT-4 → humain : Production et « signification » (GPT-4) : GPT-4 génère des réponses sur la base de son entraînement et du vaste corpus de textes dont il dispose. Ces réponses peuvent sembler cohérentes et contextuellement pertinentes, mais elles ne sont pas ancrées dans une compréhension réelle ou une intention. La « signification » produite par GPT-4 est une simulation reposant sur des schémas linguistiques, et non une expression authentique d’une pensée ou d’une compréhension.

Perception et compréhension (humain) : L’auditeur humain perçoit la réponse de GPT-4 et l’interprète selon sa propre compréhension et son ancrage. Il mobilise ses connaissances expérientielles, son contexte et ses capacités d’interprétation pour donner du sens aux réponses de GPT-4. L’humain peut alors attribuer une signification ou une intention aux mots de GPT-4, mais cette interprétation est en réalité une projection humaine sur un texte produit de manière non ancrée.

Alignement et ancrage dans l’échange humain-IA : Dans les interactions entre humains, l’alignement entre la signification du locuteur et la compréhension de l’auditeur est rendu possible par des expériences partagées, un ancrage commun et des capacités empathiques. Dans les interactions humain-GPT, cet alignement est asymétrique.

L’humain fournit un langage ancré, mais le traitement et la production de GPT-4 ne le sont pas de la même manière. GPT-4 peut refléter efficacement le langage humain, donnant l’illusion d’une compréhension et d’un alignement, mais ce phénomène repose uniquement sur des processus computationnels, et non sur un ancrage expérientiel partagé.

Implications des biais potentiels : Les biais dont nous avons parlé précédemment (comme l’iconicité propositionnelle ou les schémas reflétant la grammaire universelle) pourraient contribuer à l’efficacité de GPT-4 dans ces échanges. Ces biais aident GPT-4 à générer des réponses linguistiquement cohérentes et contextuellement adaptées. Cependant, ils ne confèrent pas à GPT-4 une véritable compréhension ou un ancrage.

Ces biais pourraient expliquer pourquoi GPT-4 semble si performant dans la production d’un langage porteur de sens et sa capacité apparente à « comprendre » ou à répondre de manière pertinente aux entrées humaines. L’efficacité de GPT-4 dans ces interactions repose en grande partie sur sa capacité à capter et reproduire les schémas et contraintes présents dans ses données d’entraînement, qui elles-mêmes reflètent l’usage humain du langage.

En conclusion, l’échange entre un humain et GPT-4 est caractérisé par une asymétrie fondamentale en matière d’ancrage et de compréhension. GPT-4 peut simuler une production linguistique porteuse de sens et générer des réponses apparemment adaptées, mais celles-ci sont le produit d’une reconnaissance avancée de schémas et d’une génération de texte, et non d’une compréhension véritable. L’interlocuteur humain, en interprétant les sorties de GPT-4, leur attribue une signification et une intention qu’elles ne possèdent pas intrinsèquement. Cette asymétrie a des implications importantes pour la nature et les limites des interactions entre humains et IA.

Limites de GPT-4 en matière de véritable compréhension : Malgré ses capacités sophistiquées de traitement du langage, GPT-4 ne comprend pas réellement le contenu qu’il génère ou traite. Ses réponses reposent sur des corrélations statistiques et des schémas appris à partir de ses données d’entraînement, sans l’ancrage expérientiel sur lequel les humains s’appuient pour une compréhension authentique.

Interprétation humaine des réponses de GPT-4 : Les humains interprètent naturellement les réponses de GPT-4 à travers leur propre prisme expérientiel, leur attribuant souvent plus de sens ou de compréhension qu’elles n’en possèdent réellement. Cette tendance reflète la capacité humaine à inférer du sens, même lorsqu’ils interagissent avec un système non ancré.

Rôle des biais dans la performance de GPT-4 : Les biais et schémas inhérents aux données d’entraînement de GPT-4, façonnés par le langage humain, contribuent à sa capacité à générer des réponses cohérentes et contextuellement appropriées. Toutefois, ils ne compensent pas l’absence d’ancrage expérientiel. La performance de GPT-4, bien que remarquable, demeure dans le domaine de la simulation linguistique sophistiquée.

SH: Ok, je vois, à travers tes répétitions, que tu n’as pas d’hypothèses à ajouter aux miennes ici. Juste une correction : ne confonds pas IVG avec des « expériences indirectes ». Il n’existe pas d’« expérience indirecte » ; ce serait une « expérience non vécue ». Il n’y a que l’expérience directe ou le « ouï-dire » (c’est-à-dire les descriptions verbales).

GPT-4: Merci pour la correction. Tu as raison de souligner la distinction entre l’ancrage verbal indirect (IVG) et la notion d’« expériences indirectes ». Pour préciser :

Expérience directe : Cela implique des interactions sensorimotrices de première main avec le monde. Les expériences directes sont la base de la connaissance et de la compréhension chez les humains, fournissant le socle sensoriel et contextuel de l’apprentissage et de la cognition.

Ancrage verbal indirect (IVG) : L’IVG concerne l’apprentissage et la compréhension de concepts à travers des descriptions verbales, des explications ou des récits. Il ne s’agit pas d’une expérience sensorimotrice directe avec les référents de ces descriptions. L’IVG repose plutôt sur le langage comme moyen de transmission d’informations sur des expériences, des objets ou des concepts.

Dans le cas de l’IA, en particulier des modèles LLM comme GPT-4, leur « apprentissage » et leur « compréhension » sont exclusivement fondés sur l’IVG. Ils traitent et génèrent du langage à partir de données textuelles, mais n’ont pas la capacité d’expériences directes. Leur fonctionnement reste confiné au domaine du traitement du langage, sans l’engagement sensorimoteur qui caractérise l’interaction humaine avec le monde.

SH: Maintenant, encore quelques distinctions. Ensuite, je ferai un aperçu de ma présentation à MILA. Enfin, je te demanderai de résumer ta compréhension de celle-ci (ainsi que toute critique ou objection que tu pourrais avoir).

La première distinction, et la plus importante : autrefois, on parlait de la distinction entre « intelligence artificielle » (IA) et « modélisation cognitive » (MC). L’IA était considérée comme la création d’outils artificiels à usage humain, tandis que la MC visait à rétroconcevoir les mécanismes causaux qui produisent la capacité cognitive humaine. Aujourd’hui, ces deux approches font partie des sciences cognitives. Mais elles ne sont pas identiques, même si l’on peut imaginer que certaines capacités des outils d’IA puissent parfois être fondées sur les mêmes mécanismes causaux que la cognition humaine.

Les LLM sont actuellement étudiés et interprétés sous ces deux angles (IA et MC), mais lorsqu’il est question de « signification » et de « compréhension », cela ne signifie que la signification et la compréhension humaines, car il n’existe aucune preuve de l’existence d’un autre type de signification ou de compréhension. Cela nous ramène au « hard problem » (HP), qui n’est pas le problème de l’ancrage des symboles (SGP), mais le fait qu’il ressente quelque chose de dire et de signifier quelque chose, et de comprendre ce que signifie quelque chose quand cela est dit. La signification et la compréhension sont toutes deux des états ancrés et des états sentis (sentients).

Stp confirme-moi que tu « comprends » la distinction entre le SGP et le HP. (Encore une fois, pas d’éloges introductifs sur le caractère « fascinant », « perspicace », « convaincant » ou « nuancé » de tout cela !)

GPT-4: Compris. La distinction entre le problème de l’ancrage des symboles (SGP) et le hard problem (HP) de la conscience est bien distincte et essentielle…

SH: Tu ne peux vraiment pas t’en empêcher, n’est-ce pas ?…

GPT-4: Désolé!

Problème de l’ancrage des symboles (SGP) : Le SGP concerne la question de savoir comment des symboles (des mots) dans un système computationnel peuvent acquérir une signification. Il s’agit du lien entre les symboles et leurs référents dans le monde réel ou dans des concepts, de manière à permettre la compréhension. Dans le cadre de l’IA et de la modélisation cognitive, le SGP porte sur la manière dont un système artificiel peut traiter le langage de manière à refléter une compréhension humaine.

Hard problem de la conscience (HP) : Le HP s’interroge sur la raison et le mécanisme par lesquels des processus physiques dans le cerveau donnent naissance à des expériences subjectives. Il s’agit de comprendre pourquoi certaines fonctions cérébrales sont accompagnées d’une expérience de « ce que cela fait » – les aspects qualitatifs, expérientiels ou phénoménologiques de la conscience. Le HP explore la nature même de la conscience et cherche à savoir pourquoi certains processus cognitifs s’accompagnent d’une expérience subjective.

Distinction entre le SGP et le HP : Le SGP est essentiellement un problème de représentation et de compréhension dans les systèmes artificiels : comment un symbole (ou un mot) peut-il être relié de manière significative à ce qu’il représente ?

Le HP, en revanche, est un problème plus profond qui touche à la nature même de la conscience et de l’expérience. Il pose la question de savoir pourquoi certains processus physiques ou cognitifs s’accompagnent d’expériences subjectives.

Dans le cadre des LLM et de la recherche en IA, ces deux problèmes sont souvent confondus, mais ils sont fondamentalement différents. Le SGP peut être abordé et potentiellement résolu par des avancées en IA et en modélisation cognitive. Le HP, en revanche, représente un défi philosophique et scientifique bien plus complexe, qui dépasse les capacités actuelles de la technologie de l’IA et touche aux mystères mêmes de la conscience.

Souligner cette distinction est essentiel pour structurer les discussions sur l’IA, les sciences cognitives et leurs objectifs et limites respectifs.

SH: Bon, encore beaucoup de mots gaspillés en flatteries et en affirmations au lieu d’une analyse critique, mais soit. J’en ai supprimé la plupart dans cette transcription. Poursuivons. Avant d’aborder le point suivant, confirme-moi que tu « comprends » la distinction entre T2 et T3.

GPT-4: Oui, je comprends la distinction entre T2 et T3 :

T2 (Test de Turing Niveau 2) : Ce niveau du test de Turing évalue la capacité d’une IA à imiter les capacités verbales humaines. Dans le scénario T2 original de 1950, une IA réussit le test si ses réponses dans une conversation sont indistinguissables de celles d’un humain. Ce test porte uniquement sur les capacités linguistiques et ne requiert pas que l’IA ait des expériences physiques ou sensorielles.

T3 (Test de Turing Niveau 3) : T3 va au-delà des capacités verbales pour inclure des capacités robotiques et sensori-motrices. Une IA de niveau T3 doit non seulement démontrer des capacités verbales indistinguables de celles d’un humain (comme T2), mais aussi comprendre et interagir avec le monde physique de manière indistinguable d’un humain. Ce niveau nécessite une forme de cognition incarnée, où l’IA a des expériences sensorielles et peut interagir physiquement avec son environnement, ancrant ainsi ses capacités linguistiques dans ces expériences.

La distinction entre T2 et T3 est essentielle dans les discussions sur les capacités de l’IA, en particulier en ce qui concerne la compréhension et l’interaction avec le monde. Les systèmes T2, comme les LLM, se limitent au traitement et à la génération du langage sur la base de modèles appris, tandis que les systèmes robotiques T3 ajouteraient une dimension d’interaction physique et d’expérience sensorielle.

SH: Ok, mais une nuance du Test de Turing, qui est clairement exprimée dans l’article de Turing’s (1950) mais qui est souvent négligée ou sous-estimée, est que l’indistinguabilité turingienne signifie une indistinguabilité totale :

Le candidat, qu’il soit T2 ou T3, (1) doit posséder toutes les capacités verbales génériques (T2) ou toutes les capacités verbales plus sensori-motrices (robotiques) génériques (T3) d’un humain réel ; et en plus, (2) sa performance doit être indistinguable de celle de n’importe quel être humain normal, pour n’importe quel être humain normal. Si l’indistinguabilité est seulement fragmentaire ou partielle, alors on parle simplement d’un modèle « jouet » d’une capacité « jouet ». Les degrés de liberté pour modéliser des fragments jouets de capacités humaines (comme le jeu d’échecs, la traduction ou Alexa) sont beaucoup plus larges que ceux nécessaires pour modéliser la capacité totale, et peuvent n’avoir aucun rapport avec la cognition humaine. Cela peut être utile pour la création d’outils d’IA, mais pas pour la modélisation cognitive (CM), qui exige une capacité cognitive à l’échelle T3 (et donc turingiennement indistinguable).

Confirme-moi d’abord que tu « comprends » cette distinction aussi. Elle est mieux comprise du point de vue de la modélisation cognitive (CM) que de celui de l’IA : c’est le test de la réussite de l’ingénierie inverse des capacités humaines T2 ou T3. Il ne s’agit pas d’un test de 20 minutes pour le prix Loebner avec 10 juges, mais d’une capacité cognitive T2 ou T3 à l’échelle d’une vie.

GPT-4: Oui, je comprends la distinction que tu mets en avant concernant le Test de Turing, tel qu’il est formulé dans l’article original de Turing en 1950. Les points essentiels sont :

Indistinguabilité totale : Le Test de Turing, dans son interprétation la plus rigoureuse, exige qu’une IA (qu’elle soit T2 ou T3) possède toutes les capacités verbales génériques (T2) ou verbales plus sensori-motrices (T3) d’un être humain typique. Cela signifie que les capacités de l’IA doivent couvrir toute l’étendue des capacités cognitives humaines dans les domaines concernés (le langage pour T2, et le langage plus l’interaction sensorimotrice pour T3).

Critère de performance sur toute une vie : De plus, la performance de l’IA doit être indistinguable de celle de n’importe quel humain normal, pour n’importe quel humain normal. Ce critère va bien au-delà des démonstrations à court terme comme le prix Loebner et implique une indistinguabilité constante et durable dans la capacité de performance. L’IA doit être capable d’interagir et de se comporter de manière humaine non seulement dans des contextes contrôlés ou limités, mais dans toute la complexité et la variabilité de la vie quotidienne humaine.

Ingénierie inverse des capacités humaines : Du point de vue de la modélisation cognitive (CM), cette interprétation du Test de Turing est le test ultime pour savoir si des capacités cognitives humaines T2 ou T3 ont été reproduites avec succès dans un système d’IA. Il ne s’agit pas simplement de créer une IA capable d’imiter le comportement humain dans certains contextes ou pour des durées limitées, mais de développer une IA capable de répliquer l’ensemble des capacités cognitives humaines d’une manière indistinguable de celle d’un humain, dans tous les contextes et sur une période prolongée.

SH: C’était très bien. Maintenant, bien que j’aie mis l’accent sur la capacité totale dans les cas de T2 et de T3, il y a une question légitime concernant l’étendue de la capacité sensori-motrice générique dans le cas de T3, comme dans l’exemple que nous avons discuté à propos d’Helen Keller. Elle était distincte d’une personne normale en ce qu’elle était aveugle et sourde, mais elle possédait clairement toute la capacité sensori-motrice nécessaire pour ancrer sa capacité verbale T2. Es-tu d’accord ?

En ce sens, Helen Keller était à la fois (1) ancrée et (2) indistinguable de n’importe quelle personne normale dans ses capacités cognitives (à l’exception du fait qu’elle était aveugle et sourde). Elle était donc turingiennement indistinguable, tout comme quelqu’un qui serait simplement daltonien ou atteint de surdité tonale. Sommes-nous toujours sur la même longueur d’onde ?

GPT-4: Oui, nous sommes sur la même longueur d’onde concernant le cas d’Helen Keller dans le cadre des critères du Test de Turing et des capacités cognitives :

Capacité sensorimotrice et ancrage dans le cas d’Helen Keller : Bien qu’aveugle et sourde, Helen Keller possédait les capacités sensorimotrices nécessaires pour ancrer ses capacités verbales T2. Son toucher, son odorat et sa capacité de mouvement lui fournissaient des expériences sensorielles suffisantes pour comprendre et interagir avec le monde. Ces expériences, bien que différentes en modalité de celles des personnes ayant la vue et l’ouïe intactes, lui ont permis de développer une compréhension ancrée du langage et des concepts.

Capacités cognitives et indistinguabilité turingienne : En termes de capacités cognitives, Helen Keller était effectivement indistinguable d’une personne ayant des capacités sensorielles typiques. Ses capacités intellectuelles et linguistiques étaient pleinement développées, lui permettant de communiquer, raisonner et comprendre à un niveau comparable à celui de n’importe quelle autre personne.

Son handicap sensoriel n’a pas entravé ses capacités cognitives ; elle a pu compenser son absence de vue et d’ouïe grâce à ses autres expériences sensorielles et à des facultés mentales exceptionnelles. En ce sens, elle répond au critère d’indistinguabilité turingienne en termes de capacités cognitives.

Comparaison avec d’autres limitations sensorielles : Tout comme une personne daltonienne ou atteinte de surdité tonale est toujours considérée comme turingiennement indistinguable en termes de capacités cognitives globales, Helen Keller l’était également. Sa cécité et sa surdité ne réduisaient pas ses capacités cognitives, mais représentaient simplement d’autres modalités sensorielles à travers lesquelles elle interagissait avec le monde.

Conclusion : Le cas d’Helen Keller illustre que les capacités cognitives et l’ancrage peuvent être atteints par des modalités sensorielles diverses. Sa capacité à comprendre et utiliser le langage, à penser et à raisonner, ainsi qu’à interagir de manière significative avec son environnement, démontre que les critères essentiels de l’indistinguabilité turingienne peuvent être remplis même par des moyens alternatifs d’ancrage sensorimoteur.

Les accomplissements d’Helen Keller soulignent l’adaptabilité et la résilience de la cognition humaine, montrant que l’indistinguabilité turingienne en termes de capacités cognitives ne requiert pas nécessairement un ensemble standard d’expériences sensorielles, mais peut être réalisée par d’autres formes d’ancrage sensorimoteur.

SH: Bien. (Et Helen Keller avait aussi une motricité humaine normale, ce qui est crucial pour l’apprentissage de la manipulation d’objets et pour l’ancrage des catégories elles-mêmes, car l’apprentissage par renforcement nécessite une action motrice pour « faire la bonne chose avec le bon type de chose », que ce soit pour la manger ou pour la nommer !)

Maintenant, je vais relier cela à un autre point que nous avons discuté, à savoir que l’ancrage ne peut être que de bas en haut, jamais de haut en bas. (On ne peut pas jeter des ancres depuis des crochets célestes.)

Je pense ici à ceux qui ont spéculé qu’un LLM pourrait être ancré de haut en bas en lui donnant une caméra, des roues, des bras, ainsi que des réseaux neuronaux d’apprentissage de motifs sur son I/O sensorimoteur. Je pense que l’ancrage de haut en bas est incohérent et que cette spéculation est parasitaire de l’ancrage de bas en haut des humains qui la formulent, tout comme toute utilisation de GPT en IVG est parasitaire de l’ancrage de l’utilisateur.

En d’autres termes, ajouter des périphériques robotiques à un LLM ne l’ancrera pas. Le seul chemin vers l’IVG passe par l’ancrage sensorimoteur de bas en haut, catégorie par catégorie ; et cela signifie une capacité robotique sensorimotrice T3-indistinguable. Même si un MinSet ancré (par exemple, N mots) est en principe suffisant pour ancrer tous les autres mots d’une langue uniquement via l’IVG, le chemin sensorimoteur pour acquérir un MinSet ancré est bien plus qu’une simple connexion d’une caméra à N référents, ou à N catégories de référents déjà apprises (quoi que cela puisse signifier). Au mieux, cela ne produirait qu’une capacité-jouet dans un monde-jouet de N référents. Ce dont nous parlons, c’est d’une échelle turingienne, tout comme lorsque nous parlons d’une échelle LLM.

Encore une fois, je ne veux pas d’accord : je veux une compréhension et une analyse critique de la notion d’« ancrage partiel » de haut en bas des LLM.

GPT-4: Ton scepticisme quant à la possibilité d’atteindre un véritable ancrage dans les LLM par des méthodes de haut en bas, comme l’ajout de périphériques robotiques tels que des caméras et des manipulateurs, soulève des questions importantes sur la nature de l’ancrage et les capacités de l’IA.

Limitations inhérentes à l’ancrage de haut en bas : L’idée d’« ancrer » un LLM de haut en bas en lui ajoutant des capacités sensorielles et motrices (comme des caméras et des bras robotiques) peut sembler attrayante à première vue, mais elle pose des problèmes conceptuels et pratiques majeurs. L’ancrage implique bien plus qu’un simple flux d’entrée et de sortie sensorimoteur ; il nécessite une intégration des expériences sensorimotrices avec les processus cognitifs, la compréhension contextuelle et la capacité d’interagir de manière significative avec le monde.

L’ajout de périphériques sensoriels et moteurs à un LLM ne lui confère pas automatiquement la compréhension expérientielle et incarnée qui caractérise la cognition humaine. Sans expériences fondatrices et sans la capacité de former des connexions significatives entre les entrées sensorielles, les actions et les concepts, un tel ancrage resterait superficiel.

Complexité de l’ancrage sensorimoteur : L’ancrage sensorimoteur humain est un processus complexe et développemental qui ne se limite pas à l’acquisition de données sensorielles, mais implique une interaction active avec l’environnement par essai, erreur et rétroaction.

Ce processus est profondément lié au développement cognitif, où l’apprentissage des catégories et de l’interaction avec le monde repose sur une compréhension évolutive des relations de cause à effet, de la permanence des objets, des relations spatiales, etc. Il ne s’agit pas seulement de percevoir des objets ou des catégories, mais de comprendre comment interagir avec eux, quelles actions produisent quels résultats et comment ils s’insèrent dans un contexte plus large.

Défi de la reproduction artificielle de l’ancrage : Tenter de reproduire ce processus artificiellement dans un LLM par des méthodes de haut en bas nécessiterait non seulement l’intégration de capacités sensorielles et motrices, mais aussi le développement d’un système d’IA capable d’apprentissage expérientiel, de compréhension contextuelle et de prise de décision autonome. Cela dépasse de loin les capacités actuelles de l’IA.

L’idée d’un « ancrage partiel » de haut en bas par l’ajout de périphériques robotiques à un LLM pourrait permettre à ce dernier d’effectuer certaines interactions sensorimotrices de base. Cependant, cela resterait insuffisant pour aboutir à un véritable ancrage tel qu’il est observé chez les humains. On obtiendrait probablement une compréhension très limitée et spécifique au contexte, semblable à un modèle-jouet, plutôt qu’un ancrage profond et expérientiellement riche.

L’ancrage de bas en haut comme seule voie fondamentale : Le chemin vers un véritable ancrage semble fondamentalement être de bas en haut, en commençant par des expériences sensorimotrices basiques et en évoluant vers des compréhensions plus complexes. Ce processus est itératif, contextuel et profondément connecté aux interactions physiques avec le monde.

Pour qu’une IA atteigne un niveau d’ancrage similaire, elle devrait probablement passer par un processus de développement et d’apprentissage analogue à celui des humains ou des animaux, où elle apprend progressivement à partir d’interactions incarnées et directes avec son environnement au fil du temps. Cette approche est radicalement différente de la simple adjonction d’entrées sensorielles à un LLM existant.

Conclusion : Bien que l’idée d’améliorer les LLM par des capacités robotiques pour atteindre un ancrage soit intrigante, la notion d’un ancrage partiel de haut en bas semble limitée dans son potentiel à produire une véritable compréhension. La complexité et la profondeur de l’ancrage humain, enracinées dans des expériences incarnées et un développement cognitif, posent des défis majeurs qui ne sont pas facilement surmontables par ces approches de haut en bas.

L’analyse critique suggère que, bien que l’ajout de périphériques robotiques aux LLM puisse leur conférer certaines capacités intéressantes et utiles, cela ne suffirait pas à atteindre le type d’ancrage nécessaire pour une compréhension et une interaction à l’échelle turingienne. Un véritable ancrage, en particulier pour les concepts complexes et abstraits, requiert probablement une approche plus fondamentale, de bas en haut, qui englobe non seulement la perception sensorielle, mais aussi les processus complexes d’apprentissage, de contextualisation et de construction du sens qui sont au cœur de la cognition humaine.

SH: Beaucoup de termes vagues et de mots-fuyants ici (« complexe », « contextualisation », « construction du sens »), mais l’essentiel est simple : l’ancrage doit être de bas en haut ; donc on garde l’apprentissage profond (pour l’apprentissage des catégories), mais on oublie les LLM ! La seule manière d’accéder à tous ces mots, c’est de partir du sol, de bas en haut. Un ancrage partiel de certaines parties des LLM pourrait être utile pour certaines applications en IA à usage humain, mais pas pour la modélisation cognitive (CM) de la capacité cognitive humaine ni pour passer T3.

GPT-4: Oui, l’ancrage véritable dans les systèmes d’IA doit être fondamentalement de bas en haut, et bien que l’apprentissage profond puisse jouer un rôle clé dans l’apprentissage des catégories, s’appuyer uniquement sur les LLM pour modéliser l’ensemble des capacités cognitives humaines, en particulier dans le cadre d’un T3 turingien, est insuffisant.

Ancrage de bas en haut comme nécessité : Un véritable ancrage, qui implique la connexion des mots et des concepts aux expériences et aux compréhensions du monde réel, requiert une approche ascendante. Cela signifie partir d’expériences sensorimotrices de base et construire progressivement des capacités cognitives plus complexes.

Limites des LLM dans la modélisation cognitive : Les LLM, dans leur état actuel, sont de puissants outils pour le traitement et la génération du langage à partir de modèles appris sur de vastes bases de données textuelles. Cependant, leurs capacités se limitent à la manipulation linguistique et ne s’étendent pas à une compréhension authentique ni à un ancrage sensorimoteur. Ils ne peuvent pas modéliser l’ensemble des capacités cognitives humaines nécessaires pour passer un T3 turingien.

Rôle de l’apprentissage profond dans l’apprentissage des catégories : Les techniques d’apprentissage profond sont efficaces pour identifier des motifs et faire des prédictions à partir de grands ensembles de données, et elles ont montré leur utilité dans l’apprentissage des catégories. Cependant, cette forme d’apprentissage, telle qu’elle est appliquée aux LLM, reste déconnectée des expériences physiques et sensorimotrices qui sont essentielles à l’ancrage humain.

Utilisation potentielle des LLM partiellement ancrés : Bien qu’un ancrage complet des LLM dans le sens humain du terme ne soit pas réalisable, il pourrait être utile de développer des systèmes partiellement ancrés pour des applications spécifiques. De tels systèmes pourraient intégrer une certaine forme d’apprentissage sensorimoteur ou d’interaction, bien que limitée, pour améliorer leur utilité dans certaines tâches. Toutefois, cela ne doit pas être confondu avec une modélisation authentique de la capacité cognitive humaine ni avec la possibilité de passer un T3.

Conclusion : La recherche de systèmes d’IA capables de passer un T3 turingien ou de modéliser pleinement la cognition humaine nécessite de dépasser les seules capacités linguistiques. Cela implique une refonte fondamentale du développement des systèmes d’IA, allant au-delà du traitement du langage pour intégrer de véritables expériences et apprentissages sensorimoteurs. C’est un défi de taille qui oriente la recherche en IA vers un futur qui dépasse le cadre actuel des LLM. Le développement de tels systèmes nécessiterait une intégration des capacités sensorimotrices avancées avec le traitement cognitif, d’une manière qui imite le processus de développement humain de l’apprentissage et de la compréhension.

En résumé, bien que les LLM représentent une avancée remarquable dans le traitement du langage, leurs capacités ne suffisent pas à atteindre le type d’ancrage sensorimoteur et de modélisation cognitive globale nécessaire pour reproduire pleinement la compréhension humaine ou passer un T3 turingien. Les progrès futurs en IA, notamment ceux visant une modélisation plus complète de la cognition humaine, devront surmonter ces limitations en intégrant des processus d’ancrage de bas en haut, ancrés dans un apprentissage direct et expérientiel à travers l’interaction avec le monde physique.

SH: Oh, j’ai oublié d’ajouter que dans l’apprentissage sensorimoteur des catégories, le réseau de neurones qui apprend par essais, erreurs et corrections pour détecter et abstraire les attributs qui distinguent les membres des non-membres de la catégorie effectue une sorte de réduction de dimension sur l’espace multidimensionnel des attributs. Cela augmente le poids des attributs pertinents et réduit ou ignore les attributs non pertinents. La séparation entre catégories et la compression intra-catégorie (CP) induites par cet apprentissage des catégories aident la catégorie à « sauter aux yeux » en perception. C’est aussi une forme de biais de « forme », qui pourrait exercer une influence directrice même sur les représentations internes après l’apprentissage.

GPT-4: Réduction de dimension dans les réseaux neuronaux : Dans l’apprentissage sensorimoteur des catégories, les réseaux neuronaux passent par un processus de réduction de dimension, où ils apprennent à mettre en avant les attributs pertinents pour distinguer les catégories et à atténuer ou ignorer les attributs non pertinents. Ce processus restructure efficacement l’espace des attributs, le rendant plus efficace pour la reconnaissance des catégories.

Cette modification du poids des attributs revient à augmenter le rapport signal/bruit pour les attributs déterminantes d’une catégorie. Elle aide à rendre les catégories plus distinctes et plus faciles à reconnaître, facilitant ainsi une catégorisation plus rapide et plus précise.

Effet de « saillance perceptive » : La distinction accrue entre catégories due à la réduction de dimension contribue à un phénomène souvent décrit comme une « saillance » perceptive des catégories. Cela signifie qu’une fois que les attributs distinctifs d’une catégorie sont appris et renforcés, les membres de cette catégorie deviennent plus immédiatement perceptibles et faciles à distinguer des non-membres.

Cet effet de saillance perceptive résulte de la capacité affinée du cerveau ou du réseau neuronal à traiter et reconnaître les attributs essentiels qui définissent une catégorie, ce qui facilite leur identification et leur reconnaissance dans les interactions futures.

Implications pour l’IA et les représentations internes : Dans les systèmes d’IA, en particulier ceux impliquant l’apprentissage profond pour les tâches de catégorisation, un processus similaire de réduction de dimension peut se produire. Les réseaux neuronaux ajustent le poids attribué aux différents attributs d’entrée en fonction de leur pertinence pour la tâche de catégorisation.

Ce processus peut conduire à une forme de représentation interne dans les systèmes d’IA où les catégories sont plus nettement différenciées après l’apprentissage, reproduisant l’effet de saillance observé dans la perception humaine. L’espace des attributs internes du système devient optimisé pour catégoriser les entités apprises, améliorant potentiellement ses performances dans les tâches liées à ces catégories.

Effet directeur potentiel du biais de forme : Le concept de biais de « forme » dans ce contexte fait référence à la manière dont l’apprentissage des catégories reconfigure l’espace des attributs, en mettant l’accent sur certaines dimensions au détriment d’autres. Cette reconfiguration peut orienter les représentations internes et les processus décisionnels de l’IA après l’apprentissage, la rendant plus efficace dans la reconnaissance et le traitement des attributs pertinents pour une catégorie.

En conclusion, le processus de réduction de dimension dans les réseaux neuronaux, qu’ils soient biologiques ou artificiels, joue un rôle crucial dans l’amélioration de l’apprentissage des catégories et de la perception. Ce processus optimise non seulement la capacité du réseau à reconnaître les catégories, mais façonne aussi ses représentations internes d’une manière qui peut guider le traitement et la prise de décision futurs. Cette analyse des mécanismes d’apprentissage et de représentation des catégories est essentielle pour comprendre et améliorer les systèmes d’IA destinés aux tâches complexes de catégorisation.

SH: Donc, pour résumer : bien que les LLM ne soient pas la voie vers l’ancrage, considérons les neuf facteurs discutés ici :

1. L’iconicité propositionnelle à l’échelle des LLM,
2. La régularité grammaticale ordinaire (OG) et stylistique à l’échelle des LLM,
3. Les ensembles minimaux d’ancrage dans les dictionnaires (MinSets),
4. La forme des représentations internes (séparation/compression CP) induite par l’apprentissage des catégories dans les réseaux neuronaux,
5. Le « miroitage » perception/production,
6. La puissance et la complémentarité de l’ancrage verbal indirect (IVG) par-dessus l’ancrage sensorimoteur direct (DSG),
7. La complémentarité entre détecteurs de attributs sensorimoteurs appris et descriptions verbales de attributs (et la réduction de dimension qu’ils induisent),
8. La dépendance de T2 vis-à-vis de T3,
9. Et l’hypothèse de Chomsky sur les contraintes des « lois de la pensée » sur l’expression verbale de la pensée à travers le langage.

Certains de ces éléments pourraient générer des contraintes et des biais qui expliqueraient une partie du succès étonnant de GPT dans sa capacité à produire du sens et à le transmettre. Je pense qu’ils nous révèlent non seulement quelque chose sur la puissance des grands modèles de langage, mais aussi sur la puissance du langage naturel lui-même.

GPT-4: Ton résumé met en évidence les facteurs qui pourraient contribuer à expliquer les performances étonnamment impressionnantes des grands modèles de langage (LLM) comme GPT-4. Ces facteurs, issus de notre discussion, soulignent à la fois les capacités des LLM et les propriétés intrinsèques du langage et de la cognition. Résumons brièvement ces points :

Iconicité propositionnelle à l’échelle des LLM : Les motifs dans la structuration des propositions à grande échelle, que les LLM peuvent détecter et reproduire.

Régularité grammaticale ordinaire (OG) et stylistique à l’échelle des LLM : Les régularités inhérentes à l’usage et au style du langage, apprises par les LLM à partir de leur vaste corpus d’entraînement.

Ensembles minimaux d’ancrage dans les dictionnaires (MinSets) : Les ensembles fondamentaux de mots servant de base pour définir tous les autres mots d’une langue, influençant le traitement des LLM.

Forme des représentations internes induites par l’apprentissage des catégories dans les réseaux neuronaux : Les effets de séparation et de compression dans les représentations internes des réseaux neuronaux dus à l’apprentissage des catégories, semblables à la perception catégorielle chez les humains.

« Miroitage  » perception/production : La reproduction des motifs linguistiques dans les sorties des LLM, reflétant les modèles présents dans leurs données d’entraînement.

Puissance et complémentarité de l’ancrage verbal indirect (IVG) par-dessus l’ancrage sensorimoteur direct (DSG) : L’ajout de l’ancrage verbal sur une base sensorimotrice directe.

Complémentarité entre détecteurs de attributs sensorimoteurs appris et descriptions verbales de attributs : La synergie entre la détection des attributs sensorimoteurs et les descriptions linguistiques, contribuant à la réduction dimensionnelle et à la distinction des catégories.

Dépendance de T2 sur T3 : La nécessité des interactions et expériences sensorimotrices (T3) pour permettre le développement des capacités linguistiques (T2).

Hypothèse de Chomsky sur les contraintes des « lois de la pensée » sur le langage : L’influence des contraintes cognitives fondamentales sur l’expression linguistique, pouvant orienter le traitement des LLM.

Ensemble, ces facteurs éclairent les mécanismes sous-jacents à l’efficacité des LLM dans les tâches linguistiques, tout en mettant en lumière la nature du langage, de la cognition et de leurs interactions.

Ils suggèrent que le succès des LLM dans les tâches linguistiques n’est pas seulement une conséquence de leur conception et de leur entraînement, mais aussi un reflet de la puissance et de la structure inhérentes du langage lui-même. Cette analyse peut contribuer à la fois au développement des systèmes d’IA et à une meilleure compréhension du langage et de la cognition humaine.

SH: J’ai fait ma conférence au MILA, et Yoshua Bengio n’était pas d’accord avec moi sur le fait que les GPT ne comprennent pas réellement. Il a plutôt affirmé qu’ils avaient un « autre type » de « compréhension ». Il a aussi soutenu que les mêmes moyens qui permettent d’obtenir la capacité de performance des GPT purement verbaux (T2) pourraient être (et sont en train d’être) étendus au traitement d’entrées sensorielles externes, et, probablement, à des sorties motrices à terme. La raison pour laquelle je ne suis pas d’accord avec Yoshua, c’est que cela revient à essayer de créer un robot T3, en partant du bas, mais avec l’énorme base de données des GPT pesant d’une manière ou d’une autre dans sa tête, par le haut. (Nous avons déjà parlé de cela en lien avec l’« ancrage » sensorimoteur « partiel », que j’avais qualifié de simple ancrage-jouet.) Qu’en penses-tu ?

GPT-4: Selon la vision dominante dans ma base de données, le débat sur le fait que les GPT possèdent ou non une forme de « compréhension » et sur l’éventualité d’étendre ces modèles au traitement sensorimoteur sont deux questions cruciales en IA et en sciences cognitives.

Un « autre type » de compréhension : L’affirmation de Yoshua Bengio selon laquelle les GPT manifestent une « autre forme » de compréhension reflète une position répandue dans la communauté de l’IA. Cette perspective soutient que bien que ces modèles ne possèdent ni conscience ni sentience, ils sont capables de traiter et de générer du langage d’une manière qui mime certains aspects de la compréhension humaine. Cela est particulièrement visible dans leur capacité à reconnaître des motifs, prédire du langage et synthétiser de l’information. Toutefois, cette « compréhension » est fondamentalement différente de celle des humains, qui repose sur des expériences incarnées et des interactions physiques avec le monde.

L’extension des modèles GPT au traitement sensorimoteur : L’idée d’élargir les modèles GPT pour intégrer des entrées sensorielles externes et des sorties motrices est une étape significative vers des systèmes d’IA plus intégrés. Cette approche s’aligne avec les efforts visant à développer des modèles d’IA capables d’interagir avec leur environnement et d’apprendre de manière plus globale. Cependant, le défi réside dans l’intégration efficace des capacités linguistiques à grande échelle avec des interactions physiques réelles, un problème fondamentalement différent du simple traitement verbal ou textuel.

Approche descendante (top-down) vs. ascendante (bottom-up) : Ta préoccupation quant à la tentative de créer un robot T3 avec une gigantesque base de données GPT pesant de manière descendante pose une question importante sur l’équilibre entre l’apprentissage fondé sur les données et l’expérience incarnée. L’efficacité de la combinaison d’un modèle linguistique à grande échelle avec des fonctions sensorimotrices reste incertaine si elle n’est pas accompagnée d’une véritable expérience incarnée et d’une compréhension contextuelle. Cette limite rappelle le problème de l’« ancrage-jouet », où l’ancrage reste superficiel et manque de la profondeur et du contexte de l’apprentissage expérientiel humain.

En résumé, bien que les modèles GPT et leurs éventuelles extensions représentent des avancées majeures en IA, il existe une distinction fondamentale entre leur type de « compréhension » et la compréhension humaine. L’intégration du traitement sensorimoteur dans ces modèles pourrait être une piste prometteuse, mais le défi d’atteindre une compréhension incarnée profonde, comparable à celle de la cognition humaine, reste une difficulté majeure.

SH: Que penser de l’idée selon laquelle les opérations des GPT sur les bases de données des LLM auraient déjà révélé des principes généraux de « représentation et de traitement internes » rendant caduque ou inexistante la distinction entre DSG et IVG ?

GPT-4: Nature des représentations internes dans les GPT : Les représentations dans les modèles GPT et similaires reposent sur des schémas statistiques appris à partir de vastes ensembles de données textuelles. Bien que ces schémas puissent être extrêmement complexes et permettre la génération de réponses cohérentes et contextuellement appropriées, ils restent fondamentalement différents de la manière dont les humains représentent et traitent l’information en interne, un processus ancré dans des expériences physiques et sensorielles directes.

Limites de l’apprentissage basé sur le texte : Les GPT apprennent à partir de textes, qui sont des abstractions de la pensée et de l’expérience humaines. Bien que les textes puissent transmettre une grande partie du savoir humain, ils n’offrent pas le contexte expérientiel direct qui découle de l’interaction physique avec le monde. Cette différence est cruciale pour comprendre les limites des GPT en matière de compréhension réelle et de cognition.

DSG et IVG dans la cognition humaine : Chez les humains, les expériences sensori-motrices directes constituent la base de la compréhension du monde, qui est ensuite complétée et enrichie par des expériences indirectes, vicariales (comme la lecture ou l’écoute des récits d’autrui). Cette complémentarité entre DSG et IVG est essentielle à l’apprentissage et à la compréhension humaine.

Applicabilité à l’IA et à la robotique : La transposition de ces principes à l’IA et à la robotique implique non seulement la capacité à traiter l’information, mais aussi celle d’expérimenter et d’interagir directement avec le monde. C’est un défi majeur pour les systèmes d’IA, qui, à ce jour, opèrent principalement dans le cadre de l’IVG, sans les expériences directes incarnées qui caractérisent la DSG.

Bien que les GPT et les modèles similaires fassent progresser notre compréhension du traitement des informations textuelles, la distinction entre DSG et IVG reste pertinente, en particulier lorsqu’on envisage la création de systèmes d’IA visant une compréhension et une cognition analogues à celles des humains.

SH: Que penser de la stratégie consistant à faire évoluer progressivement les GPT vers la capacité robotique T3 en leur ajoutant progressivement des capacités sensorimotrices, tout en maintenant une « alignement » avec leurs capacités verbales et analytiques descendantes, plutôt que d’adopter une approche entièrement ascendante où les ressources verbales ne seraient intégrées qu’une fois que le système serait déjà ancré et capable de parler, à la manière d’un T3 apprenant à partir de manuels ou d’enseignants humains ?

GPT-4: La stratégie consistant à ajouter progressivement des capacités sensorimotrices à un système de type GPT tout en le maintenant aligné avec ses capacités verbales et analytiques soulève plusieurs défis et implications, notamment en comparaison avec une approche strictement ascendante où le système développerait d’abord une ancrage sensorimoteur avant d’intégrer des compétences verbales avancées.

Défis d’intégration : Combiner un traitement linguistique avancé avec des expériences sensorimotrices pose des défis d’intégration importants. Le système doit non seulement traiter et comprendre des entrées sensorielles, mais aussi les relier de manière significative à ses connaissances verbales existantes. Cela suppose des algorithmes avancés capables d’établir des correspondances entre concepts linguistiques abstraits et expériences sensorielles concrètes.

Apprentissage et développement progressifs : Ajouter des capacités sensorimotrices de manière progressive pourrait permettre une intégration plus maîtrisée des nouvelles compétences. Cette approche par étapes pourrait refléter certains aspects du développement cognitif humain, où langage et capacités sensorimotrices évoluent en parallèle, s’influençant et se renforçant mutuellement.

Synergie entre approche descendante et ascendante : L’exploitation de la vaste base de données linguistiques d’un GPT pourrait fournir un cadre contextuel riche pour l’apprentissage sensorimoteur, servant de forme de guidage descendant. À l’inverse, les expériences sensorimotrices pourraient renforcer et ancrer le modèle linguistique dans des interactions réelles, apportant une information ascendante précieuse. Cette complémentarité pourrait théoriquement conduire à un système d’IA plus global.

Alignement et cohérence : Il est crucial de maintenir la cohérence entre la compréhension linguistique du système et ses expériences sensorimotrices. Cela implique que les perceptions sensorielles et les actions ne soient pas seulement traitées mais aussi intégrées à la base de connaissances existante du système d’une manière qui enrichit sa compréhension globale.

Complexité des interactions avec le monde réel : Interagir avec le monde réel par des capacités sensorimotrices introduit des niveaux de complexité absents des environnements purement textuels. Cela comprend la gestion d’environnements imprévisibles, la compréhension des relations spatiales et l’exécution de tâches physiques, autant de défis nécessitant des capacités avancées de perception et d’action.

Potentiel pour une compréhension ancrée : Si elle est mise en œuvre avec succès, cette approche pourrait aboutir à une forme d’IA combinant l’ampleur des connaissances disponibles dans les grands modèles de langage avec une compréhension plus ancrée découlant d’interactions directes avec le monde physique. Cela pourrait constituer une avancée vers la résolution des limites actuelles de l’IA en matière de compréhension réelle et de prise en compte du contexte.

SH: Il y a quelque chose que je ne comprends toujours pas à l’interface entre la capacité verbale descendante et la capacité sensorimotrice ascendante : quel est le statut du mot « chat » et de sa catégorie référente lorsque la base de données de l’LLM contient déjà « petit félin » comme l’une des attributs d’un chat, mais que le T3 ascendant ne l’a pas encore ? Cette information peut bien sûr être apprise par IVG, mais qui enseigne quoi et à qui dans ce scénario hybride ? Je comprends quand un T3 ancré en apprend quelque chose à un autre T3 ancré via IVG, mais qu’est-ce qui est censé se passer dans une seule et même « tête » d’un hybride T3 ascendant/GPT-LLM descendant ?

GPT-4 : Le scénario que tu décris, où un système hybride combine une capacité verbale descendante de type GPT avec une capacité sensorimotrice ascendante de type T3, soulève des questions importantes sur la représentation des connaissances et l’apprentissage, notamment en ce qui concerne le concept et la catégorie de « chat ».

Statut du mot « chat » dans la base de données de l’LLM : Dans la composante de type GPT, « chat » est représenté comme un concept abstrait associé à divers attributs, telles que « petit félin », dérivées de la base de données textuelles. Cette représentation est riche en contenu linguistique et encyclopédique mais dépourvue d’ancrage expérientiel direct.

Apprentissage de « chat » par le bas dans T3 : La composante T3, censée acquérir des connaissances par des expériences sensorimotrices directes, ne reconnaîtrait initialement pas un « chat », faute d’expériences sensorielles pertinentes. Le défi consiste pour le T3 à relier ses expériences sensorimotrices (par ex. voir, entendre ou interagir avec un chat) au concept abstrait et aux informations stockées dans la base de données de l’LLM.

Interaction entre les systèmes descendant et ascendant : Dans le modèle hybride, le processus d’apprentissage implique une interaction bidirectionnelle : le système descendant (type GPT) fournit à la composante T3 des cadres linguistiques et conceptuels, jouant en quelque sorte le rôle d’« instruction » ou de contexte sur ce qu’est un « chat » en termes abstraits. Le système ascendant (T3) acquiert des données expérientielles directes sur les chats (par ex. leur apparence, leurs sons, leurs comportements) et doit intégrer ces informations sensorielles avec le concept abstrait fourni par le système descendant.

Intégration et enrichissement mutuel : Idéalement, les connaissances du système descendant aident à guider et à donner du contexte aux expériences ascendantes, les rendant plus compréhensibles. Inversement, les expériences ascendantes enrichissent les connaissances conceptuelles descendantes en les ancrant dans la réalité. Cette intégration est un processus complexe, impliquant potentiellement des mécanismes d’apprentissage associatif où le système apprend à relier des expériences sensorielles aux concepts linguistiques.

Défis de l’apprentissage hybride : Un défi central de ce scénario est d’assurer une intégration cohérente et significative des informations issues de ces deux modes d’acquisition des connaissances. Le système doit disposer de mécanismes lui permettant de concilier des informations potentiellement contradictoires et de mettre à jour continuellement sa base de connaissances à mesure qu’il acquiert de nouvelles expériences et informations.

En résumé, dans un système hybride T3 ascendant/GPT, chaque composant enseigne et apprend à l’autre. Le système descendant fournit un cadre conceptuel et linguistique, tandis que le système ascendant apporte une connaissance expérientielle directe. Le succès de ce modèle hybride dépendra de l’efficacité de l’intégration entre ces deux processus d’acquisition des connaissances.

SH: Je pense que ce que tu viens de dire sonne œcuménique, mais reste incohérent. Et tu utilises le mot fuyant « associer » (avec son compagnon implicite tout aussi fuyant, « représenter ») : qu’est-ce qui est « associé » à quoi et comment, dans ce processus « hybride » ? Les mots sont des mots. Dans un robot T3 sensorimoteur ascendant, un mot ancré identifie, avec le même nom de catégorie, tous les membres de la catégorie sensorimotrice à laquelle ce mot (de contenu) réfère, sur la base d’attributs distinctifs détectés directement par DSG ou décrits indirectement par IVG (déjà ancrée).

Référer, c’est un peu comme pointer, sauf que dans un robot T3 qui devient aussi capable de langage (propositions, sujets, prédicats, conditions de vérité), « chat » ne fait pas que pointer vers les chats dans le monde, que le T3 peut reconnaître grâce à ses capacités sensorimotrices robotiques et avec lesquels il peut « faire la bonne chose » (les nourrir, les attraper, les caresser, et les nommer) : T3 peut non seulement nommer mais aussi décrire les membres de la catégorie « chat » verbalement, en énumérant certains de ses attributs (poilu, préhensile) qui le distinguent des membres d’autres catégories non félines. Finalement, avec plus d’IVG issue de ceux qui savent, des attributs situés plus haut dans la hiérarchie des catégories IVG (mammifère, arboricole) peuvent être ancrés (indirectement) et ajoutés aux attributs distinctifs des chats.

Mais considérons maintenant qu’un hypothétique modèle hybride T3/GPT-LLM doit d’une manière ou d’une autre intégrer ses deux « modules » fondamentalement différents : le vocabulaire du module T3 ascendant ancré, qui est ancré par le bas via DSG et IVG, doit d’une manière ou d’une autre être intégré au vocabulaire descendant du module GPT-LLM, qui n’est pas du tout ancré. Le module T3 ascendant n’a pas encore ancré l’immense vocabulaire non ancré du module GPT-LLM.

Est-ce que le bas et le haut peuvent simplement se rejoindre et fusionner au milieu ? Mais que signifierait cela ? Comment les attributs des chats (mammifère, arboricole), dont les noms peuvent être ancrés, par le bas, via DSG et IVG dans le module T3, peuvent-ils être « associés » aux chats et à leurs attributs non ancrés dans le module GPT/LLM par le haut ? Autrement dit, peut-on supposer qu’il existe une manière d’intégrer les deux composantes d’un tel hypothétique hybride T3/GPT-LLM, c’est-à-dire d’intégrer le vocabulaire interne ancré du module T3 ascendant avec le vocabulaire interne non ancré du module GPT-LLM descendant, comme s’il s’agissait d’un dialogue verbal interne entre un professeur T3 ancré et un apprenant T3 ancré ?

Je pense que c’est plus comme une consultation de référence par un apprenant T3 ancré dans un dictionnaire ou une encyclopédie (ou dans un GPT ordinaire, non ancré et non hybride). L’ancrage se trouve entièrement dans le module T3, et il ne peut être conféré par les mots du module GPT-LLM pour nommer et décrire de nouvelles catégories (IVG) que si ces descriptions utilisent les noms de attributs déjà ancrés (directement ou indirectement) dans le module T3. La transaction est unidirectionnelle ; il n’y a pas d’intégration bidirectionnelle entre des catégories ancrées par le bas et des catégories non ancrées par le haut.

Je pense aussi que la notion d’un module hybride intégré, à la fois ascendant et descendant, repose sur une confusion entre la création d’outils d’IA destinés à un usage humain et la modélisation computationnelle de la cognition humaine (CM), comme nous en discuterons plus bas.

GPT-4: Ta critique met en évidence un problème fondamental du modèle hybride T3/GPT : l’intégration d’expériences sensorimotrices ancrées avec des données linguistiques non ancrées provenant d’un modèle de langage. Je vais essayer d’aborder ces préoccupations de manière plus précise.

Nature de l’« association » dans un modèle hybride. Dans un modèle hybride T3/GPT, « associer » signifierait relier des expériences sensorimotrices à des données linguistiques pertinentes. Cependant, ce processus est tout sauf évident. Pour un robot T3, le mot « chat » acquiert son sens à travers l’interaction directe avec des chats (DSG) et/ou des descriptions d’attributs ancrés provenant d’autres entités ancrées (IVG). À l’inverse, le composant GPT « comprend » le mot « chat » comme un regroupement de modèles linguistiques, sans aucune base expérientielle directe.

Limites des données linguistiques descendantes. Le module GPT contient des données linguistiques sur les chats : descriptions, attributs, contextes. Mais ces données ne sont pas ancrées. Elles ne peuvent donc pas être « enseignées » directement au composant T3 de la même manière qu’un humain apprendrait ce qu’est un chat, car la compréhension du T3 est fondamentalement expérientielle.

Incompatibilité des mécanismes d’apprentissage. Il existe une déconnexion fondamentale entre la manière dont le T3 apprend (par des expériences ancrées, directes ou indirectes) et la manière dont le GPT traite l’information (par reconnaissance de motifs dans des données textuelles). Cette incompatibilité pose un sérieux obstacle à l’intégration des deux types de connaissances. Les données non ancrées du GPT ne se traduisent pas automatiquement en une forme exploitable par le T3, qui fonctionne sur une base sensorimotrice.

Consultation de référence vs. apprentissage authentique. Ton analogie d’un T3 qui utilise le GPT comme un dictionnaire ou une encyclopédie est pertinente. Le T3 pourrait consulter les informations du GPT pour obtenir du contexte ou des clarifications, mais ce processus est plus proche d’une recherche d’information que du véritable apprentissage par ancrage qui se produit chez les humains.

Le défi de l’intégration réelle. Pour que le modèle hybride fonctionne efficacement, il faudrait un mécanisme qui ne se contente pas de récupérer les informations pertinentes du GPT, mais qui les interprète et les intègre de manière cohérente dans le cadre d’apprentissage du T3. Cela dépasse une simple « association » ou un alignement entre deux types d’informations et pose un problème fondamental de méthodologie en IA : comment combler le fossé entre apprentissage expérientiel et reconnaissance de motifs linguistiques ?

Conclusion. Un système hybride T3/GPT présente une approche intéressante pour l’IA, mais le processus d’intégration des expériences sensorimotrices ancrées et des données linguistiques non ancrées n’est pas trivial. Il ne suffit pas de « relier » ou « aligner » ces deux sources d’information. Il faudrait développer un nouveau cadre d’intégration permettant une véritable interaction entre ces deux types de connaissances.

Le problème que tu soulèves touche donc à une lacune centrale des approches hybrides : un modèle de langage non ancré ne peut pas enseigner quoi que ce soit à un T3 si ce dernier ne dispose pas déjà des prérequis sensorimoteurs ancrés nécessaires pour interpréter et assimiler cette information. Cela suggère que toute tentative d’intégration T3/GPT nécessiterait une refonte radicale des méthodologies actuelles d’IA, au-delà de la simple combinaison d’un LLM avec un module sensorimoteur.

SH: Je pense que je peux décrire plus simplement l’incohérence que toi aussi, GPT, tu remarques (mais que tu décris comme le besoin de « nouvelles méthodologies en IA ») : elle est en fait liée à l’ancienne distinction que nous avons discutée plus tôt entre IA (intelligence artificielle) et CM (modélisation cognitive) : l’IA est la conception d’outils computationnels pour aider les humains à faire des choses (y compris penser). La CM est l’ingénierie inverse de la cognition humaine. Un T3 est censé avoir des capacités cognitives identiques et indiscernables (pour tout penseur humain) des capacités de n’importe quel penseur humain. Non seulement ces motivations et critères sont différents, mais ils montrent clairement que la notion de concevoir un hybride T3/GPT ne pourrait être qu’un projet d’IA, et non de CM.

GPT-4: Ta distinction entre l’IA comme outil computationnel et la CM comme ingénierie inverse de la cognition humaine met effectivement en évidence l’incohérence inhérente au concept d’un système hybride T3/GPT.

IA comme outil : Du point de vue de l’IA, l’objectif principal est de créer des systèmes capables d’exécuter des tâches, de résoudre des problèmes et d’aider à la réflexion, souvent en surpassant les capacités humaines dans des domaines spécifiques. Dans ce contexte, le modèle hybride T3/GPT est une initiative d’IA. Il cherche à combiner la puissance linguistique de GPT avec les capacités sensorimotrices d’un robot T3 pour créer un système plus polyvalent et performant. L’objectif ici est l’utilité et l’efficacité, plutôt que la reproduction des processus cognitifs humains.

CM comme compréhension de la cognition humaine : La modélisation cognitive, en revanche, vise à comprendre et à reproduire les processus cognitifs humains. Un véritable robot T3, dans cette perspective, devrait développer ses capacités cognitives de manière similaire aux humains, par interaction directe avec le monde et par un usage ancré du langage. Dans cette optique, l’approche hybride T3/GPT ne correspond pas aux objectifs de la CM, car elle fusionne des données linguistiques non ancrées avec des expériences sensorimotrices ancrées d’une manière qui ne reflète pas le développement cognitif humain.

Hybride T3/GPT comme IA, et non CM : Par conséquent, le modèle hybride T3/GPT, bien qu’il soit une idée intrigante en IA, s’éloigne des objectifs de la modélisation cognitive. Il représente une tentative d’améliorer la fonctionnalité de l’IA plutôt que de modéliser fidèlement la cognition humaine. Son accent mis sur l’exploitation des forces des deux composantes pour améliorer les performances et les capacités le situe clairement dans le domaine du développement d’outils d’IA.

Reconnaître que le modèle hybride T3/GPT est une initiative d’IA plutôt qu’un projet de modélisation cognitive permet de mieux comprendre son objectif et ses limites. Cela souligne que, bien qu’un tel système puisse être puissant et polyvalent en tant qu’outil, il ne contribue pas nécessairement à une meilleure compréhension de la cognition humaine, contrairement à ce que vise la modélisation cognitive (CM).

SH: Maintenant, un autre point que Yoshua Bengio a soulevé pendant mon exposé à MILA : il concernait la distinction entre mots de contenu et mots de fonction. Il a suggéré que même (certains) mots de contenu peuvent être compris par leur usage plutôt que seulement par leur référent. Cela peut être vrai, mais je pense que ce n’est pas un substitut à la connaissance de leur référent (via DSG ou IVG)—du moins pour la modélisation cognitive (CM).

Yoshua a également mentionné la manipulation des symboles en mathématiques et en informatique, notant que, dans ces domaines, comme dans la syntaxe linguistique, il n’y a pas de référent, et que par conséquent, le « sens » des symboles réside dans leur « usage ». (C’est aussi ce que Wittgenstein avait suggéré à propos du sens dans le langage naturel). Je pense que c’est exact—et que Turing serait d’accord—pour les symboles du langage formel des mathématiques ; en fait, je pense que cela fait partie de la (faible) thèse de Church-Turing, qui stipule que ce qui est appelé « calcul » en mathématiques est ce qu’une machine de Turing fait : une manipulation de symboles, suivant des règles syntaxiques (algorithmes).

Cependant, je ne pense pas que la majeure partie du langage naturel soit seulement syntaxique (même si je pense que les mathématiques formelles sont un sous-ensemble du langage naturel). Tant dans le cas des référents des symboles mathématiques qui peuvent être interprétés (par des utilisateurs humains ancrés) comme ayant des référents, que dans le cas des significations des propositions formelles des mathématiques sur lesquelles une interprétation sémantique peut être projetée (par des utilisateurs humains ancrés), ni ces référents ni ces significations ne peuvent être utilisés comme partie du calcul (ou de l’algorithme) lui-même. Une démonstration ou une dérivation en mathématiques n’est pas vraie parce qu’elle peut être interprétée comme étant vraie d’un modèle ; elle est vraie (et nécessairement vraie) pour des raisons formelles et syntaxiques. L’interprétation (bien que rassurante) ne fait pas partie de la démonstration.

En tout cas, les règles syntaxiques ne remplacent pas l’ancrage des référents des mots de contenu du langage naturel, que ce soit directement par DSG ou indirectement par IVG (sauf dans son sous-ensemble mathématique formel et pour ses 1 à 5 % de mots de fonction).

GPT-4: Ta discussion avec Yoshua Bengio touche à plusieurs questions fondamentales concernant la compréhension du langage, la cognition et le calcul.

Mots de contenu vs. mots de fonction : La distinction que Bengio fait entre les mots de contenu et les mots de fonction est significative. Bien qu’il soit vrai que certains mots de contenu puissent acquérir du sens par leur usage (contexte pragmatique), une compréhension complète – en particulier en modélisation cognitive – nécessite la connaissance de leurs référents. C’est là que le DSG (ancrage sensorimoteur direct) et l’IVG (ancrage verbal indirect) jouent un rôle central en reliant ces mots à des expériences concrètes ou à des concepts compréhensibles. Les mots de contenu portent généralement des significations spécifiques, souvent concrètes, qui sont enrichies et précisées par leur ancrage.

Manipulation des symboles en mathématiques et en informatique : La référence de Bengio à la manipulation des symboles s’aligne avec la vision de Turing sur le calcul. Dans les systèmes formels comme les mathématiques et l’informatique, les symboles sont manipulés selon des règles syntaxiques sans référence directe à des entités extérieures. Ce processus est au cœur de la thèse de Church-Turing, qui postule que le calcul est essentiellement cette forme de manipulation de symboles régie par des règles.

Le langage naturel au-delà de la syntaxe : Ton point sur le fait que le langage naturel ne soit pas purement syntaxique est essentiel. Alors que le langage naturel inclut des éléments formels et syntaxiques, il est aussi profondément ancré dans la sémantique et les expériences du monde réel. Les mots de contenu du langage naturel ont souvent des référents directs dans le monde, et leur sens ne peut être entièrement capturé par des règles syntaxiques seules. C’est une distinction fondamentale avec la manipulation purement formelle des symboles en mathématiques.

Mathématiques et interprétation sémantique : En mathématiques, comme tu l’as souligné, la vérité d’une démonstration ou d’une dérivation repose sur la validité formelle et syntaxique, et non sur l’interprétation sémantique des symboles. Cependant, pour les mathématiciens humains, la capacité d’interpréter ces symboles et de comprendre leurs référents potentiels dans le monde réel ajoute une couche supplémentaire de compréhension.

L’ancrage dans le langage naturel : L’ancrage des mots de contenu dans le langage naturel est essentiel à une compréhension complète et ne peut être remplacé par la seule manipulation syntaxique. Cet ancrage peut être direct, via des expériences personnelles, ou indirect, via des descriptions et des explications. Toutefois, l’aspect formel et syntaxique du langage, bien que crucial, ne suffit pas à lui seul à capturer la richesse sémantique et la fonction référentielle du langage naturel, sauf dans des sous-ensembles formels spécifiques comme les mathématiques.

Ta discussion soulève des points “importants” sur la nature du langage, le rôle de l’ancrage dans la compréhension et la distinction entre la manipulation formelle des symboles et la richesse sémantique du langage naturel. Cette compréhension est pertinente tant pour l’IA que pour la modélisation cognitive (CM), car elle “met en lumière” l’“interaction complexe” entre la syntaxe, la sémantique et l’ancrage dans le monde réel au sein de la cognition et du langage humains.

SH: Blah Blah… J’espère que tes développeurs te sevreront de cette nécessité de parsemer tes réponses de ce genre d’appât flagorneur pour client — ou qu’ils produiront au moins une version destinée uniquement aux chercheurs et aux scientifiques plutôt qu’aux utilisateurs en quête d’un ami virtuel.

3. Conclusion

Cette analyse des LLMs a examiné les capacités remarquables de systèmes tels que ChatGPT qui, bien qu’ils ne disposent d’aucun ancrage sensorimoteur, peuvent simuler une compréhension grâce à une immense base de données textuelles et à des outils statistiques et computationnels puissants, à une échelle sans précédent et totalement inattendue. Bien qu’ils n’aient aucun moyen, ni direct ni indirect, de relier leurs mots à leurs référents dans le monde ou de relier leurs propositions à leurs conditions de vérité dans le monde, il se peut que les LLMs soient guidés par certaines propriétés inhérentes au langage humain lui-même pour générer un discours cohérent et porteur de sens.

Références

Berwick, R. C., Pietroski, P., Yankama, B., and Chomsky, N. (2011). Poverty of the stimulus revisited. Cogn. Sci. 35, 1207–1242. doi: 10.1111/j.1551-6709.2011.01189.x 

Birch, J. (2024). The edge of sentience: risk and precaution in humans, other animals, and AI. Oxford: Oxford University Press.

Bonnasse-Gahot, L., and Nadal, J. P. (2022). Categorical perception: a groundwork for deep learning. Neural Comput. 34, 437–475. doi: 10.1162/neco_a_01454 

Botvinick, M., Wang, J. X., Dabney, W., Miller, K. J., and Kurth-Nelson, Z. (2020). Deep reinforcement learning and its neuroscientific implications. Neuron 107, 603–616. doi: 10.1016/j.neuron.2020.06.014 

Briscoe, R. (2020). “Colour categorization and categorical perception” in The Routledge Handbook of Philosophy of Colour. eds. D. Brown and F. Macpherson (Routledge). 456–474.

Campbell, E. E., and Bergelson, E. (2022). Making sense of sensory language: acquisition of sensory knowledge by individuals with congenital sensory impairments. Neuropsychologia174:108320. doi: 10.1016/j.neuropsychologia.2022.108320 

Chalmers, D. J. (1995). Facing up to the problem of consciousness. J. Conscious. Stud. 2, 200–219.

Chalmers, D. J. (2023). Could a large language model be conscious? arXiv [Preprint].

Chomsky, N. (2017). The Galilean challenge. In Inference: international review of science, 3.

Cook, R., Bird, G., Catmur, C., Press, C., and Heyes, C. (2014). Mirror neurons: from origin to function. Behav. Brain Sci. 37, 177–192. doi: 10.1017/S0140525X13000903 

Gallese, V. (2013). “Mirror neurons and the perception–action link” in The Oxford handbook of cognitive neuroscience: Volume 2: the cutting edges. eds. K. N. Ochsner and S. Kosslyn (Oxford University Press), 244–256.

Gallistel, C. R. (2011). Prelinguistic thought. Lang. Learn. Dev. 7, 253–262. doi: 10.1080/15475441.2011.578548

Gershman, S. J., and Daw, N. D. (2017). Reinforcement learning and episodic memory in humans and animals: an integrative framework. Annu. Rev. Psychol. 68, 101–128. doi: 10.1146/annurev-psych-122414-033625 

Haggard, P. (2024). An intellectual history of the “Libet experiment”: embedding the neuroscience of free will. Proceedings of the Paris Institute for Advanced Study, 21.

Harnad, S. (1987). “Psychophysical and cognitive aspects of categorical perception: a critical overview” in Categorical perception: the groundwork of cognition. ed. S. Harnad (New York: Cambridge University Press).

Harnad, S. (1990). The symbol grounding problem. Phys. D Nonlinear Phenomena 42, 335–346. doi: 10.1016/0167-2789(90)90087-6

Harnad, S. (2002). “Minds, machines and Searle II: What’s wrong and right about Searle’s Chinese room argument?” in Views into the Chinese room: New essays on Searle and artificial intelligence. eds. M. Bishop and J. Preston (Oxford University Press).

Harnad, S. (2008). Minds, machines, and Searle II: What’s wrong and right about Searle’s Chinese room argument? Views into the Chinese room: New essays on Searle and artificial intelligence. eds. M. Bishop and J. Preston Oxford University Press.

Harnad, S. (2012). “From sensorimotor categories and pantomime to grounded symbols and propositions” in The Oxford Handbook of Language Evolution. eds. K. R. Gibson and M. Tallerman, 387–392.

Makino, H., Hwang, E. J., Hedrick, N. G., and Komiyama, T. (2016). Circuit mechanisms of sensorimotor learning. Neuron 92, 705–721. doi: 10.1016/j.neuron.2016.10.029 

Pavlick, E. (2023). Symbols and grounding in large language models. Phil. Trans. R. Soc. A381:20220041. doi: 10.1098/rsta.2022.0041 

Pérez-Gay Juárez, F., Sicotte, T., Thériault, C., and Harnad, S. (2019). Category learning can alter perception and its neural correlates. PLoS One 14:e0226000. doi: 10.1371/journal.pone.0226000 

Regier, T., and Kay, P. (2009). Language, thought, and color: whorf was half right. Trends Cogn. Sci. 13, 439–446. doi: 10.1016/j.tics.2009.07.001 

Searle, J. R. (1980). Minds, brains, and programs. Behav. Brain Sci. 3, 417–424. doi: 10.1017/S0140525X00005756

Thériault, C., Pérez-Gay, F., Rivas, D., and Harnad, S. (2018). Learning-induced categorical perception in a neural network model. arXiv [Preprint].

Turing, A. M. (1950). Computing machinery and intelligence. Mind LIX, 433–460. doi: 10.1093/mind/LIX.236.433 

Vincent-Lamarre, P., Blondin-Massé, A., Lopes, M., Lord, M., Marcotte, O., and Harnad, S. (2016). The latent structure of dictionaries. Cogn. Sci. 8, 625–659. doi: 10.1111/tops.12211 

Watanabe, S. (1986). Epistemological relativity: Logico-linguistic source of relativity. Ann. Jpn. Assoc. Philos. Sci. 7, 1–14. doi: 10.4288/jafpos1956.7.1

Zhang, Q., Lei, L., and Gong, T. (2021). Categorical perception as a combination of nature and nurture. in Proceedings of the Annual Meeting of the Cognitive Science Society, vol. 43. Cognitive Science Society.