Comment la complexité informatique va révolutionner la philosophie

Depuis les années 1930, la théorie du calcul a profondément influencé la réflexion philosophique sur des sujets tels que la théorie de l'esprit, la nature de la connaissance mathématique et la perspective de l'intelligence artificielle. En fait, il est difficile de penser à une idée qui a eu un plus grand impact sur la philosophie.

Et pourtant, une révolution philosophique encore plus grande attend dans les coulisses. La théorie de l'informatique est un vairon philosophique comparé au potentiel d'une autre théorie qui domine actuellement la réflexion sur l'informatique.

C'est du moins l'avis de Scott Aaronson, informaticien au Massachusetts Institute of Technology. Aujourd'hui, il avance un argument convaincant selon lequel la théorie de la complexité computationnelle transformera la pensée philosophique sur un éventail de sujets tels que la nature des connaissances mathématiques, les fondements de la mécanique quantique et le problème de l'intelligence artificielle.

La théorie de la complexité computationnelle s'intéresse à la question de savoir comment les ressources nécessaires pour résoudre une échelle de problème avec une certaine mesure de la taille du problème, appelez-la n. Il y a essentiellement deux réponses. Soit le problème évolue assez lentement, comme n, n^2 ou une autre fonction polynomiale de n. Ou il évolue déraisonnablement rapidement, comme 2^n, 10000^n ou une autre fonction exponentielle de n.

Ainsi, alors que la théorie de l'informatique peut nous dire si quelque chose est calculable ou non, la théorie de la complexité informatique nous dit si cela peut être réalisé en quelques secondes ou si cela prendra plus de temps que la durée de vie de l'Univers.

C'est extrêmement important. Comme le dit Aaronson : Pensez, par exemple, à la différence entre lire un livre de 400 pages et lire tous les livres possibles, ou entre écrire un nombre à mille chiffres et compter jusqu'à ce nombre.

Il poursuit en disant qu'il est facile d'imaginer qu'une fois que nous savons si quelque chose est calculable ou non, le problème du temps que cela prend est simplement un problème d'ingénierie plutôt que de philosophie. Mais il continue ensuite en montrant comment les idées derrière la complexité computationnelle peuvent étendre la pensée philosophique dans de nombreux domaines.

Prenez le problème de l'intelligence artificielle et la question de savoir si les ordinateurs peuvent jamais penser comme les humains. Roger Penrose soutient qu'ils ne peuvent pas dans son livre Le nouvel esprit de l'empereur . Il dit que quoi qu'un ordinateur puisse faire en utilisant des règles formelles fixes, il ne sera jamais capable de « voir » la cohérence de ses propres règles. Les humains, d'autre part, peuvent voir cette cohérence.

Une façon de mesurer la différence entre un humain et un ordinateur est d'utiliser un test de Turing. L'idée est que si nous ne pouvons pas faire la différence entre les réponses données par un ordinateur et un humain, alors il n'y a pas de différence mesurable.

Mais imaginez un ordinateur qui enregistre toutes les conversations qu'il entend entre humains. Au fil du temps, cet ordinateur constituera une base de données considérable qu'il pourra utiliser pour faire la conversation. Si on lui pose une question, il recherche la question dans sa base de données et reproduit la réponse donnée par un vrai humain.

De cette façon, un ordinateur avec une table de consultation suffisamment grande peut toujours avoir une conversation qui est essentiellement impossible à distinguer de celle que les humains auraient.

Donc, s'il existe un obstacle fondamental à la réussite des ordinateurs au test de Turing, alors il ne se trouve pas dans la théorie de la calculabilité, explique Aaronson.

Au lieu de cela, une voie plus fructueuse consiste à réfléchir à la complexité informatique du problème. Il souligne que bien que l'approche de la base de données (ou de la table de recherche) fonctionne, elle nécessite des ressources de calcul qui augmentent de façon exponentielle avec la durée de la conversation.

Aaronson souligne que cela conduit à une nouvelle façon puissante de penser au problème de l'IA. Il dit que Penrose pourrait dire que même si l'approche de la table de consultation est possible en principe, elle est effectivement peu pratique en raison des énormes ressources de calcul qu'elle nécessite.

Par cet argument, la différence entre les humains et les machines est essentiellement une différence de complexité informatique.

C'est une nouvelle ligne de pensée intéressante et l'une des nombreuses qu'Aaronson explore en détail dans cet essai.

Bien sûr, il reconnaît les limites de la théorie de la complexité computationnelle. Bon nombre des principes fondamentaux de la théorie, tels que P NP, ne sont pas prouvés ; et de nombreuses idées ne s'appliquent qu'aux machines de Turing en série et déterministes, plutôt qu'au type d'informatique plus compliqué qui se produit dans la nature.

Mais il dit que ces critiques ne permettent pas aux philosophes (ou à quiconque) de rejeter arbitrairement les arguments de la théorie de la complexité. En effet, nombre de ces critiques soulèvent en elles-mêmes des questions philosophiques intéressantes.

La théorie de la complexité computationnelle est une discipline relativement nouvelle qui s'appuie sur les progrès réalisés dans les années 70, 80 et 90. Et c’est pourquoi ses plus gros impacts sont encore à venir.

Aaronson nous oriente vers certains d'entre eux dans un essai stimulant, divertissant et très lisible. Si vous avez une heure ou deux à perdre, cela vaut la peine d'être lu.

Réf : arxiv.org/abs/1108.1791 : Pourquoi les philosophes devraient se soucier de la complexité informatique

cacher