a takie forum

ckejyetf9k

Dit autrement, , les données ne sont pas intelligentes pour elles-mêmes, quelque soit leur taille. Encore faudra-t-il comprendre ce qui peut se mixer de ce qui ne le peut pas.
"Il y a soixante ans, les ordinateurs ont rendu l'information lisible. Il y a vingt ans, l'internet l'a rendu accessible. Aujourd'hui, Google et d'autres (...) nous permettent de traiter ce corpus massif de données comme le laboratoire de notre humaine condition." Bienvenue dans l'?ge du Petaoctet. L'?ge où les informations sont stockées dans les nuages, explique la revue The Edge, qui consacre .
, nous sommes à la fin de la science, de la science telle que nous la connaissons. "? l'échelle du pétaoctet, [url=http://www.rtnagel.com/louboutin.php]louboutin pas cher[/url] l'information n'est pas une question de simples dimensions en matière de taxonomie et d'ordre, mais de statistiques agnostiques en termes de dimensions. Cela nécessite une approche totalement différente, qui nous oblige à concevoir la donnée comme quelque chose qui ne peut être visualisée dans sa totalité. Cela nous oblige à regarder d'abord les données mathématiquement et établir leur contexte ensuite. Par exemple, Google a conquis le monde de la publicité avec [url=http://www.mquin.com/giuseppezanotti.php]giuseppe zanotti pas cher[/url] rien de plus que des mathématiques appliquées. Google n'a pas la prétention de savoir tout sur la culture des hommes et les conventions de la publicité - il a juste supposé que des données de meilleure qualité, avec de meilleurs outils d'analyses, l'emporteraient. Et Google avait raison.
Sans aller jusqu’au point de vue extrême d’Anderson, de nombreux chercheurs constatent cependant que les technologies numériques modifient les conditions dans lesquelles ils travaillent.”
de ces pétaoctets d'informations, dans les domaines de la physique, de la biologie, de la politique ou de l'information, pour prendre des domaines plus accessibles. Comme l', un système qui analyse quelques 40 000 articles européens quotidiennement pour les exploiter de multiples manières, comme [url=http://www.rtnagel.com/louboutin.php]louboutin[/url] le montre (par thème, par localisation, selon leur impact ou en essayant de voir leur structure sociale...).
Nous voici entré dans l'ère des Big Data des ensembles de données tellement gigantesques qu'ils nécessitent de nouveaux outils techniques et scientifiques pour les comprendre et en tirer du sens. Un déluge de données qui pose des questions profondes sur leur collecte, leur interprétation, leur analyse... Dans [url=http://www.maximoupgrade.com/hot.php]hollister[/url] ce siècle des réseaux, la science des algorithmes, censée extraire le [url=http://326web.net/bbs/joyful.cgi]giuseppe zanotti pas cher BIG[/url] sens de ces amas d'information doit apprendre à comprendre ce qu'elle analyse. L'enjeu des Big Data nous adresse des questions scientifiques, mais aussi politiques et éthiques. Les Big Data, c'est le dossier de la semaine d'InternetActu qui commence par un retour sur un article fondateur de 2008 qui posait les bases [url=http://www.365mxmj.com/forum.php?mod=viewthread&tid=44734&pid=52036&page=1&extra=page=1#pid52036]hollister Doublé des pilotes Red Bull au GP dAbou[/url] de la révolution à [url=http://www.1855sacramento.com/woolrich.php]woolrich bologna[/url] venir.
La philosophie fondatrice de Google est que nous ne savons pas pourquoi cette page est mieux que celle-ci : mais si les statistiques des liens entrants disent qu'elle l'est, [url=http://hkgermanyfans.com/viewthread.php?tid=354772&pid=412651&page=1&extra=page%3D1#pid412651]barbour uk outlet Immémorial échange des femmes[/url] c'est bien suffisant. Aucune analyse sémantique ou de causalité n'est nécessaire. C'est la raison pour laquelle Google peut traduire toutes les [url=http://www.ilyav.com/uggpascher.php]boots ugg pas cher[/url] langues sans les conna?tre (avec les mêmes corpus de données, Google peut traduire le klingon en farsi aussi facilement qu'il peut traduire du fran?ais en allemand)."
Image : La fin de la théorie scientifique ?
MAJ : “Rapidement, on relève d’abord que le raisonnement d’Anderson est surtout valable en sciences appliqués ou ce sont des connaissances utiles à l’action qui sont surtout recherchées, alors que tout un autre pan de la science est orienté vers la recherche d’explications de phénomènes, qui ne peuvent surgir du [url=http://www.ilyav.com/uggpascher.php]ugg pas cher[/url] simple établissement de corrélations", . "Autre type de réponse, bien plus radicale et exprimée avec clarté : les données ne sont pas des morceaux de réalités ; elles sont elles-mêmes construites, le plus souvent en relation avec une…théorie scientifique particulière. Autrement dit, les données ne préexistent pas aux théories ; elles leurs sont intimement liées.
Pour Kevin [url=http://www.thehygienerevolution.com/barbour.php]barbour paris[/url] Kelly, beaucoup de domaines scientifiques (l'astronomie, la physique ou la géologie par exemple) utilisent déjà des flux de données extrêmement vastes, dont seuls les ordinateurs peuvent dégager des tendances invisibles à l'échelle de l'oeil humain. Selon lui, ces nouvelles méthodes ne viennent pas remplacer l'ancienne, mais viendront en complément de la science orientée par la théorie. Pour Daniel Hillis le fondateur de et d', il n'y a pas de nouvelle méthode : collecter des données, quelque soit leur taille, et les analyser, a toujours fait parti de la méthode scientifique. Pour le physicien Sean Carroll, les hypothèses demeurent l'outil le plus utile de la science : "la théorie c'est la compréhension, et la compréhension du monde est le seul propos de la science".
Les réactions compilées par les contributeurs experts de la cyberculture de . Pour l'historien des sciences George Dyson, le flot de données va ouvrir de nouveaux territoires scientifiques qui devraient nous ramener à l'excitation du XVIIe siècle, époque où est apparue la science moderne. Mais il est difficile de dire si cela va rendre obsolète la méthode scientifique, au moins parce qu'elle est peut-être encore trop récente.
Pour le journaliste scientifique John Horgan, Anderson ne fait que recycler de vieilles rhétoriques sur la complexité, le chaos et l'intelligence artificielle : "Chris Anderson semble penser que les ordinateurs permettront de réduire la science à de la pure induction, de prédire l'avenir depuis le passé. Cette méthode bien s?r ne peut prédire les trous noirs, les anormalités ou les évènements vraiment nouveaux. Les théories conduites par les humains non plus, mais nos experts sauront comment gérer ces perturbations quand elles apparaitront." Douglas Rushkoff est sceptique. Ce n'est pas parce qu'on supprime les limites et les biais de la narrativité de la science qu'on ne construit pas de nouveaux partis pris et de nouveaux biais. [url=http://www.mansmanifesto.fr]doudoune moncler[/url] Dans ce concert de commentaires, laissons le mot de la fin au physicien Lee Smolin : "Il est clair que l'informatique et la simulation numérique sont des outils qui sont les bienvenues : ils sont utiles s'ils sont utilisés par de bons scientifiques pour augmenter [url=http://www.achbanker.com/home.php]www.achbanker.com/home.php[/url] la puissance créative de leurs raisonnements. Mais on réussit rarement en lan?ant un problème dans un ordinateur : il faut des années et même des décennies de développement et de réglage prudent d'une simulation pour l'amener au point où son rendement sera suffisamment puissant pour être utile et dans tous les cas quand cela arrive c'est parce qu'il a été réalisé gr?ce à un travail théorique durable et créatif du type de celui qui est traditionnellement au coeur du progrès scientifique."
Alors que la méthode scientifique est construite autour d'hypothèses que l'on teste, de modèle et d'expérimentations qui confirment ou infirment les hypothèses théoriques, les données, sans modèles, ne risquent-elles pas de n'être rien d'autre que du bruit ? Pas si s?r, répond Anderson : [url=http://www.achbanker.com/home.php]hollister france[/url] avec l'arrivée de données massives, cette approche de la science risque de devenir obsolète. "L'ère du Pétaoctet nous permet de dire : "la corrélation va suffire". Nous pouvons désormais analyser les données sans faire des hypothèses sur ce qu'elles vont produire. Nous pouvons jeter les nombres dans le plus grand réseau d'ordinateurs que le monde n'ait jamais vu et laisser les algorithmes trouver les modèles que la science n'arrivait pas à trouver." Et d'évoquer l'exemple du séquen?age des gènes par Craig Venter, qui est passé de l'organisme humain au séquen?age de l'océan, au séquen?age de l'air. Un procédé qui lui permet de trouver des centaines de nouvelles espèces, de nouvelles bactéries dont Venter ne sait rien : il ne dispose que d'une alerte statistique, une séquence, qui parce qu'elle n'est pas comme les autres séquences d'ADN qu'il a dans sa base, doit représenter une nouvelle espèce.
Hubert Guillaud
Pour Chris Anderson, l'analyse mathématique appliquée aux énormes quantités de données qui vont provenir de nos capteurs, de nos outils qui collectent tous nos comportements, de nos possibilités infinies de stockage, de nos nuages de processeurs, vont [url=http://www.1855sacramento.com/moncler.php]moncler sito ufficiale[/url] transformer les sciences. "Avec suffisamment de données, les chiffres parlent d'eux-mêmes."
La conclusion d’Alexandre Delaigue me semble également tout à fait pertinente : “L’analyse des données est extrêmement utile, mais sa disponibilité croissante risque d’avoir l’effet exactement inverse de celui prédit par Anderson : une floraison de théories. Parce qu’il n’y a pas d’autres fa?ons d’imaginer ce que l’on ne peut pas voir – ce qui constitue le problème principal de la science.”