Artificial Intelligence Laboratory

2007-12-20T12:56:00.000-08:00

La Biblia, en un chip más pequeño que la cabeza de un alfiler

Científicos israelíes anunciaron este martes la creación de la Biblia más pequeña del mundo, condensando una versión hebrea del libro sagrado en un chip de silicona recubierto de oro cuyo tamaño es más pequeño que la cabeza de un alfiler.

Investigadores de Technion, el Instituto de Tecnología de Israel, consiguieron empaquetar las 308.428 palabras de la Biblia hebrea (más conocida para la mayoría como el Antiguo Testamento) en un cuadrado de 0,5 milímetros, dijo a AFP Ohad Zohar, director del proyecto.

"Ésta es la Biblia más diminuta del mundo", dijo Zohar. "El Libro Guinness de los Récords tiene una Biblia cincuenta veces más grande".

Los científicos lograron su hazaña dirigiendo rayos de minúsculas partículas, llamados iones de galio, sobre la superficie de un chip de silicona.

"Al enviar un rayo de partículas hacia varios puntos del sustrato, podemos grabar cualquier patrón de puntos, especialmente uno que represente texto", dijo Zohar, estudiante del doctorado en Físicas.

La 'nanobiblia' ha sido desarrollada por el instituto, con sede en Haifa, como parte de un programa educativo destinado a estimular el interés de la nanociencia entre adolescentes.

Ahora, los científicos quieren hacer fotos de la Biblia en miniatura y ampliarlas al tamaño de un póster de 7x7 metros, que hará "posible leer la Biblia entera a simple vista", dijo.

2007-11-30T03:20:00.001-08:00

Lo crea o no, es una aspiradora

28 de noviembre de 2007. 17:45 h.-

Ponga juntos a Sir James Dyson e Issey Miyake y esto es lo que conseguirá, una aspiradora de mano con un diseño que casi parece sacado de un cómic japonés. ¿Que quién es Dyson? Buena pregunta. Es el inventor británico que consiguió salvar a la humanidad de la tiranía de las bolsas de aspiradora mediante el principio de la separación ciclónica. Vamos, que es el inventor de las aspiradoras que llevan su nombre y que resultan tan llamativas expuestas en los grandes almacenes. Cuestan más que las corrientes pero tienen mejor succión y no pierden potencia con los años.

Su lista de inventos es mucho más larga. Piense en algo absurdo o ingenioso y seguro que Dyson ya ha firmado la patente pero lo realmente revolucionario han sido sus aspiradoras.

2007-11-29T01:15:00.000-08:00

La création au bord du chaos
Jean-Claude Heudin

Institut International du Multimédia
Paris – La Défense, France
Jean-Claude.Heudin@devinci.fr

Résumé. La création est-elle liée au hasard ? La nouveauté peut-elle provenir du simple ? L’émergence est-elle création ? Quelles sont les conditions propices à l’émergence de nouvelles formes ? Autant de questions qui ne trouvent pas de réponse évidente. Dans cet article, nous allons néanmoins tenter d’y apporter un éclairage au travers de ce que nous apprennent les sciences de la complexité. À partir d’un modèle simple, un automate cellulaire, nous allons découvrir que la création, au sens de l’émergence d’un tout complexe composé à partir d’éléments pré-existants, ne peut survenir que lorsque l’environnement est propice à la génération d’une grande diversité de formes transitoires, puis la stabilisation de celles adaptées à cet environnement. Nous verrons également que les conditions nécessaires à ces événements ne sont possibles qu’à la frontière entre l’ordre et le chaos.
Mots clés : création, émergence, complexité, ordre, chaos, évolution.
1 Introduction
La création a de multiple sens, si bien que l’on peut se perdre dans les méandres de ses interprétations. Elle signifie souvent l’action de créer, de donner l’être, l’existence. Dans la Bible, Dieu crée le ciel et la terre, puis il crée l’homme à son image. La création pose donc immédiatement la question des conditions propices à cet événement mystérieux qui semble échapper aux capacités humaines. Du Golem aux créatures artificielles modernes, la création semble en effet interdite à l’homme et réservée aux dieux qui gardent jalousement cette prérogative divine . Pourtant, par extension, la création se dit aussi en parlant de ce que l’homme invente, forme, établit. Elle est alors souvent l’œuvre d’artistes ou d’ingénieurs, mais échappe encore à l’honnête homme. Pour certains, elle est un pouvoir réservé à l’homme en tant qu’espèce singulière, les animaux et ses propres artefacts, les machines, n’étant pas dotées intrinsèquement de telles capacités. Décidément, la création semble le lieu d’une séparation entre ceux qui peuvent et ceux qui ne pourront jamais.
Loin des débats stériles qui argumentent en faveur de théories pseudo-scientifiques où la création devient l’étendard d’un extrémisme hors d’âge, nous allons tenter d’y voir plus clair sous les lumières de ce que nous apprennent les sciences de la complexité. Nous examinerons en particulier les conditions propices à l’émergence du complexe, c’est-à-dire l’apparition de structures nouvelles dont les propriétés étranges évoquent celles du vivant. Ceci nous permettra de mieux cerner dans quelle mesure cette création est liée au hasard, ou bien, au contraire, relève d’une nécessité dont un « créateur éclairé » ne pourrait être que le seul initiateur.
Pour initier notre réflexion, nous allons utiliser un outil théorique et expérimental : un automate cellulaire. Rassurons immédiatement les non-mathématiciens : les automates cellulaires sont des modèles rigoureux mais aussi très simples à appréhender . Les plus célèbres utilisent une matrice de « cellules » caractérisées par deux états, 0 et 1. Sur un écran d’ordinateur, il est dès lors aisé de représenter cette matrice par une grille constituée de petits carrés, blancs pour ceux dont la valeur est 0 et noirs pour ceux dont la valeur est 1. Dans cet univers virtuel, le temps s’écoule de façon discrète, par intervalles réguliers appelés « générations. » À partir d’une configuration donnée, on obtient la génération suivante en appliquant sur toutes les cellules une même règle de transition. Celle-ci exprime le nouvel état de chaque cellule en fonction de son propre état et de celui de ses voisines. Cet outil mathématique, simple et élégant, va nous permettre de « jouer » avec une sorte de « matière virtuelle » dont nous maîtrisons les « lois physiques. »
2 Au bord du chaos
2.1 Le jeu de la vie
En 1970, un mathématicien de l’Université de Cambridge, John H. Conway, publia un divertissement insolite dans les colonnes de la revue « Scientific American. » Baptisé « jeu de la vie » (Game of life), cet automate cellulaire devint rapidement la vedette des récréations informatiques . Il doit une bonne part de son succès à sa règle de transition, qui, malgré sa simplicité, produit une grande variété de structures et des dynamiques complexes évoquant l’émergence du vivant dans une soupe primitive. La règle de Conway s’exprime de la façon suivante (cf. figure 1) :

 Si une cellule à l’état 1 est entourée par 2 ou 3 cellules à l’état 1, alors elle conserve son état ;
 Si une cellule à l’état 0 est entourée par 3 cellules à l’état 1, alors elle passe à l’état 1 ;
 Dans tous les autres cas, elle passe à l’état 0.

Une des caractéristiques de la règle de Conway réside dans son déterminisme. En effet, elle ne fait intervenir aucun aléa ni un quelconque tirage au sort. À partir d’une configuration initiale donnée, on obtient donc toujours la même succession de configurations. De ce point de vue, le comportement du jeu de la vie est totalement prédictible.

Figure 1. La règle de Conway détermine l’état d’une cellule en fonction de celui de ses huit voisines.
Nous avons généralisé la règle de Conway afin d’obtenir un ensemble d’automates cellulaires . Pour cela, il suffit de modifier la règle de transition de façon à remplacer les deux seuils (i.e. 2 et 3) par des intervalles de valeur, ce qui donne :

 Si une cellule à l’état 1 est entourée par x cellules à l’état 1 avec x compris entre a et b, alors elle conserve son état ;
 Si une cellule à l’état 0 est entourée par y cellules à l’état 1 avec y compris entre c et d, alors elle passe à l’état 1 ;
 Dans tous les autres cas, elle passe à l’état 0.

En faisant varier les valeurs des quatre paramètres a, b, c et d entre 1 et 8 de manière à obtenir des intervalles valides, on obtient un ensemble de 1.296 règles différentes. Pour les retrouver aisément, on les nomme en utilisant la suite des quatre paramètres abcd. Ainsi, dans cette notation, la règle de Conway s’écrit 2333. Chacune des ces 1.296 règle a été ensuite étudiée en prenant pour configuration initiale, une grille arbitraire où l’état de chaque cellule est tiré au hasard. À partir de ces expériences, nous avons mis en évidence quatre grandes classes d’automates cellulaires en fonction de leur évolution de génération en génération.
2.2 Les automates fixes
Les automates de la 1ère classe aboutissent après quelques itérations à une configuration homogène de cellules à l’état 0 ou bien à l’état 1 (cf. figure 2). Autrement dit, on obtient une grille totalement vide (état 0) ou pleine (état 1). La classe I correspond donc à des dynamiques ordonnées caractérisées par des attracteurs fixes. On appelle ces configurations finales des « attracteurs » au sens où un ensemble de configurations initiales converge vers elles.

Figure 2. Deux configurations consécutives à t = 1 (gauche) et t = 4 (droite) pour la règle 7788. La première image correspond à la première génération calculée après une initialisation aléatoire. La seconde image montre l’état homogène obtenu dès la quatrième génération. Dans toutes ces expériences, les images ne montrent qu’une partie de l’automate cellulaire dont les bords opposés des grilles ont été « rebouclés » de façon à former un espace cellulaire sans fin.
2.3 Les automates périodiques
Après une période de transition de durée variable, les automates de la 2ème classe aboutissent à des structures locales fixes ou qui oscillent entre plusieurs configurations (cf. figure 3). La classe II correspond donc à des dynamiques ordonnées cycliques caractérisées par des attracteurs périodiques.

Figure 3. Deux configurations successives à t = 59 (gauche) et t = 60 (droite) pour la règle 5613. L’automate se stabilise après une cinquantaine de générations sous la forme d’un ensemble de zones composées de lignes verticales ou horizontales. À la frontière de certaines zones, on distingue des structures qui oscillent entre deux états différents (un exemple a été grisé de façon à mieux le repérer).
2.4 Les automates chaotiques
Les automates de la 3ème classe, quant à eux, montrent une succession de configurations arbitraires faisant penser au bruit sur l’écran d’un poste de télévision après l’arrêt des émissions (cf. figure 4). La classe III correspond à des automates cellulaires désordonnés caractérisées par des attracteurs chaotiques.

Figure 4. Deux configurations consécutives à t = 10 (gauche) et t = 20 (droite) pour la règle 1122. Toutes les générations produites par cette règle sont localement différentes mais statistiquement semblables. En effet, elles ont toutes en commun une même morphologie générale et la même proportion de cellules à l’état 1. De ce point de vue, malgré leur caractère désordonné et leur instabilité au niveau local, on peut dire que l’on obtient une stabilité statistique au niveau global.
2.5 Les automates complexes
Les automates cellulaires de la 4ème classe sont caractérisés par des transitoires relativement longues et une grande diversité de structures qui semblent interagir entre elles (cf. figure 5). La classe IV regroupe donc les automates cellulaires qualifiés de complexes. La règle de Conway (2333) représente probablement le meilleur exemple.

Figure 5. Deux configurations consécutives à t = 302 (gauche) et t = 303 (droite) pour la règle de Conway (2333). On y observe quelques unes des structures parmi les plus communes comme les « blocs » de 4 cellules fixes contiguës. En haut, on distingue un « glisseur » qui se dirige vers la droite où il va heurter un « clignotant », une structure de 3 cellules qui oscille verticalement et horizontalement. À gauche, on observe une sorte de losange, le « tetromino », qui aboutit après 10 étapes à une structure périodique de 4 « clignotants » disposés en croix.
2.6 À la frontière du chaos
Les classes I et II forment les automates cellulaires ordonnés caractérisés par des configurations finales de types fixes ou périodiques. La classe III comprend les automates cellulaires désordonnés caractérisés par des successions de configurations chaotiques. La classe IV, quant à elle, regroupe les automates cellulaires qualifiés de complexes. Stephen Wolfram a montré que cette répartition en quatre classes avait une correspondance avec les différentes phases physiques de la matière : solide, liquide et gaz étant les plus évidentes. Ainsi, comme nous l’avons évoqué, les automates cellulaires représentent un modèle certes très simplifié mais néanmoins crédible des phases de la matière.
Plusieurs études de la répartition toplogique des automates cellulaires montrent que les « règles complexes » ne sont pas situées n’importe où. On les retrouve systématiquement à la frontière entre les automates ordonnés et les automates chaotiques . Ainsi, tout se passe comme si la complexité ne pouvait apparaître qu’à la frontière de l’ordre et du désordre. Au lieu d’augmenter de façon monotone vers un comportement de plus en plus aléatoire, la complexité s’accroît jusqu’à un seuil – une transition de phase – à partir duquel elle décroît ensuite. De chaque côté de la transition, on retrouve une forme de stabilité dynamique. Du côté de l’ordre, les configurations sont fixes ou cycliques. Du côté du chaos, les configurations se succèdent, toutes différentes au niveau local, mais semblables au niveau global. Le complexe est bien plus subtil. Pour apparaître, il a besoin d’ordre et d’une pincée de chaos. Cette situation n’est possible qu’à l’interface des deux régimes, à la frontière entre l’ordre et le chaos.
3 Emergence de la complexité
3.1 Pyramides multi-dimensionnelles
Le jeu de la vie est un modèle « jouet » intéressant à plus d’un titre, mais il ne représente qu’un modèle à deux dimensions et à deux niveaux : celui de la matrice cellulaire et celui des structures qui s’y forment. Dans la réalité physique et biologique, les niveaux d’organisation sont bien plus nombreux. Les structures semblables se groupent pour créer de nouvelles structures à l’échelon supérieur. Elles ont de multiples « dimensions » selon les propriétés auxquelles on s’intéresse. Pour décrire cette complexité, l’image de la pyramide aide à visualiser comment la matière atteint des niveaux élevés d’organisation. Observé à des échelles différentes, un système complexe apparaît toujours composé de structures différentes qui s’organisent en paliers successifs. Les propriétés « locales » de ces structures sont celles qui leur permettent d’établir des interactions, ou couplages, avec les autres structures du même niveau. Elles constituent le point de départ pour la formation des structures du niveau supérieur. Bien que simplificatrice, l’image pyramidale illustre le fait que seule une faible part des structures d’un niveau donné participe à la formation des niveaux plus évolués. Les niveaux « bas » sont constitués par un grand nombre de structures mais répertoriables en peu de catégories. En comparaison, les niveaux « hauts » ne contiennent plus qu’un petit nombre de structures, mais celles-ci sont très diversifiées .
3.2 L’émergence
La complexité est souvent associée au concept d’émergence : une structure dotée de propriétés nouvelles apparaît et cette création ne peut être réduite à une simple combinaison des propriétés des éléments qui composent le système. De nombreux exemples ont été donnés dans différents domaines . Dans sa forme la plus générale, l’émergence rassemble toutes les questions fondamentales sur l’apparition de la vie, de la conscience ou de l’intelligence. Cette notion est souvent résumée par la formule : « Le tout est plus que la somme de ses parties. »
Une bonne part de la difficulté à appréhender l’émergence provient du fait, qu’en pratique, elle peut relever d’une méconnaissance de tout ou partie du phénomène, d’une part de hasard, d’une écrasante combinatoire de composants, ou bien encore de la présence d’une boucle étrange. Une étude sérieuse vient généralement à bout des difficultés si celles-ci relèvent d’un manque de connaissance, du hasard ou d’un effet statistique, ces cas de figure ayant été étudiés intensivement, en particulier en physique. Il est par contre plus difficile de comprendre pourquoi certains phénomènes, pourtant a priori assez simples, échappent à notre compréhension.

Figure 6. Les quatre phases du déplacement d’un « glisseur » dans le jeu de la vie de Conway (règle 2333). Les cellules à 1 sont en noir, les cellules à 0 en blanc. Les cellules grisées sont des cellules à 0 qui entrent dans le calcul du voisinage lors de l’application de la règle de transition. Elles forment une sorte de « membrane » autour du glisseur.
Prenons l’exemple du glisseur du jeu de la vie (cf. figure 6). Le glisseur est en effet une structure singulière. Alors que la plupart des autres configurations cycliques ne se déplacent pas, le glisseur se translate diagonalement en suivant un cycle de quatre phases. De ce fait, les cellules qui le composent sont constamment remplacées au fur et à mesure du déplacement. Après quelques générations, les cellules qui le constituent ne sont donc plus les mêmes. Pourtant, il conserve sa cohérence, son « identité » de glisseur. Une unité cohérente émerge des interactions cellulaires et elle semble revendiquer son autonomie vis-à-vis du milieu dont elle provient. Le glisseur évoque immanquablement une sorte de proto-cellule, une forme primitive de métabolisme autoreproducteur .
3.3 Le principe de complémentatité
Il est difficile de prédire l’apparition du glisseur en ne considérant que le niveau cellulaire et cela malgré son déterminisme. De même, l’observation d’un glisseur en tant qu’un tout, ne peut, à elle seule, nous renseigner sur la nature des lois qui régissent la dynamique cellulaire. Nous sommes donc bien en face d’un phénomène émergent. Le glisseur nous questionne car son unité, son autonomie, ne sont pas réductibles à la seule combinaison des effets de la règle de transition. Nous pourrions tenter d’évacuer le problème en disant que cette combinaison n’est pas simplement additive mais relève d’un autre mode de combinaison non-linéaire. Cette explication est exacte, mais insuffisante. Prise indépendamment, chaque cellule obéit à la même règle qui fait que son état à l’instant suivant dépend de celui de ses huit voisines et de son propre état. De proche en proche, on peut donc expliquer comment chacune d’entre elles bascule d’un état à un autre ou bien conserve son état. Mais dès que l’on considère le tout, il se produit une rupture de causalité. Le glisseur devient une structure autonome qui « surgit » de son environnement.
La rupture de causalité provient du changement de niveau d’observation et donc de représentation qu’opère l’observateur. Alors que dans un cas, celui de l’application de la règle, il est accaparé par la localité des interactions cellulaires, dans l’autre, il identifie la structure globale qui se déplace au sein de la matrice. On a donc bien deux niveaux de représentation distincts : celui de la matrice cellulaire et celui du glisseur en tant que structure cohérente. Elles sont chacune caractérisées par des échelles spatio-temporelles différentes. Au niveau cellulaire, l’espace couvert ne concerne tout au plus que quelques dizaines de cellules pendant quelques générations. Au niveau supérieur, une portion importante de l’espace cellulaire est observée pendant plusieurs dizaines de générations. L’espace et le temps n’y sont donc pas les mêmes. Comme il s’agit du même phénomène, c’est-à-dire l’automate cellulaire, les deux niveaux co-existent. Il y a superposition des comportements des unités individuelles et ceux des unités du niveau supérieur.
Cette superposition de niveaux de représentation évoque la dualité onde-particule de la mécanique quantique. En 1924, de Louis de Broglie (1892-1987) a établi que les particules de matière ne se comportent pas seulement comme des corpuscules ponctuels, mais aussi comme des ondes avec une étendue spatiale. Trois ans plus tard, Nils Bohr (1885-1962) introduisait le concept de complémentarité pour résoudre le paradoxe de cette double représentation . Elles sont toutes deux valides, mais elles ne peuvent être observées simultanément. Dans notre cas, si nous observons le niveau cellulaire, le phénomène émergent que constitue le glisseur disparaît. Réciproquement, si l’on observe le glisseur comme une unité, c’est l’aspect cellulaire qui disparaît. En d’autres termes, les représentations causales et visuelles sont ici complémentaires mais mutuellement exclusives. Dans cette perspective, l’émergence serait, en quelque sorte, une forme de manifestation macroscopique du paradoxe de la dualité onde-particule.
3.4 La loi de variation-stabilisation
La question est maintenant de mieux comprendre le principe qui régit l’émergence et l’évolution de cette complexité créatrice. Ce principe réside dans la dualité de deux classes de processus qui s’appliquent de façon continue et en parallèle à tous les niveaux d’une pyramide de complexité : variation et stabilisation .
L’évolution provient de la co-stabilisation dynamique des structures en formation qui se spécifient les unes les autres. Considérons un système comprenant un ensemble d’éléments qui sont susceptibles d’adopter un grand nombre de configurations différentes. Sous l’action de fluctuations qui permettent au système de quitter les états d’équilibre, les variations aléatoires des configurations engendrent des structures transitoires qui relèvent d’un niveau supérieur. En d’autres termes, des structures nouvelles émergent et se distinguent de leur environnement du fait de leurs propriétés. Selon les cas, la dynamique globale du système va relever de l’une des quatre classes de complexité que nous avons présenté (cf. section 2). Ainsi, à la frontière entre l’ordre et le chaos, certaines structures se stabilisent, au sens où elles perdurent pendant une durée plus ou moins longue. Ce processus de stabilisation dynamique peut être assimilé à une forme généralisée de « sélection naturelle » fondée sur la satisfaction des contraintes liées à l’environnement . En effet, il fait intervenir les propriétés des structures en formation et celles des autres structures qui, vis à vis d’elles, constituent le milieu. On parle alors de co-évolution structurale. Ce nouvel échelon de complexité est lui-même soumis au principe de variation-stabilisation qui s’applique donc à tous les niveaux entremêlés de la pyramide de complexité.
4 Conclusion
Dans cet article, nous avons abordé la création au sens de l’émergence d’un tout complexe composé à partir d’éléments pré-existants et qui transcende sa propre nature. Nous avons montré au travers d’expérimentations réalisées avec un automate cellulaire, qu’elle ne peut survenir que si l’environnement est propice à la génération d’une grande diversité de formes transitoires, puis à la stabilisation de celles adaptées à cet environnement. Les conditions propices à de tels phénomènes ne sont possibles qu’au niveau de la mince frontière qui sépare le chaos de l’ordre. En effet, il n’y a qu’à cette frontière où le mélange subtil entre le chaos, générateur de diversité, créateur de formes éphémères, et l’ordre stabilisateur, capable de mémoriser l’information, peut aboutir à de nouvelles structures aptes à s’adapter et co-évoluer avec cet environnement. La création ne peut donc être le résultat du seul hasard. Elle ne peut, non plus, relever d’un ordre créationniste dont nous espérons avoir pointer son incompatibilité avec le comportement auto-organisateur de la complexité. Rien ne peut être créé qui soit une existence ultime ou indépendante, à l’instar de la tradition boudhique où tout est « dénué » d’existence indépendante parce que tout ce produit de manière codépendante .
Il y a près de deux mille cinq cents ans, le philosophe grec Démocrite écrivait : « Tout arrive par hasard et nécessité. » Plus récemment, le biologiste Jacques Monod titrait son ouvrage « Le hasard et la nécessité. » Ils ont tous deux lié ces deux notions dans une même phrase. Le hasard c’est la variation, la fluctuation génératrice de diversité. La nécessité c’est la stabilisation, la tendance naturelle de tout système physique à évoluer vers un état d’équilibre. Pour comprendre la richesse de la nature, ces deux notions sont indispensables et intimement mêlées : « hasard et nécessité coopèrent au lieu de s’opposer. »

2007-11-25T12:30:00.001-08:00

2007-11-18T09:51:00.000-08:00

Los investigadores se inspiran cada vez más en la naturaleza para la creación de robots, según 'Science'.
Haciendo que reproduzcan comportamientos de animales y humanos podemos llegar a entender muchos mecanismos.
Minuteca todo sobre:
Robots
Para construir un mejor robot, los científicos miran cada vez más a la naturaleza, fabricando máquinas que se mueven e interactúan socialmente con cucarachas o toman decisiones como humanos. Los nuevos diseños, recogidos en la última entrega de la revista Science, sugieren que la ciencia robótica está finalmente alcanzando a la ciencia ficción.Un equipo de investigadores europeos, encabezados por Jose Halloy de la Universidad Libre de Bruselas, ha creado por ejemplo robots del tamaño de cucarachas, que huelen como ellas y pueden interactuar con los insectos que los inspiraron.
Se trata de una herramienta para explorar los mecanismos de toma de decisiones en animales que viven en grupo"Las cucarachas robot se infiltraron en el grupo de animales reales e influyeron en su conducta. "Lo que es nuevo aquí es que el robot es autónomo, no es controlado de manera remota por seres humanos, y actúa a un nivel social en un grupo de insectos vivientes", ha explicado Halloy.
"Los vemos como una herramienta para explorar los mecanismos de toma de decisiones en animales que viven en grupo", indicó Halloy.
En otro artículo del especial de Science el investigador Rolf Pfeifer, de la Universidad de Zúrich, describe robots que imitan a insectos, arañas, serpientes, langosta, perros, monos y, por supuesto, humanos. Autómatas que permiten estudiar diferentes patrones de comportamiento, movimiento, orientación, imitación y cooperación.Robots con sentido del tactoGerarld Edelman del Instituto de Neurociencia de San Diego ha pasado los últimos 20 años trabajando en dispositivos basados en el cerebro que simulan la actividad de ese órgano humano. "Por supuesto, el número de neuronas y sinapsis es mucho menor. Pero si lo haces bien, realmente funciona para propósitos sofisticados, como la percepción y la memoria episódica".
En un artículo publicado en la revista científica, Edelman describe el funcionamiento de Darwin VII, un robot equipado con cámaras micrófonos y un sensor capaz de detectar cómo diferentes bloques metálicos conducen la electricidad, un proceso con el que los investigadores simulan el sentido del gusto.
El robot es capaz de aprender y detectar con antelación qué "bloques saben bien" (conducen bien la electricidad) y cuáles no. Una versión posterior del mismo ingenio, el Darwin X, es capaz de detectar una plataforma oculta en un experimento similar al que se realiza en laboratorios con ratas. Para ello usa un sensor de infrarrojos.

Artículos relacionados
Corea del Sur anuncia que creará dos parques temáticos dedicados a los robots (14/11/07)
Un robot humanoide logra integrarse como un niño más en una guardería (06/11/07)
Los niños tratan a los robots de igual a igual (06/11/07)
Los robots le dan al balompié (22/10/07)
Pixar y Disney buscan enternecer a toda la familia con el robot basurero Wall-E (21/10/07)
Un robot podrá ser tu marido en 2050 (19/10/07)

2007-11-18T09:47:00.000-08:00

La 'orquesta de portátiles' creada por la Universidad de York da su primer concierto
20MINUTOS.ES / AGENCIAS. 16.11.2007 - 12:07h

http://www.20minutos.es/noticia/307560/0/concierto/orquesta/portatiles/

Los estudiantes de música interpretaron tres piezas.
Tocaron varias melodías, y una de ellas fue improvisada.
Lo hicieron pulsando teclas o haciendo movimientos de mano que eran recogidos por el ordenador.
Vestidos de riguroso negro como los concertistas profesionales pero equipados con instrumentos muy distintos a los tradicionales. Así se presentaron ayer ante el público cincuenta estudiantes de música de la Universidad de York (Inglaterra) para participar en la primera actuación de la orquesta de portátiles del centro educativo.
Existía el peligro de que pareciésemos una cincuentena de personas escribiendo correos electrónicos
Los intérpretes siguieron atentos los gestos de Ambrose Field, que desde el podio de director les indicaba cuántas veces hacer clic con el ratón de sus respectivos ordenadores. En ocasiones, los intérpretes hacían gestos con las manos que, filmados por unas cámaras incorporadas a los portátiles, se convertían en sonidos debidamente amplificados.En una de las tres composiciones escritas especialmente para ese concierto, los ordenadores hicieron de contrapunto a un trompetista de jazz. Aunque una de las piezas, compuestas por el propio Field y dos estudiantes graduados, era una improvisación, el resto se ajustaba al pentagrama tradicional. La obra de Field, titulada "1906", combinaba una película antigua de Thomas Edison con sonidos nuevos generados por ordenador. Según comentó el director, "existía el peligro de que pareciésemos una cincuentena de personas escribiendo correos electrónicos al mismo tiempo, pero creo que logramos evitarlo".

2007-01-10T04:55:00.000-08:00

:: ENTROPY::

The concept of entropy arose in the physical sciences during the nineteenth century, particularly in thermodynamics and statistical physics, as a measure of the equilibria and evolution of thermodynamic systems. Two main views developed: the macroscopic view formulated originally by Carnot, Clausius, Gibbs, Planck, and Caratheodory and the microscopic approach associated with Boltzmann and Maxwell. Since then both approaches have made possible deep insights into the nature and behavior of thermodynamic and other microscopically unpredictable processes. However, the mathematical tools used have later developed independently of their original physical background and have led to a plethora of methods and differing conventions.

The aim of this book is to identify the unifying threads by providing surveys of the uses and concepts of entropy in diverse areas of mathematics and the physical sciences. Two major threads, emphasized throughout the book, are variational principles and Ljapunov functionals. The book starts by providing basic concepts and terminology, illustrated by examples from both the macroscopic and microscopic lines of thought. In-depth surveys covering the macroscopic, microscopic and probabilistic approaches follow. Part I gives a basic introduction from the views of thermodynamics and probability theory. Part II collects surveys that look at the macroscopic approach of continuum mechanics and physics. Part III deals with the microscopic approach exposing the role of entropy as a concept in probability theory, namely in the analysis of the large time behavior of stochastic processes and in the study of qualitative properties of models in statistical physics. Finally in Part IV applications in dynamical systems, ergodic and information theory are presented.

The chapters were written to provide as cohesive an account as possible, making the book accessible to a wide range of graduate students and researchers. Any scientist dealing with systems that exhibit entropy will find the book an invaluable aid to their understanding.

Andreas Greven and Gerhard Kellerare Professors of Mathematics at the University of Erlangen. Gerald Warnecke is Professor of Numerical Mathematics at the University of Magdeburg.

Endorsement:

"This book is that rare thing: an edited volume that will be a lasting contribution to the literature."--Ray Streater, King's College

Link:

For more information on this book, visit the author's site at: http://www-ian.math.uni-magdeburg.de/home/warnecke/
Series:

Princeton Series in Applied Mathematics
Ingrid Daubechies, Weinan E, Jan Karel Lenstra, and Endre Süli, Editors
Subject Areas:

Mathematics
Physics

2007-01-10T04:48:00.001-08:00

LEXIQUE DES TERMES DE LA COMPLEXITE

Le petit lexique des termes de la complexité

(constitué par Serge DIEBOLT à partir des travaux de Jean-William LAPIERRE et Jean-Louis LE MOIGNE ;
qu'ils en soient remerciés)

Algorithme : procédé de calcul, série d'énoncés indiquant les opérations à faire pour obtenir un certain résultat recherché
Ambivalence : propriété consistant à unir deux valeurs contraires. Exemple : l'amour et la haine dans les relations avec autrui (ambivalence des sentiments) ; le bien et le mal dans une action (conduite ambivalente) ; des dispositions favorables et défavorables dans une attitude (attitude ambivalente) ; la conservation et la destruction du système dans une stratégie double ; une prescription dont la réalisation entraîne sa satisfaction et sa contrariété ("soyez spontané")
Anomie : terme employé par Durkheim pour signifier l'absence, la confusion ou la contradiction des règles sociales, sont résulte une désorientation des cellules individuelles et collectives, et une désorganisation du groupe
Anthropomorphisme : représentation sous une forme humaine des dieux, animaux, phénomènes naturels. Exemple : représenter une ruche d'abeilles comme une société humaine, avec une "reine", des "ouvrières".
Asynchronisme : décalage dans le temps, manque ou absence de synchronisation. Tous les systèmes sociaux d'une même société ne changent pas en même temps (voir synchronique)
Axiologie : réflexion sur les valeurs ; étude des axiomes ; affirmation et justification d'un système de valeurs et de normes. Un processus orienté vers des valeurs peut être dit axiologique.

Behaviourisme : théorie selon laquelle on ne peut connaître scientifiquement que les comportements individuels ou collectifs objectivement observables et on doit les expliquer comme des réponses ou réactions à certaines excitations (stimuli) provoqués par des agents extérieurs. Cette explication établit un rapport de cause à effet entre le stimulus et le comportement étudié. Elle exclut la rétroaction et la téléonomie.

Complexité : Définition usuelle
Ce n'est pas tant la multiplicité des composants, ni même la diversité de leurs interrelations, qui caractérisent la complexité d'un système : tant qu'ils sont pratiquement et exhaustivement dénombrables on sera en présence d'un système compliqué (ou hypercompliqué), dont un dénombrement combinatoire pourrait permettre de décrire tous les comportements possibles (et par là de prédire son comportement effectif à chaque instant dès que la règle ou le programme qui les régit est connue) : en termes mathématico-informatiques on dit alors qu'on est en présence d'un "problème polynomial" ("P. Problem").
C'est l'imprévisibilité potentielle (non calculable a priori) des comportements de ce système, liée en particulier à la récursivité qui affecte le fonctionnement de ses composants ("en fonctionnant ils se transforment"), suscitant des phénomènes d'émergence certes intelligibles, mais non toujours prévisibles. Les comportements observés des systèmes vivants et des systèmes sociaux fournissent d'innombrables exemples de cette complexité. Pendant deux siècles, la science positive a semblé "baisser les bras" devant ces phénomènes, préférant ne vouloir connaître que le "scientifiquement prévisible" ou calculable, avant que G. Bachelard ne lui rappelle "son idéal de complexité" qui est de rendre le merveilleux intelligible sans le détruire. En introduisant le concept de "complexité organisée" en 1948, W. Weaver allait réouvrir de nouvelles voies à "l'intelligence de la complexité" que P. Valéry avait déjà définie comme "une intelligible imprévisibilité essentielle". Edgar Morin, à partir de 1977 ("La Méthode", T. I) établira le "Paradigme de la complexité" qui assure désormais le cadre conceptuel dans lequel peuvent se développer nos exercices de modélisation des phénomènes que nous percevons complexes ("point de vue") : une complexité à la fois organisée et, récursivement, organisante.
Cybernétique : science et technique des systèmes capable d'autorégulation programmée grâce à des processus de réception et de traitement de l'information, et à des boucles de rétroaction. L'appareil de pilotage automatique des avions, le thermostat d'une chaudière ou le régulateur d'une centrale sont des machines cybernétiques (voir servomécanisme)

Décision : Définition usuelle
La décision est entendue d'abord comme "une activité de l'esprit et son résultat" (Action de décider quelque chose, de ce décider après délibération), parfois comme une disposition de l'esprit ("agir avec décision"). Elle décrit aussi le seul résultat, sous la forme d'une instruction ou d'un arrêté.
Mais l'usage confond souvent le processus d'élaboration de la décision avec son moment final, le choix pour la signature. C'est pourquoi, l'anglo-saxon distingue volontiers le processus de son résultat (H.A. Simon ne parle que du "Decision-making Process"), alors que les théories dites mathématiques de la décision ne portent que sur le "choix final" (théorie du choix rationnel).
Diachronique : adjectif signifiant ce qui se prolonge, évolue ou se transforme dans le temps (par opposition : synchronique)
Dialectique : démarche de la pensée consistant à confronter des opinions, des assertions, des idées ou des thèses logiquement contraires ou contradictiores et à montrer comment elles sont liées en réalité par des relations de complémentarité, d'unité ou d'identité. Le concept de stratégie double est dialectique en ce qu'il désigne une manière d'agir qui, tout en conservant ou développant un système, tend à le détruire
Dysfonctionnement : perturbation de fonctionnement d'un organisme vivant ou d'un système social qui cesse de satisfaire à sa finalité (voir téléonomie) parce que certaines de ses fonctions sont mal remplies, voire plus du tout

Efficacité/Effectivité : Définition usuelle
Bien que le mot "effectivité" apparaisse dans le dictionnaire français avec la mention "rare" : "caractère de ce qui est effectif" ou en logique mathématique, caractérisant "un procédé effectif", il n'est pas encore complètement entré dans l'usage pour traduire, fort correctement, l'anglais "effectiveness". Sans doute parce que les dictionnaires français-anglais ont longtemps traduit "effectiveness" par efficacité ! Traduction qui a suscité et qui suscite encore bien des confusions car le mot efficacité traduit aussi un autre mot anglais, au sens sensiblement différent : "efficiency" (que l'on traduit parfois par "efficience", en précisant qu'il est alors synonyme d'efficacité !).
Il vaut mieux actuellement demander à l'étymologie plutôt qu'à l'usage, des repères stables pour définir ces deux mots qui expriment deux dimensions différentes de l'évaluation du comportement d'un système :
Effectivité : exprime la qualité de l'adéquation entre ce que l'on fait effectivement et ce que l'on voulait faire : l'effet est rapporté à la finalité (interprétation téléologique).
Efficacité : exprime la qualité de l'adéquation entre ce que l'on a fait ou produit (le résultat) et ce que l'on a consommé ou utilisé pour le faire (la ressource). L'effet du moyen est ici rapporté à sa cause (interprétation mécaniciste ou causaliste), sans égard aux finalités du système considéré. Rendement, productivité, rentabilité, efficience, sont les modalités usuelles de description de l'efficacité selon les domaines : ingénierie, gestion, finance, économie,...
Les deux définitions sont en quelque sorte "orthogonales" : l'effectivité évalue l'action par rapport à ses buts ; évaluation qui sera souvent qualitative ; alors que l'efficacité évalue le résultat de l'action par rapport à l'économie de l'action elle-même, évaluation qui pourra généralement être quantitative.
Ainsi on pourra simultanément manifester une grande efficacité (consommer 5 litres au cent lors d'un déplacement en automobile) et une piètre effectivité (se retrouver à Reims alors qu'on voulait aller à Rouen !). Le risque, on le voit, est de croire que l'on évalue une performance globale (effectivité) en ne mesurant que l'efficacité.
Endogène : adjectif désignant tout ce qui vient de l'intérieur, ce qui a son origine au-dedans de l'objet, de l'organisme, du système ou de l'ensemble étudié. Par opposition : exogène
Entité : l'essence (abstraite) d'un genre ou d'une catégorie d'êtres concrets. Exemple : un individu, un groupe existent concrètement ; un acteur dans un système est une entité. Ce qui est "essentiel" pour l'analyse est que l'individu ou le groupe agit, participe aux processus de la dynamique du système
Entropie : dans les transformations d'énergie, c'est la tendance vers un état de désordre moléculaire où l'énergie n'est plus utilisable sous forme de travail. Le deuxième principe de thermodynamique, établi par Carnot et Clausius, énonce cette tendance à la dégradation de l'énergie, le premier affirmant la conservation de la quantité d'énergie à travers les transformations ; si la quantité se conserve, la qualité (au point de vue de l'ingénieur) se dégrade car de plus en plus d'énergie se disperse en chaleur inutilisable. Ce concept a été emprunté à la physique par la biologie, l'économie, la sociologie où il a pris le sens général de tendance à la désorganisation ou à la déstructuration
Épistémologie : réflexion critique sur la connaissance, notamment sur la science, ses conditions de possibilité et de développement, ses principes et ses règles de méthode, ses limites. Le mot grec epistémè qui signifie "connaissance" est parfois employé en français pour signifier : mode de connaissance, manière de mener une recherche scientifique
État d'un système : étymologiquement, un état est une matière d'être à un moment donné. L'état d'un système se définit comme l'ensemble des valeurs de ses variables d'entrée, d'état ou de sortie à un moment donné du temps. C'est aussi la manière dont ses sous-systèmes interagissent à un moment donné. Les deux définitions sont liées : de l'interaction entre les sous-systèmes dépend la production de ce qui sort et la réception de ce qui entre. État stable : voir stabilité
Ethnocentrisme : tendance à interpréter et à évaluer les comportements et les rapports sociaux observés dans une autre société en se référant aux valeurs et aux normes de sa propre société considérée comme universelles.
Evolution : Définition usuelle
Transformation graduelle ou suite de transformations au fil du temps, conçues en général comme assez lentes. La définition implique qu'elle peut concerner tous les types de phénomènes pouvant être considérés, mais, en pratique, elle concerne le plus souvent les systèmes vivants ou animés observables par leurs formes (morphologie).
Cette expression des caractéristiques temporelles d'un phénomène s'est souvent exprimée par leur inscription spatiale (le mouvement des troupes sur le terrain ou la trajectoire d'un avion dans l'espace se décrivent par leur "évolution").
Le mot Evolution recouvre deux types de transformations temporelles : les évolutions discontinues telles que mutations ou changement de phases, sont perçues plus imprévisibles dans leurs résultats que les évolutions "continues" de type développement ou vieillissement. La "théorie des bifurcations" (qui interprète une "continuité visible" par une éventuelle "discontinuité invisible" dont l'issue est rarement prévisible) permet peut-être de relier ces deux conceptions.
Exogène : désigne ce qui vient de l'extérieur, ce qui a son origine en dehors de l'objet, de l'orgnisme, de l'ensemble ou du système étudié. Par opposition : endogène
Extrant : traduction française de l'anglais output, pour signifier ce qui sort (la plupart du temps un flux) du système (synonyme : variable de sortie)

Finalisation : Définition usuelle
Les dictionnaires contemporains ignorent encore ce substantif verbal, comme ils ignorent le verbe (et l'action de) finaliser, qui lui a donné naissance. Ils ne se réfèrent qu'au résultat de cette action : la finalité qui exprime l'adaptation de moyens à une fin. Définition qui ne précise pas lequel des deux termes doit ou peut s'adapter à l'autre, même si, dans les contextes usuels, il est tacitement entendu que la fin est donnée et invariante.
Le concept a pourtant une longue histoire dans nos cultures, depuis Aristote, pour qui "les fins occupaient une place centrale dans la logique" (dixit J. Dewey) à Kant, qui insistait : "un produit organisé de la nature est celui par lequel tout est fin et réciproquement aussi moyen". Il réapparaît progressivement grâce à la restauration du concept connexe de "téléologie" par la cybernétique (N. Wiener, 1943) : en 1974 le philosophe et épistémologue J. Ladrière introduisait le concept "d'auto-finalisation" ("... C'est une téléologie qui se construit. Il n'y a pas un "télos" posé à l'avance... un processus d'auto-organisation...". Depuis le concept de finalisation (et les concepts connexes d'auto-éco-finalisation) se développe progressivement, en particulier dans le champ de la modélisation systémique, accompagnant et illustrant celui de téléologie que les pragmatistes et les systémiciens ont restauré à partir de sa définition fondatrice par Kant. (Une science critique des processus de finalisation, démarche souvent tâtonnante d'interaction récursive transformant les fins et les moyens : "un système finalisé est finalisant" : c'est cette interaction complexe qui définit la finalisation.
Frontière : Définition usuelle
Initialement, la notion de frontière est définie par une limite ou une lisière "naturelle", observée dans un espace géographique limite dont le "franchissement" implique une décision délibérée ("Le Rubicon"). Le sens s'est très vite généralisé, et de "naturel", le sens du mot frontière est devenu conventionnel, caractérisant un franchissement entre deux domaines (concrets ou abstraits) perçus différents. Symboliquement la frontière "délimite" alors un domaine d'activité spécifique.
L'usage a alors développé deux interprétations, l'une de type ensembliste (quel que soit le modélisateur, tel élément ou composant est tenu pour intérieur ou extérieur à "la frontière"), l'autre de type systémique : la frontière est alors dessinée par le projet du modélisateur, elle n'est plus supposée "dans la nature", mais dans une représentation, a priori contingente. (L'exemple classique est celui des "frontières de l'entreprise" : inclut-elle ses personnels dans leur totalité, vie familiale ou civique incluse ?).
Il est difficile de parler de frontière temporelle, a priori toujours arbitraire. En revanche, il est souvent commode de parler d'horizon temporel, et les deux mots sont parfois échangés l'un pour l'autre.

Génome : ensemble des chromosomes et donc des gènes qui commandent l'organisation héréditaire d'un organisme vivant ou d'une espèce (le génotype)
Gouverne : vieux terme de marine signifiant l'ustensile, ancêtre du gouvernail et l'acte de s'en servir. Employé également par les politologues québécois comme Gérard Bergeron pour désigner l'action de gouverner un État en la distinguant de l'acteur (le gouvernement)
Graphe : ensemble de points et de lignes qui figurent des objets quelconques ayant entre eux, deux à deux, des relations quelconques (orientées ou non). La théorie des graphes est une branche de la théorie des mathématiques des ensembles qui étudie les propriétés formelles de cette sorte d'ensembles dans laquelle les éléments sont couplés. D'où la définition : la théorie des graphes est le domaine des la théorie des ensembles qui concerne les relations binaires d'une ensemble dénombrable avec lui-même. La théorie des graphes a connu des prolongements, notamment la théorie des hypergraphes, qui autorise des relations multiples sur un même plan ou au sein de couches hiérarchisées
Holistique : désigne la manière de considérer globalement une totalité au lieu de la considérer comme un assemblage de parties. Le postulat est que le tout a des propriétés irréductibles à la somme des propriétés de ses parties
Homéostasie : mot forgé par Walter B. Cannon pour signifier la capacité qu'a un organisme vivant de maintenir dans un état stable certaines de ses variables internes malgré les variations du milieu extérieur grâce à des processus prysiologiques de régulation. L'exemple classique est celui de la température interne du cops humain ; elle varie au cours de la journée mais ses variations sont limitées à quelques dixièmes de degrés au-dessus et au-dessous de 37°. "Peut-être une étude comparative montrerait que toute organisation complexe doir avoir des ajustements autocorrectifs afin de prévenir un arrêt de son fonctionnement ou une rapide désintégration de ses parties quand elle est sujette à un fort stress"

Information : Définition usuelle
Avant d'être définie comme un "produit" ou un "fait", l'information est d'abord définie comme une action (un "faire") :
- Action de donner ou de recevoir une forme.
- Action d'une personne qui fait savoir à d'autres quelque chose sur... quelque chose ou quelqu'un.
- Action de s'informer, de recueillir des renseignements sur...
Par extension l'information devient "l'ensemble des activités de collecte, de traitement et de diffusion de "nouvelles"... qu'on appelle récursivement des informations !
L'action devient alors "produit", connaissances concernant un sujet déterminé, lesquelles sont susceptibles d'être re-présentées à l'aide de conventions (qui sont à leur tour des connaissances !) afin d'être conservées, traitées ou communiquées.
Cette définition complexe et pourtant familière conduit à caractériser l'information entendue dans sa généralité par un schéma ternaire, une forme (physique ou syntaxique) qui, émise intentionnellement par au moins un émetteur qui lui attribue une signification (sémantique) est susceptible de transformer la représentation du contexte donc dispose son récepteur (pragmatique). G. Bateson, dans une formule succincte devenue célèbre, dira "l'information est une différence qui engendre une différence" (signe physique, objet qui transforme, pragmatique, une connaissance représentée, sémantique, le modèle mental du receveur).
Ces trois composantes sont distinguables mais ne sont pas séparables. Le récepteur peut privilégier telle ou telle d'entre elles, il ne peut éliminer les autres. C'est ainsi que le même objet perçu forme (signe physique) (par exemple une commande client) sera tenu pour une banale "donnée" (ou data) sans intérêt par ce directeur général, pour une connaissance (ou savoir) intéressante par tel collaborateur, et pour une information décisive ("feed back informationnel") appelant une action immédiate par tel autre.
On ne peut donc déterminer a priori à laquelle de ces trois composantes telle information doit être exclusivement attachée.
La théorie mathématique de la communication de C. Shannon a permis en outre de mettre en valeur le fait que le mode de transmission de l'information (le canal) affectait sa forme physique et par là concernait potentiellement sa signification et son interprétation : l'introduction de W. Weaver qui met cet argument en valeur est perçu si important qu'on désigne depuis 1948 cette théorie sous les noms conjoints de "Shannon et Weaver".
Cette complexité du concept d'information est devenue plus intelligible par les développements récents des théories de l'organisation et de la complexité (E. Morin...) :
"L'organisation, informée, devient informante" (autrement dit engendre des informations qui potentiellement la trans-formeront) ;
"L'information forme l'organisation qui la forme".
Interprétations qui incitent à privilégier la production et l'action de l'information plutôt que son état (et qui a connu d'importantes généralisations analogiques dans le domaine de la biologie génétique).
Les travaux sur la mesure de la quantité et de la valeur de l'information (pour la plupart dérivés des interprétations thermodynamiques suggérées par C. Shannon puis L. Brilloin), n'ont à ce jour suscité que des illustrations métaphoriques n'autorisant pas de mesure quantitative opérationnelle. En revanche, bien sûr, on a su très vite mesurer le "poids" de la composante physique (le nombre de bits), mais cette indication, précieuse pour traiter des questions de débits de transmission et de volumes de mémorisation, ne dit rien quant à la "quantité" ou la valeur de l'information entendue dans sa complexité.
Input : voir intrant
Interdisciplinarité : selon Basarab Nicolescu, "concerne le transfert des méthodes d'une discipline à l'autre... (mais dont) la finalité reste aussi inscrite dans la recherche disciplinaire" (La transdisciplinarité, Manifeste, Ed. du Rocher, 1996) - à distinguer de la pluridisciplinarité et de la transdisciplinarité
Intrant : traduction française de input désignant ce qui entre dans un système (sysonyme : variable d'entrée)

Modèle : Définition usuelle
Initialement le modèle fut "la référence" à imiter ou à reproduire, l'exemple ; puis il devint progressivement le résultat de cette imitation : du "modèle du peintre" on passe au "modèle" (ou à l'image, ou à la re-présentation ! que le peintre a établie... du "modèle du peintre". Bien que les deux significations soient aujourd'hui en usage elles ne se concurrencent guère. La recherche scientifique s'est progressivement approprié le concept de modèle au cours du XXe siècle par l'intermédiaire sans doute de son usage dans les "arts et métiers" : modèle réduit, ou maquette), et elle l'utilise couramment aujourd'hui pour désigner les "représentations" des phénomènes qu'elle cherche à comprendre ou à expliquer. Le modèle est alors un "système de symboles" (indifféremment et simultanément graphique, discursif, mathématique, iconique) dont l'extrême souplesse potentielle permet de rendre compte de la plupart des perceptions dont on dispose lorsqu'on souhaite décrire un phénomène (observé ou imaginé) afin de l'interpréter intelligiblement : des systèmes de notation mathématiques aux systèmes de notation musicale ou chorégraphique par les systèmes de notation chimique comme par les systèmes d'écriture les plus divers, chacun d'eux se dotant de règles d'articulation ou de grammaires aisément connaissables, la "méthode des modèles" ouvre des espaces immenses à l'investigation de type scientifique, sans contraindre la représentation par un langage trop "fermé". Plutôt que de "commencer par simplifier", l'observateur peut aujourd'hui "commencer par modéliser", et ceci de façon intelligible, reproductible et communicable, dès que l'on veille à expliciter "les règles du jeu de la modélisation" ("les principes de la modélisation systémique", ou les "préceptes de la modélisation analytique, par exemple"), le premier d'entre eux étant d'expliciter toujours le projet de l'observateur concepteur qui élabore ou qui interprète le modèle considéré. Les développements des méthodes de programmation informatique et la prodigieuse ouverture de l'espace symbolique permis par la technique des écrans-fenêtres (libérant de la symbolique pauvre et limitée du "clavier" traditionnel), ouvre à la méthode des modèles le champ des simulations les plus diverses, permettant de concevoir et d'évaluer les comportements spatio-temporels des phénomènes modélisés.
Mobilité sociale : passage d'une personne d'un rang de la hiérarchie sociale à un autre, d'une position de stratification sociale à une autre, supérieure (mobilité ascendante), ou inférieure (mobilité descendante). Statistiquement, dans une population donnée, on peut calculer le taux de mobilité, soit d'une génération (position des pères) à l'autre (position des fils et filles), soit dans une même génération (changement de position des mêmes personnes au cours de leur vie)
Modélisation : Définition usuelle
Opération par laquelle on établit un modèle d'un phénomène, afin d'en proposer une représentation ? interprétable, reproductible et simulable.
Modélisation systémique : Définition usuelle
La modélisation systémique caractérise une des grandes méthode de modélisation contemporaine, ("modéliser un phénomène perçu ou conçu complexe comme et par un système en général"). Elle veille à expliciter "les points de vue" que se propose l'observateur-concepteur qui la met en oeuvre et à souligner son propre projet, qui est de proposer une des formes de compréhension intelligible du phénomène sans prétendre "l'expliquer" (cela se passe "comme si", et non : cela se passe "comme cela, et seulement comme cela"). Elle est donc "explicitement fondée sur deux hypothèses de base :
- phénoménologique : elle cherche à rendre compte des fonctions et fonctionnements du phénomène : attitude du physiologiste plutôt que de l'anatomiste.
- téléologique : elle cherche à expliciter les finalités (qui peuvent être de type causal strict, le système ayant alors pour fin d'obéir aux lois externes qui le commanderaient !) qu'elle attribue au phénomène modélisé en veillant à les différencier explicitement des finalités de l'observateur-concepteur. Elle sera donc plus attentive à la "cohésion" (ou congruence) sémantique qu'à la "cohérence" formelle du système modélisé. (Exemple classique de la "double négation", le contraire du contraire d'un énoncé peut n'être pas exactement ni uniquement cet énoncé d'origine).

Morphogénèse : éthymologiquement, naissance d'une forme. En biologie, ensemble des processus de formation et de transformation des tissus, des organes au cours de la vie d'un organisme depuis la cellule reproductrice. En sociologie, processus d'autotransformation par lequel est crée une nouvelle forme d'organisation
Multistabilité : capacité qu'a un système de se maintenir en état stable de plusieurs manières différentes, par diverses modifications des interactions entre sous-systèmes

Néguentropie : littéralement, entropie négative. Évolution d'un système des transformation d'énergie donc l'entropie diminue, contrairement au deuxième principe de la thermodynamique, soit par un apport d'énergie nouvelle, soit par un apport d'énergie organisatrice. Plus généralement : tendance à l'organisation, par opposition à l'entropie, tendance à la désorganisation

Organisation : Définition usuelle Action d'organiser et de s'organiser et résultat de cette action : la définition des dictionnaires rappelle en peu de mots la richesse... et l'intelligible complexité de ce concept formé par la médecine du XVe siècle pour rendre compte de l'activité multiforme de ce "système d'organes" qu'est un système vivant. Depuis le mot s'est déployé dans toutes les disciplines, se stabilisant parfois pour ne désigner que "la chose organisée" (la structure, ou l'ensemble structuré d'une machine ou d'une institution sociale). Mais il apparaissait vite que l'organisé, s'il se "désorganisait" souvent lorsqu'on n'y prenait pas garde, était aussi "organisant" et même "s'organisant" : l'idée d'auto-organisation était déjà dans les premiers usages du mot, en particulier au début du XIXe siècle, avant que les théories de "l'organisation dite scientifique du travail" (OST) ne semblent la pétrifier au début du XXe : l'essor de la cybernétique puis de la systémique allait redonner à l'usage du concept d'organisation la vigueur et la complexité qu'on lui connaît aujourd'hui.
"Quelle est cette énigme dans cet univers de catastrophes, de turbulences, de dispersion, et qui apparaît dans la catastrophe, la turbulence, la dispersion ? L'organisation.

E. Morin. 1977.

La définition synthétique la plus complète dont nous disposions aujourd'hui est celle formulée par E. Morin dans "La Méthode" : propriété d'un système capable à la fois de maintenir et de se maintenir, et de relier et de se relier, et de produire et de se produire. Définition fonctionnelle et systémique, qui permet d'échapper aux descriptions de la "structure" présumée invariante et quasi indépendante de l'activité du système, que privilégiaient les définitions analytiques ou anatomiques classiques ; définition qui incite à considérer les structures dans leur permanente genèse, ainsi qu'y invitait J. Piaget ; définition qui permet aussi de rendre compte de la dualité de cette "génétique organisationnelle" : l'organisation est conjonction de "différenciation" (en composants fonctionnels spécifiques) et de "coordination" (ou d'"intégration"), construisant son "identité-intégrité" dans cette conjonction.
"L'organisation, la chose organisée, le produit de cette organisation et l'organisant sont inséparable".

P. Valéry (1920).

Les représentations de l'organisation seraient donc toujours des "coupes" à l'instant t, dans une histoire dont l'organisation peut souvent garder mémoire : les réseaux articulés des processeurs en interrelation par lesquels on la représente commodément devant s'entendre dans cette "chronique".

Output : voir extrant

Paradigme : éthymologiquement : exemple à imiter. En grammaire française, le verbe "aimer" est le paradigme de la conjugaison de tous les verbes du premier groupe dont l'infinitif se termine en -er ; tous les verbes du premier groupe ont donc une conjugaison similaire à celle du verbe "aimer". L'épistémologie contemporaine emploit ce mot pour désigner, soit une manière de concevoir les phénomènes par analogie avec un objet technique (l'horloge, paradigme de la conception mécaniste de l'explication) ; ou bien des concepts ou des énoncés théoriques transposés par analogie d'une discipline à une autre (l'homéostasie, paradigme des sciences sociales transposé de la biologie) ; ou bien d'un ensemble de postulats et de principes qui orientent la pensée scientifique pendant une certaine période vers son développement (le paradigme du rationalisme cartésien). Edgar Morin l'emploie dans le sens d'une sorte de point de vue subjectif à partir duquel l'individu s'informe du monde qui l'entoure et l'informe à son tour rétroactivement. C'est donc à la fois un contenu et un contenant, un résultat et un processus créateur.
Pluridisciplinarité : Selon Basarab Nicolescu, "concerne l'étude d'un objet d'une seule et même discipline par plusieurs disciplines à la fois" (La transdisciplinarité, Manifeste, Ed. du Rocher, 1996) - à distinguer de l'interdisciplinarité, mais aussi de la transdisciplinarité.
Polysémie : propriété qu'a un signe ou un mot de pouvoir prendre plusieurs significations
Potlatch : distribution ostentatoire de biens d'un groupe à un autre au cours d'une fête ; ce don est un défi : il implique pour celui qui le reçoit l'obligation de donner plus tard à son tour l'équivalent sous peine de perdre la face et de descendre dans la hiérarchie de prestige. Des pratiques analogues ont été observées par les ethnographes dans beaucoup de sociétés à travers le monde : c'est une forme d'échange liée à une rivalité pour le prestige. Un vestige dans nos sociétés est une obligation de "rendre une invitation".
Proaction : opération par laquelle ce qui sort du système dépend moins des variables d'entrée et des boucles de rétroaction que de la capacité d'anticiper ce qui va de cet extrant dans l'environnement et pour le système (par opposition à rétroaction)
Problématique : ensemble des questions qu'un chercheur se pose sur les objets ou phénomènes qu'il a choisi d'étudier et des réponses hypothétiques qu'il va mettre à l'épreuve d'une vérification méthodique.
Processus : séquence de phénomènes dynamiques (mouvements, réactions chimiques, activités cellulaires, opérations techniques, actions ou comportements, interactions humaines) menant à des résultats déterminables. En analyse des systèmes : tout changement dans le temps de matière, d'énergie ou d'information qui se produit dans le système, traitant ces variables d'entrée et les menant aux variables de sortie.
Programme : liste ou séquence d'instructions codées par lesquelles un utilisateur commande à une machine de traiter l'information dont il dispose afin d'aboutir à un résultat donné. Un processus ou un système programmé sont commandés par un programme exogène ; ils exécutent des instructions dont ils ne sont pas les auteurs ; ils ne décident pas.
Propriété émergente : propriété nouvelle et non triviale (c'est-à-dire non dérivable d'une série d'axiomes donnés a priori) d'un système plus complexe par rapport aux systèmes moins complexes qui en sont dépourvus

Représentation : Définition usuelle
Action de représenter et résultat de cette action.
Le mot se prête ainsi, par sa puissance métaphorique à de très nombreuses définitions selon les contextes où il est utilisé.
On ne retiendra ici que celle retenue par la théorie de la connaissance et les sciences de la cognition, qui en fait un proche synonyme du concept de modélisation, tout en lui donnant plus de généralité : une formule de P. Ricoeur en rend compte :
"Pour qu'un mouvement soit volontaire, il faut que sa représentation précède son exécution".
Même dans ce cadre relativement spécifique, le mot reste sémantiquement très riche :
Son interprétation sera donc attentive à une distinction, introduite par le philosophe et logicien J. Ladrière, entre la "représentation diplomatique" (passive, si transparente) et la "représentation théâtrale (active, le rôle du médiateur ou de l'acteur étant considéré comme essentiel à la qualité de la représentation entendue comme une interprétation plutôt que comme une duplication ou une imitation.
Rétroaction : traduction de l'anglais feed back. Action des variables de sortie d'un système sur ses variables d'entrée, soit directement (flux autonome), soit indirectement par l'intermédiaire de l'action de ses variables de sortie sur les variables d'entrée de certains systèmes de son environnement, sous condition d'entrée d'information sur le résultat de cette action. La boucle de rétroaction est la séquence :
variable de sortie du système considéré
variable d'entrée d'un système de l'environnement modifié par 1.
variable de sortie de ce système modifié par 2.
variable d'entrée du système considéré modifié par 3. + information sur la relation entre 1. et 3.

Schyzophrénie : maladie mentale par laquelle le malade perd le contact avec le monde extérieur et vit dans un monde intérieur plus ou moins cohérent créé par lui sans référence au réel
Sémantique : branche de la linguistique qui étudie le sens des mots et son évolution (par opposition à la phonétique qui n'étudie que leur son)
Servomécanisme : ensemble mécanique asservi à une information extérieure qui lui permet de corriger ses erreurs
Stabilité : capacité qu'a un système de ne pas trop s'écarter d'un état (voir état d'un système) normal, c'est-à-dire conforme à la téléonomie, quelles que soient les variations de son environnement. La sélection des variables d'entrée, avec rejet de celles qui seraient trop perturbantes, est une des conditions de la stabilité. Un état stable n'est donc pas un état statique ou stationnaire ; il peut varier dans certaines limites autour d'une norme (au sens de valeur normale).
Stratarchie : éthymologiquement, commande par une strate ou couche ou d'une stratification sociale ou politique. Ce mot est employé par Vincent Lemieux pour désigner une des formes de connexité de la structure d'un système politique : la forme dans laquelle certains acteurs liés ou coalisés (par exemple, une majorité parlementaire composée de plusieurs partis alliés), qui ont entre eux des relations de pouvoir bilatérales, exerce un pouvoir (relation unilatérale) sur d'autres acteurs (par exemple, les partis de la minorité). L'éthymologie bâtarde de ce mot prête à confusion : avec une éthymologie uniquement grecque, Cornélius Castoriadis emploie ce mot signifier un régime dans lequel le pouvoir réel est exercé par l'armée (stratos, en grec).
Stratégie : plan des opérations nécessaires pour atteindre un objectif. Cette notion peut être étendue à l'art politique, à la gestion d'entreprises et généralement à la conduite des acteurs d'un système social. Une stratégie double est celle où, paradoxalement, les actions menées pour atteindre un objectif contribuent aussi à en atteindre un autre qui est contraire au premier. "La stratégie est double non seulement parce qu'elle combine les conduites contraires, mais parce qu'elle est d'une même élan stratégie de reproduction et stratégie de destruction du système" (Yves Barel). Peut être réalisée par des tactiques parfois localement contre-productives.
Synchronie : désigne les phénomènes ou processus se produisant en même temps, ne se succédant pas (par opposition à diachronie).
Stratificaiton sociale : par analogie avec les couches ou strates géologiques d'un terrain, on peut représenter une société comme divisée en couches ou strates superposées, depuis les couches supérieures (dominantes, dirigeantes, prestigieuses) jusqu'aux couches inférieures (dominées, dirigées, humbles ou modestes) en passant par les couches dites moyennes. Cette division de la société s'opère selon divers critères qui ne se correspondent pas toujours : économiques (richesses), politiques (pouvoir), culturels (savoir, maîtrise des rites et des symboles), voire biosociaux (sexe, âge). La position sociale d'une personne est son appartenance à une couche sociale. La mobilité consiste à en changer.
Système : Définitions usuelles (le pluriel est nécessaire car il y en a plusieurs !).
"Constructions de l'esprit agençant propositions, principes et conclusions qui forment un corps de doctrine, ou une construction théorique qui rend compte d'un vaste ensemble de phénomènes".

"Ensemble de concepts présentés sous une forme coordonnée selon une règle donnée".

"Méthode de classification fondée sur l'emploi d'un nombre restreint de critères.

"Ensemble de méthodes ou d'appareillages organisés et de pratiques et procédés, permettant d'assurer des fonctions définies (en vue de résultats)".
Depuis Condillac ("Traité des Systèmes", 1754), "le système est ce qui permet à l'esprit humain de saisir l'enchaînement des phénomènes"). Mais l'audience du concept d'ensemble mathématique depuis un demi siècle a fréquemment conduit l'usage récent à une "réduction" de la notion de système à la notion d'ensemble ("un système est un ensemble ordonné d'éléments abstraits..."), ce qui a souvent stérilisé en pratique les développements contemporains d'une théorie puis d'une science des systèmes : si "le système est un ensemble, on n'a nul besoin d'une théorie des systèmes : la théorie des ensembles est bien construite et elle fera l'affaire sans s'encombrer de synonymes redondants !). Un retour aux sources des définitions usuelles (l'Encyclopédie de Diderot d'Alembert y consacrait un long article de 40 pages !) s'avèrera en pratique fort bienvenu, surtout si l'on souhaite prendre en compte les développements récents des sciences de la complexité (récursivité, émergence, auto-organisation, évolutivité, imprévisibilité, etc.).

Système général : Définition usuelle
Concept fondateur de la systémique qui apparaît dès le XVIIIe siècle (Encyclopédie de Diderot d'Alembert) pour désigner les "systèmes symboliques de notation musicale"). Le mot sera repris et relancé à partir de 1950 par le biologiste théoricien L. Von Bertalanffy qui voulait rendre compte dans le même langage des systèmes artificiels (ou mécaniques, fermés disait-il) et des systèmes naturels (biologique ou ouverts). On prendra conscience peu à peu que ce concept est directement héritier de la rhétorique antique, science de l'argumentation, et plus particulièrement de sa composante principale : "L'inventio". On la présente aisément sous sa forme canonique : représenter un phénomène perçu complexe en posant les 4 questions inséparables :
- il fait quoi ?
- dans quoi ?
- pour quoi ?
- devenant quoi ?
autrement dit en interrogeant les interrelations qui le constituent :

Définition SAGACE
SAGACE reprend cette forme canonique pour guider l'exercice de la "systémographie".
Système quasi-décomposable : Définition SAGACE
Un système complexe n’est pas directement décomposable sous peine de détruire son intelligibilité. Il est quasi-décomposable, lorsqu’on peut y identifier des sous-systèmes quasi isolés reliés entre eux et avec l'environnement.
Il est alors défini par :
• le réseau d'interrelations entre sous-systèmes, et les relations entrées-sorties de chaque sous-système,
• les relations liant les entrées-sorties du système aux relations des sous systèmes avec l'environnement.
Les interrelations entre sous-systèmes peuvent être matérielles, énergétiques ou informationnelles. Les relations délocalisées ne sont pas affectables à des sous-systèmes particuliers et concernent l'ensemble du système.
Deux types de propriétés peuvent être distinguées :
• microscopiques : spécifiques de chacun des sous-systèmes,
• macroscopiques : définies au niveau global du système ; résultent de la conjonction des propriétés microscopiques et de celles du réseau.
Simon (La sciences des systèmes, 1974) montre que la plupart des systèmes naturels ou artificiels sont quasi-décomposables, c'est-à-dire que le comportement à courte période d'une partie est indépendant de celui des autres parties.
Une raison fondamentale de l'apparition et de la survie de tels système réside dans leur capacités de stabilité et d'adaptation.
Système quasi-isolé : Définition SAGACE
Système dont le comportement est influencé par son environnement, au travers de relations d’interaction et de couplage.
Un tel système possède les propriétés suivantes :
• il effectue des transactions avec l'environnement, mais seulement selon certains processus que l'on appelle entrées* (ou stimuli, ou afférences ou admissions), et sorties* (ou réponses, ou efférences ou émissions)
• il fait subir aux entrées des modifications internes (transformation qualitative ou quantitative, commutation, stockage ou transport) afin de produire les sorties.
Lorsque ces conditions sont remplies, le système se "détache" nettement de son environnement et son comportement propre peut être étudié.
Systémique (JLLM) : Définition usuelle
La systémique (le mot apparaît en 1977 et les premières sociétés scientifiques portant ce nom apparaissent à partir de 1979) est devenue le nom usuel de "la science des systèmes" ("systems science" ou "general system science" en anglais). Elle se définit, à partir de la double expérience modélisatrice de la cybernétique et des sciences de l'homme et de la société "structuralistes" — J. Piaget, 1968 —, comme "la discipline dont le projet est l'élaboration et le développement des méthodes de modélisation des phénomènes perçus ou conçus complexes comme et par un système en général" : l'usage condense volontiers par "la systémique" la "modélisation systémique", usage handicapé parfois par la rémanence du libellé d'origine anglo-saxonne "systems approach" ("Approche système", voire "analyse-système"), qui introduit beaucoup de confusion et n'introduit aucune rigueur dans la formulation (ce qui a contribué à retarder l'audience de la systémique dans les institutions académiques, qui craignent beaucoup, à juste titre, les charlatans.
Science des méthodes de modélisation systémique, la discipline ne va donc pas chercher à "résoudre" autrement et mieux les problèmes dont on dit qu'ils "résistent" à la modélisation analytique : elle va chercher à les formuler différemment. Son projet épistémique n'est pas d'expliquer ni de prescrire, mais de décrire intelligiblement (selon le mot de P. Valéry, qui fut certainement un des pionniers fondateurs de la systémique, ses "cahiers" maintenant disponibles en témoignent).
En se développant, la systémique s'est aisément différenciée de la "systématique", science de la classification des espèces naturelles, devenue la taxonomie au XXe siècle ; puis elle a suscité une ample réflexion sur ses propres fondements paradigmatiques ("Paradigme de la complexité, E. Morin) et épistémologiques ("épistémologies constructivistes"), qui se poursuit aujourd'hui en s'enrichissant des multiples expériences de la modélisation des systèmes complexes qui s'accumulent dans tous les domaines du savoir : sciences des éco-systèmes, sciences de l'ingénierie, sciences de la cognition, de la communication, de l'éducation, etc.).
Systémique (JWL) : adjectif qui désigne tout ce qui se rapporte à l'analyse des systèmes, ou parfois, nom désignant cette analyse elle-même (la systémique). A distinguer de systématique, qui signifie tout ce qui est ordonné méthodiquement, notamment dans un discours, l'exposé d'une philosophie, voire un comportement. Selon la systémique, l'organisation d'un système comporte de l'ordre mais aussi du désordre : en ce sens, un système n'est pas systématique.
Systémographie : Définition de J.L. Le Moigne
Procédure de conception-construction de modèles de phénomènes perçus complexes, modélisé comme et par un "système général" actif et se transformant dans un environnement par rapport à quelques finalités.

Tactique : manoeuvres par lesquelles on s'efforce d'exécuter une stratégie. S'éloigner d'un objectif pour contourner un obstacle peut être une manoeuvre tactique pour réaliser une stratégie.
Téléologie : Définition usuelle
Bien que la téléologie soit entendue comme une discipline scientifique depuis 1728 ("Le traité" de Ch. Wolff), et que Kant l'ait anoblie au statut éminent de "science critique" (à ne pas confondre donc avec la théologie !) dans "La critique de la faculté de juger", 1797 (consacrée pour l'essentiel à l'étude de ce mode de "connaissance réfléchissante" qui est le "jugement téléologique"), la discipline a longtemps eu mauvaise presse dans les cultures scientifique et philosophique : positivismes et scientismes voulaient ignorer cette science qui, par sa seule existence, remettait en question leur dogme fondateur, celui du déterminisme causal et efficient qui caractériserait toutes les lois de la Nature (et donc, ajoutait déjà Descartes, "toutes les choses qui peuvent tomber sous la connaissance des hommes". Les dictionnaires français sont encore laconiques ou prudents, se limitant pour l'essentiel à une définition étymologique banale : "Télos" traduit le grec "fin", et la téléologie sera "l'étude des fins"... Une brève allusion à la théorie des "causes finales" d'Aristote servant de caution à cette incursion qui risque de rappeler au lecteur les discours charlatanesques sur le finalisme.
Ce n'est qu'avec la naissance des "nouvelles sciences de l'information et des systèmes" que la téléologie va réapparaître dans le discours, puis peu à peu, dans la culture scientifique contemporaine. En fondant explicitement la cybernétique naissance sur le concept de "téléologie" (par un article célèbre de 1943 cosigné avec Rosenblueth et M. Gigelow), N. Wiener rejoignant (à son insu, semble-t-il) les grands pragmatistes nord-américains (J. Dewey puis N. Rescher...), va susciter un courant d'attention dont nous bénéficions aujourd'hui. Praticiens et chercheurs perçoivent aisément qu'ils peuvent disposer d'une discipline sans doute encore dans sa gangue sémantique, discipline dont ils expérimentent la légitimité et qu'ils s'efforcent de dégager progressivement des confusions et du verbiage dont elle fut parfois entourée. Heureusement pour eux, les fondations posées par Kant (après Aristote) sont solides (... "Dans la Nature, tout est fin et réciproquement moyen"), et les développements sur les sciences de la cognition comme sur les sciences de la conception nous font progresser dans une voie décrivait dès 1974 le philosophe et logicien J. Ladrière : "C'est une téléologie qui se construit. Il n'y a pas un télos posé à l'avance, il y a comme un processus d'apprentissage à la faveur duquel une démarche d'abord tâtonnante réussit à dessiner de façon de plus en plus précise son propre cheminement. Processus interne d'auto finalisation".
Qu'on le découvre dans les textes d'H.A. Simon ("Rationality and téléology... the mean is the end...", 1983) ou d'E. Morin ("une auto-éthique, sans fondement, en émergence... qui soit éthique de la compréhension", 1994), et de bien d'autres, la téléologie prend aujourd'hui sa définition usuelle :
"Science des processus de finalisation" : comment, en fonctionnant et en se transformant, et en se formant des représentations de leurs comportements (informés, et par là, informant), les systèmes élaborent-ils en permanence leurs propres processus de finalisation ? Certes, ils peuvent parfois s'entendre dans le cas limite des systèmes automatiques, "goal seekink". Mais cette indépendance absolue du but, tenu pour invariant, et du comportement, est-elle fréquente, et est-elle même nécessaire ? Oui dans le cas des systèmes de pilotage automatique... mais leur concepteur ne souhaite-t-il pas qu'il y ait quand même "un pilote dans l'avion" ? Ne doit-il pas alors s'intéresser au caractère auto-éco-finalisateur de ce système complexe qui est l'avion piloté et se pilotant en vol ?
Téléonomie : ensemble des finalités qui orientent l'ensemble des processus d'un système. Elles ne se confondent pas nécessairement (ni même freéquemment) avec les buts consciemment désirés ou voulus par les acteurs du système.
Transdisciplinarité : selon Basarab Nicolescu, peut être définie, ainsi que "le préfixe "trans" l'indique, (comme) ce qui est à la fois entre les disciplines, à travers les différentes disciplines et au-delà de toute discipline. "(Et elle a comme) finalité la compréhension du monde présent, dont un des impératifs est l'unité de la connaissance" (La transdisciplinarité, Manifeste, Ed. du Rocher, 1996)

Ultrastabilité : capacité qu'a un système, fortement perturbé par des variations inhabituelles ou excessives de ses variables d'entrée, de limiter les variations de ses variables de sortie (pour qu'elles restent conformes à sa téléonomie) grâce à une autotransformation de son organisation.

Viabilité : Définition usuelle
Avant que la "théorie mathématique de la viabilité" ne restaure l'usage du mot dans la modélisations systémique, la viabilité ne définissait que la qualité d'une voie ("via : chemin, voie"), et le mot concernait plus le génie civil que le génie informatique.
On trouvait pourtant ce substantif pour caractériser l'aptitude de "ce qui est viable, ou apte à vivre" ("viabilité d'un foetus"), définition embarrassante puisque "vivre" se définit par "être en vie" et "vie" par "fait de vivre" !
Mais l'usage ne souffre pas de ces embarras et ces mots sont devenus si familiers qu'on ne tente même plus de rappeler leur définition : les analogies qu'ils autorisent sont innombrables... et bien pratiques !
La "théorie mathématique de la viabilité" (Aubin) renvoie à des considérations sur la computation qui ont vite intéressé les recherches en sciences de la cognition, en Intelligence artificielle puis en ingénierie artificielle : ne peut-on identifier les conditions qui permettent à un système, artificiel ou naturel, de vivre, c'est-à-dire de "fonctionner" dans un environnement de façon non totalement aléatoire, donc "téléologique" ?
Il semble aujourd'hui que l'usage du mot "viabilité" s'infléchisse en direction du sens de "durabilité du développement". L'écologie, en relançant le concept de "sustainability" vers 1987 (concept que l'on traduit actuellement par "développement durable") a probablement étendu le sens et l'usage du mot "viabilité", en incitant à l'interpréter au sens de "adaptabilité", voire "d'intelligence" ("un système intelligent est un système capable de s'adapter téléologiquement dans des contextes imprévisibles").

2006-11-16T13:06:00.000-08:00

Elliptic Curve Public-Key Cryptography

In September of this year, nearly 200 people using 740 computers managed to crack a message encrypted with 97-bit elliptic curve cryptography. The process took 16,000 MIPS-years of computing, about twice as much as used by the team that recently cracked a 512-bit RSA encryption key. Certicom, the company who sponsored this challenge, has offered this result as evidence that elliptic curve cryptography is stronger than RSA.

Let's take a look at this claim a little more closely.

All public-key algorithms, whether for key exchange, encryption, or digital signatures, are based on one of two problems: the factoring problem or the discrete logarithm problem. (There are other algorithms in academic circles, but they're too unwieldy to use in the real world.) The security of RSA comes from the difficulty of factoring large numbers. Strong RSA-based systems use 1024-bit numbers, or even larger.

The security of most other public-key algorithms -- ElGamal, DSA, etc. -- is based on the discrete logarithm problem. The two problems are very similar, and all of the modern factoring algorithms can be used to calculate discrete logarithms in the multiplicative group of a finite field. To a rough approximation, factoring a number of a certain size and calculating the discrete logarithm of numbers the same size takes the same amount of work. This means that for a given key size, RSA, ElGamal, DSA, etc. are approximately equally secure. (This isn't strictly true, but it's a good enough approximation for this essay.)

All of these algorithms require the use of something called an "algebraic group." When public-key cryptography was invented, the algorithms were all implemented in the simplest algebraic group: the numbers modulo n. For example, RSA encryption is m^e mod n, and a Diffie-Hellman public key is g^y mod n. As it turns out, any algebraic group will do. Elliptic curves are simply another algebraic group.

In elliptic curve cryptography, public keys and private keys are defined as points along a mathematical object called an elliptic curve. (Don't worry; it doesn't really matter what that means.) Addition is an operation that combines two points and produces a third point. The algorithms look the same, but the detailed math is very different.

But if any algebraic group will do, why is anyone bothering with elliptic curves? It turns out that for discrete-logarithm elliptic curve algorithms, perhaps we can get by with smaller keys. (This is not true for RSA, which is why you never see elliptic curve RSA variants).

All of the fastest algorithms for calculating discrete logs -- the number field sieve and the quadratic sieve -- make use of something called index calculus and a property of the numbers mod n called smoothness. In the elliptic curve group, there is no definition of smoothness, and hence in order to break elliptic curve algorithms you have to use older methods: Pollard's rho, for example. So we only have to use keys long enough to be secure against these older, slower, methods. Therefor, our keys can be shorter.

And they can be significantly shorter. In the wake of the recent break, Certicom recommends 163-bit keys. Compare this to the recommended key lengths for conventional discrete-logarithm algorithms, which are at least 1024 bits.

Whether this recommendation makes sense depends on whether the faster algorithms can ever be made to work with elliptic curves. The question to ask is: "Is this lack of smoothness a fundamental property of elliptic curves, or is it a hole in our knowledge about elliptic curves?" Or, more generally: "Are elliptic curves inherently harder to calculate discrete logs in, or will we eventually figure out a way to do it as efficiently as we can in the numbers mod n?"

If you believe the former, elliptic curves will always be more secure -- for the same key lengths -- than the numbers mod n. If you believe the latter, it's only a matter of time before they are broken.

Certicom very much wants you to believe the former. They say things like: "Elliptic curves as algebraic/geometric entities have been studied extensively for the past 150 years, and from these studies has emerged a rich and deep theory." They conclude that because of this, we can gain good confidence that new algorithmic advances won't be too devastating.

To me, this is a lot of wishful thinking. It would be nice if we had 150 years of work on the cryptographic properties of elliptic curves. But we don't; instead, we have 150 years of work on the properties of elliptic curves that mathematicians care about, almost all of it only incidentally touching on what cryptographers care about. Elliptic curve cryptography was invented only in 1985, and has only been really studied seriously for a few years.

Even today, most of the work on elliptic curves in the typical university math department is pretty irrelevant to us cryptographers. Sure, some of their results might occasionally help us understand the strength of elliptic curve algorithms; but that's almost never been the goal of the mathematicians' research studies. This is changing now, but slowly.

Furthermore, work on efficient algorithms for elliptic curves is very new. The whole notion of efficient algorithms didn't even appear until about the 1960s or 1970s, and algorithmic number theory has only become popular in the past two decades. It just wasn't relevant before computers.

The real answer to the question is "we don't know." We don't know if there are efficient ways to calculate discrete logarithms in elliptic curve groups. We don't know if there is a definition of smoothness that will allow us to apply the number field sieve to elliptic curves. We don't know if, in the long run, you can use shorter keys with elliptic curve algorithms.

In the short run, Certicom's recommendations are reasonable. Today, we can't calculate discrete logs in elliptic curves as efficiently as we can in the numbers mod n. Systems can use shorter keys with elliptic curves. But in the long run, we don't know.

There are other differences to consider, too. Checking elliptic curve signatures is still a big pain compared to checking RSA signatures. And all users of an elliptic curve system have to share the same curve. (If you don't do this, you lose most of the size benefits of the elliptic curve keys.) This has security implications: it is easier to break a key of a random user on a system than it is to break a specific user's key. I'd like to see more analysis of this aspect of elliptic curve systems.

My recommendation is that if you're working in a constrained environment where longer keys just won't fit -- smart cards, some cellphones or pagers, etc. -- consider elliptic curves. If the choice is elliptic curves or no public-key algorithm at all, use elliptic curves. If you don't have performance constraints, use RSA. If you are concerned about security over the decades (almost no systems are), use RSA.

Realize, though, that someday -- next year, in ten years, in a century -- someone may figure out how to define smoothness, or something even more useful, in elliptic curves. If that happens, you will have to use the same key lengths as you would with conventional discrete logarithm algorithms, and there will be no reason to ever use elliptic curves.

Postscript: This same analysis applies to factoring, too. RSA Security, Inc. likes to talk about the long mathematical history of the factoring problem, and how that gives us confidence about the security of RSA. Yes, it has been studied for centuries, but only recently has that study been even remotely related to cryptography. Moreover, working on factoring hasn't been a respectable area of study until very recently; before that, it was considered an eccentric hobby. And efficient algorithms for factoring have only been studied for the past couple of decades. We really have no idea how hard factoring truly is.

The truth is that companies have a tendency to advertise their products. Before making a decision about cryptographic algorithms, customers should try to get a variety of independent opinions (from parties not financially involved in the outcome of the decision) about what they are buying.

News on the recent elliptic curve cracking effort:
http://www.computerworld.com/home/news.nsf/all/...
http://www2.certicom.com/press/99/sept2899.htm [link dead; try http://www.certicom.com/news/99/sep2899.html]

An excellent mathematical introduction to elliptic curves:
http://www2.certicom.com/ecc/enter/index.htm [link dead as of 2000-10-23; try http://www.certicom.com/sitemap_frames/re_online_fs.html]

An excellent discussion on comparative key lengths, including RSA and elliptic curves:
http://www.cryptosavvy.com

2006-06-22T13:26:00.000-07:00

Open To The Public
Date: Friday, May 12, 2006
Time: 10:30 a.m.- 12:00 p.m.
Place: 32-G449, Patil/Kiva, Stata Center, 32 Vassar St.
Title: The Rivest-Sherman Ciphertext-Only Attacks on Enigma-Like Machines
Speaker: Alan Sherman, University of Md, Baltimore County
(Joint work with William Byrd, now at Indiana University)

Abstract:
We present, mathematically analyze, and experimentally evaluate ciphertext-only attacks on Enigma-like cryptographs that search for the rotors one at a time. Devised by Rivest and Sherman in 1980, but previously unpublished, the full attack is the first ciphertext-only attack on Enigma proposed in the open literature. In its basic one-stage version, the attack rank orders all possible choices for the fastest-moving rotor and its initial position, given a basket of rotors with known rotor wirings. The full attack repeatedly applies the one-stage attack to guide a heuristic search for the key (all rotors in the scrambler and their initial positions), examining fewer candidate keys on average than does exhaustive search. In comparison with exhaustive search, the full attack is more complicated but finds the solution more quickly on average, for sufficiently large baskets (for a three-rotor machine, a basket of six rotors suffices). Throughout we work on a simplified model of Enigma similar to the Railway Enigma that has no ring settings nor plugboard connections.
The one-stage Rivest-Sherman (RS) Attack evaluates each candidate (rotor, initial position)-pair by computing a statistic equivalent to the Index of Coincidence (IC) on the character string that is generated by passing ciphertext through the candidate rotor starting in its candidate initial position. The attack computes this statistic separately for each block of 26 characters, during which only the fastest-moving rotor spins. The correct pair generates a string whose distribution is equivalent (up to permutation of the letter frequencies within each block) to that created by passing plaintext through the correct rotor. By contrast, incorrect rotors, and the correct rotor in any wrong initial position, generate strings formed by passing approximately uniform text through the candidate rotor. The full attack heuristically searches for the (rotor, initial position)-pair for each rotor in the scrambler, one rotor at a time, performing an iteratively-broadening tree search. For each rotor to be determined, the full attack orders all candidate pairs by their statistical scores. This search tests complete candidate keys by decrypting the ciphertext and checking for valid plaintext.

We evaluate the effectiveness of the RS-Attacks by determining relationships between their following parameters: ciphertext length, running time, and probability of success at finding the correct key. Contrary to predictions by Rivest and Sherman, the correct (rotor, initial-position)-pair tends to have a low statistical score rather than a high score. The reason stems from fact that, within each block, the statistic is a mixed-alphabet IC rather than a matching-alphabet IC. We extend and revise Sherman's 1981 theoretical analysis to explain all of our experimental findings.
Keywords. Ciphertext-only attacks, cryptanalysis, cryptography, cryptology, Enigma cryptograph, iteratively-broadening tree search, Railway Enigma, Rivest-Sherman Attacks, RS-Attacks, rotor machines, statistical cryptanalysis, wired-wheel machines.
Alan T. Sherman is associate professor of computer science at UMBC, director of the UMBC Center for Information Security and Assurance (CISA), editor of Cryptologia, and a cryptologic consultant.