Essai sur la structure du savoir, la recomposition sémantique et l'émergence de l'intelligence
Depuis plusieurs décennies, les recherches sur l'intelligence artificielle, les sciences cognitives, l'apprentissage, l'innovation et les systèmes complexes ont permis de comprendre de nombreux mécanismes liés à la production de connaissances.
Nous savons aujourd'hui qu'une intelligence peut apprendre.
Nous savons qu'elle peut mémoriser.
Nous savons qu'elle peut généraliser.
Nous savons qu'elle peut raisonner.
Nous savons qu'elle peut combiner des informations issues de sources différentes.
Pourtant, une question fondamentale demeure largement ouverte :
Comment une intelligence peut-elle produire un savoir qui n'est contenu explicitement nulle part dans ce qu'elle connaît déjà ?
Cette question se trouve au cœur de la découverte scientifique, de l'invention technique, de la créativité artistique, de l'innovation économique et, plus généralement, de toute forme de progrès cognitif.
Chaque fois qu'un être humain formule une théorie nouvelle, découvre une loi physique, invente une technologie ou établit un lien inédit entre deux domaines, il semble produire davantage que ce qui était directement contenu dans ses connaissances initiales.
La question devient alors inévitable :
D'où provient ce surplus apparent de savoir ?
Les réponses habituelles invoquent généralement le raisonnement, l'imagination, l'intuition ou la créativité.
Ces réponses décrivent des mécanismes.
Elles ne répondent pas nécessairement à la question de fond.
Car avant même de comprendre comment une intelligence découvre, il faut comprendre ce qui est découvert.
Est-ce réellement une création ?
Ou bien est-ce autre chose ?
L'hypothèse proposée ici est la suivante :
Le savoir contient davantage d'information dans sa structure relationnelle que dans les connaissances qui le composent.
Cette affirmation peut sembler abstraite.
Elle est pourtant au cœur du problème.
Traditionnellement, nous considérons les connaissances comme les unités fondamentales du savoir.
Une formule.
Une théorie.
Un concept.
Un fait.
Une observation.
Une définition.
Dans cette vision, le savoir est constitué d'une accumulation d'éléments.
L'intelligence consiste alors à manipuler ces éléments.
Mais cette représentation présente une limite importante.
Elle suppose implicitement que l'information est contenue dans les objets eux-mêmes.
Or cette hypothèse est peut-être incomplète.
Une autre possibilité existe.
L'information la plus importante pourrait ne pas résider dans les objets mais dans les relations qui les unissent.
Imaginons cent connaissances isolées.
Chaque connaissance possède une certaine valeur informative.
Maintenant imaginons ces mêmes connaissances reliées par des milliers de relations.
Certaines relations expriment des ressemblances.
D'autres expriment des oppositions.
D'autres encore expriment des dépendances, des causalités ou des compatibilités.
Dans le premier cas nous possédons une collection.
Dans le second nous possédons un système.
La différence est considérable.
Car un système possède des propriétés qui ne sont contenues dans aucun de ses éléments pris séparément.
Autrement dit :
la structure contient de l'information.
Cette observation est bien connue dans de nombreux domaines.
Une cellule n'est pas réductible à ses molécules.
Une société n'est pas réductible à ses individus.
Une langue n'est pas réductible à ses mots.
Un cerveau n'est pas réductible à ses neurones.
Dans chaque cas, une partie essentielle de l'information réside dans l'organisation des relations.
Pourquoi le savoir ferait-il exception ?
Si cette hypothèse est correcte, alors il devient nécessaire de distinguer deux formes de savoir.
Le savoir explicite.
Et le savoir implicite.
Le savoir explicite correspond à ce qui est déjà formulé.
Les livres.
Les articles.
Les théories.
Les modèles.
Les concepts.
Le savoir implicite correspond à ce qui est contenu dans la structure relationnelle reliant ces éléments mais qui n'a pas encore été formulé.
Cette distinction est fondamentale.
Car elle suggère qu'une partie du savoir existe avant même d'être connue.
Non pas sous forme de connaissance explicite.
Mais sous forme de contrainte relationnelle.
Une cohérence encore invisible.
Une possibilité encore inexprimée.
Une structure encore non reconnue.
Ainsi, le savoir explicite n'épuise pas le contenu du champ du savoir.
Il n'en représente qu'une partie visible.
Si une partie du savoir est implicite dans la structure relationnelle du savoir explicite, alors une intelligence n'a pas nécessairement besoin d'acquérir davantage d'informations pour produire une connaissance nouvelle.
Elle peut parfois produire cette connaissance en exploitant les contraintes déjà présentes dans le système.
Dans cette perspective, découvrir n'est plus uniquement apprendre quelque chose de nouveau.
Découvrir devient :
rendre explicite une cohérence qui était déjà présente de manière implicite dans l'organisation du savoir.
Cette proposition modifie profondément notre compréhension de l'intelligence.
L'intelligence ne serait plus principalement un mécanisme d'accumulation.
Elle deviendrait un mécanisme de révélation structurelle.
Autrement dit :
L'intelligence ne crée pas forcément davantage de savoir.
Elle révèle le savoir que la structure rend déjà possible.
Nous pouvons désormais reformuler la question initiale.
La question n'est plus :
« Comment une intelligence produit-elle une connaissance nouvelle ? »
La question devient :
Comment une intelligence parvient-elle à extraire le savoir implicite contenu dans la structure relationnelle du savoir explicite ?
C'est à partir de cette question que nous pouvons commencer à comprendre la nature profonde de la généralisation, de la créativité, de l'innovation et de la découverte.
La plupart des théories modernes de l'intelligence considèrent implicitement que les connaissances existent sous forme de représentations reliées entre elles.
Cette idée est présente dans les réseaux sémantiques, les théories de l'apprentissage, les neurosciences cognitives et, plus récemment, dans les modèles de langage de grande taille.
Cependant, une conséquence importante de cette idée reste souvent sous-estimée.
Si les connaissances sont reliées entre elles, alors elles ne constituent plus une collection.
Elles constituent un champ.
Cette distinction est essentielle.
Une collection est définie par ses éléments.
Un champ est défini par les relations qui organisent ses éléments.
Dans une collection, ajouter un objet ajoute de l'information.
Dans un champ, modifier une relation peut transformer la signification de l'ensemble.
Cette différence est au cœur du problème de l'intelligence.
Prenons un concept simple.
Par exemple le concept de « cellule ».
Que signifie réellement ce mot ?
Aucune définition isolée ne suffit à l'épuiser.
Le concept existe parce qu'il entretient des relations avec :
Supprimons ces relations.
Le concept perd progressivement sa signification.
Nous découvrons alors quelque chose d'important :
La signification n'est pas contenue dans le concept lui-même.
Elle est distribuée dans son réseau de relations.
Cette observation vaut pour pratiquement tous les concepts.
Une entreprise.
Une ville.
Une molécule.
Une théorie scientifique.
Une institution.
Un marché.
Un organisme vivant.
Tous tirent leur signification de leur position dans un réseau relationnel.
Nous pouvons alors définir un espace sémantique comme :
un champ relationnel de significations.
Chaque concept y occupe une position particulière.
Cette position dépend :
Le concept n'est plus un objet isolé.
Il devient un nœud dans un champ de relations.
Ainsi, comprendre un concept revient moins à connaître sa définition qu'à comprendre sa position dans le champ.
Cette remarque est importante car elle déplace le centre de gravité de l'intelligence.
Nous passons progressivement :
de l'objet,
vers la relation.
Une conséquence apparaît immédiatement.
Si les significations sont distribuées dans un champ relationnel, alors une intelligence n'explore jamais réellement des concepts isolés.
Elle explore des chemins.
Chaque raisonnement correspond à une trajectoire.
Chaque idée nouvelle correspond à une connexion.
Chaque découverte correspond à l'ouverture d'un nouveau passage.
Ainsi, lorsqu'un scientifique produit une théorie, il ne crée pas simplement une information.
Il établit une nouvelle trajectoire dans le champ du savoir.
Lorsqu'un inventeur relie deux technologies auparavant séparées, il modifie la topologie du champ.
Lorsqu'un chercheur identifie une analogie profonde entre deux disciplines, il rapproche des régions entières du savoir.
Dans tous les cas, l'intelligence agit principalement sur les relations.
L'histoire des sciences présente un phénomène récurrent.
Certaines découvertes semblent impossibles pendant des décennies.
Puis soudain elles deviennent presque évidentes.
Cette observation est souvent interprétée comme une conséquence du génie individuel.
Une autre lecture est possible.
Pendant longtemps, le champ relationnel ne possède pas encore suffisamment de contraintes convergentes.
La structure existe potentiellement.
Mais elle demeure invisible.
Puis de nouvelles relations apparaissent.
De nouveaux résultats s'accumulent.
De nouvelles connexions deviennent possibles.
Progressivement, la cohérence augmente.
Arrive alors un moment où la structure implicite devient suffisamment stable pour être reconnue.
La découverte apparaît.
Mais ce qui apparaît n'est peut-être pas créé à cet instant.
Ce qui apparaît est une cohérence devenue visible.
Nous pouvons maintenant reformuler l'intelligence sous un angle nouveau.
Une intelligence est constamment confrontée à un savoir incomplet.
Aucune intelligence ne possède toutes les informations.
Aucune intelligence ne connaît l'ensemble du champ.
Pourtant, certaines intelligences parviennent à reconstruire ce qui manque.
Comment ?
La réponse classique invoque le raisonnement.
Mais cette réponse reste partielle.
Car le raisonnement lui-même doit s'appuyer sur quelque chose.
L'hypothèse proposée ici est la suivante :
L'intelligence complète les régions incomplètes du savoir en exploitant les contraintes présentes dans les régions déjà connues.
Autrement dit :
elle utilise la structure globale pour reconstruire les parties manquantes.
Imaginons un puzzle.
Si seules trois pièces sont présentes, nous savons peu de choses.
Si la moitié des pièces est présente, certaines formes deviennent visibles.
Si quatre-vingt-dix pour cent du puzzle est assemblé, les pièces manquantes deviennent souvent prévisibles.
Le savoir pourrait fonctionner de manière analogue.
Plus la cohérence du champ augmente,
plus certaines structures deviennent contraintes.
À partir d'un certain seuil, ce qui manque cesse d'être arbitraire.
La structure impose progressivement ce qui peut exister.
Ainsi, une découverte peut parfois être comprise comme la reconstruction d'une région encore absente du puzzle.
Cette idée conduit directement à la notion de recomposition.
Si le savoir est un champ relationnel,
et si une partie de son contenu est implicite,
alors l'intelligence doit disposer d'un mécanisme permettant d'exploiter cette implicitation.
Ce mécanisme n'est pas nécessairement l'accumulation.
Ce n'est pas nécessairement le calcul.
Ce n'est pas nécessairement la mémoire.
Il pourrait être la capacité à reconfigurer les relations du champ.
Autrement dit :
la capacité à recomposer l'espace sémantique lui-même.
C'est cette hypothèse que nous allons maintenant explorer.
Car elle conduit directement à une nouvelle compréhension de la généralisation, de l'innovation et de ce que nous appelons habituellement l'intelligence.
Nous pouvons maintenant revenir à la question centrale.
Comment une intelligence accède-t-elle à du savoir qui n'est contenu explicitement nulle part dans ce qu'elle connaît déjà ?
La réponse proposée jusqu'ici repose sur trois hypothèses :
Reste à comprendre le mécanisme.
Comment cette extraction devient-elle possible ?
La plupart des théories de la créativité et de l'innovation reposent sur une idée simple :
les découvertes résultent de nouvelles combinaisons.
Cette idée contient une part importante de vérité.
De nombreuses inventions proviennent effectivement du rapprochement d'éléments auparavant séparés.
Cependant cette explication demeure incomplète.
Car une combinaison n'est pas nécessairement une découverte.
Nous pouvons combiner des milliers d'idées sans produire le moindre savoir nouveau.
La majorité des combinaisons sont stériles.
Certaines sont incohérentes.
D'autres sont simplement redondantes.
La question devient alors :
Pourquoi certaines combinaisons produisent-elles une connaissance nouvelle alors que la plupart n'en produisent aucune ?
La réponse pourrait résider dans la structure sous-jacente des champs concernés.
Une combinaison ajoute.
Une recomposition transforme.
Cette différence est fondamentale.
Lorsque deux objets sont combinés, ils restent généralement identifiables.
Lorsque deux champs sont recomposés, leur organisation globale change.
La recomposition agit sur les relations elles-mêmes.
Elle modifie les voisinages.
Elle modifie les distances.
Elle modifie les chemins accessibles.
Autrement dit :
elle modifie la géométrie du savoir.
C'est pourquoi une recomposition peut produire des conséquences beaucoup plus profondes qu'une simple combinaison.
Imaginons deux régions éloignées du savoir.
Pendant longtemps elles évoluent séparément.
Chacune possède ses concepts.
Ses méthodes.
Son langage.
Ses problèmes.
Ses solutions.
Puis apparaît une structure commune.
Cette structure n'appartient complètement à aucune des deux régions.
Elle devient cependant visible dans les deux.
À partir de ce moment, les frontières commencent à se déplacer.
Des chemins apparaissent.
Des contraintes deviennent partageables.
Des résultats obtenus dans un domaine deviennent utilisables dans l'autre.
Le champ entier se réorganise.
Nous sommes alors face à une recomposition.
Le terme transduction désigne ici ce processus de transfert structurel.
Non pas le transfert d'informations.
Non pas le transfert de concepts.
Mais le transfert de structures.
Une structure identifiée dans un champ devient opératoire dans un autre champ.
Ce point mérite une attention particulière.
Car il modifie profondément notre compréhension de l'intelligence.
Dans la plupart des approches classiques, apprendre consiste à acquérir de nouvelles connaissances.
Dans l'approche proposée ici, apprendre consiste aussi à reconnaître des structures capables de traverser plusieurs champs.
L'intelligence devient alors moins dépendante des objets qu'elle manipule.
Elle devient davantage dépendante des structures qu'elle reconnaît.
Prenons plusieurs domaines :
la biologie,
l'économie,
la cognition,
les réseaux,
les organisations.
À première vue, ils semblent différents.
Leurs objets sont différents.
Leurs langages sont différents.
Leurs méthodes sont différentes.
Pourtant certaines structures apparaissent partout :
boucles de rétroaction,
dépendances,
émergences,
propagation,
coordination,
spécialisation,
adaptation,
stabilité,
transformation.
Ces structures traversent les domaines.
Elles ne sont pas attachées à un objet particulier.
Elles semblent appartenir à un niveau plus profond d'organisation.
La transduction consiste précisément à exploiter cette profondeur.
Nous pouvons maintenant comprendre pourquoi une intelligence peut parfois produire davantage que ce qu'elle connaît explicitement.
Supposons qu'un champ A contienne une structure bien comprise.
Supposons qu'un champ B contienne des observations dispersées mais aucune théorie stabilisée.
Si la même structure est présente dans les deux champs, alors la compréhension du champ A peut contribuer à compléter le champ B.
Aucune information nouvelle n'a été créée.
Aucune donnée supplémentaire n'a été ajoutée.
Ce qui a été transféré est la structure elle-même.
Le savoir implicite du champ B devient alors accessible.
Ainsi, une région du savoir peut être complétée grâce aux contraintes provenant d'une autre région.
La situation devient encore plus intéressante lorsque plusieurs champs convergent simultanément.
Imaginons qu'une même structure apparaisse dans :
la physique,
la biologie,
la sociologie,
l'économie,
et la cognition.
Chaque domaine n'en révèle qu'une partie.
Aucun ne possède la totalité de la structure.
Cependant leur convergence produit quelque chose de nouveau.
La cohérence globale augmente.
Le champ relationnel devient plus contraint.
Certaines hypothèses deviennent plus plausibles.
Certaines configurations deviennent plus stables.
Certaines régions encore obscures du savoir deviennent progressivement reconstructibles.
Autrement dit :
plusieurs champs se complètent mutuellement.
Nous pouvons maintenant introduire une idée importante.
Lorsqu'une même structure apparaît dans plusieurs régions indépendantes du savoir, une forme particulière de complétion devient possible.
Cette complétion ne repose plus sur la proximité locale.
Elle repose sur la convergence globale.
Un vide présent dans une région du savoir peut être contraint par les cohérences observées dans plusieurs autres régions.
Le savoir manquant devient alors partiellement reconstructible.
Cette reconstruction n'est pas arbitraire.
Elle résulte de la résonance entre plusieurs champs.
La résonance agit comme un mécanisme de stabilisation.
Plus les confirmations indépendantes sont nombreuses,
plus la structure gagne en cohérence.
Nous pouvons désormais proposer une définition provisoire.
L'intelligence n'est pas seulement :
la mémoire,
le calcul,
le raisonnement,
ou la manipulation de symboles.
L'intelligence est également :
la capacité à exploiter les résonances structurelles entre plusieurs champs afin de reconstruire le savoir implicite contenu dans leur organisation commune.
Cette définition permet d'unifier plusieurs phénomènes habituellement séparés :
la découverte,
l'apprentissage,
la créativité,
la généralisation,
l'innovation.
Tous deviennent des manifestations d'une même capacité fondamentale :
la recomposition transductive du savoir.
Si cette hypothèse est correcte, alors la source principale de croissance de l'intelligence n'est pas nécessairement l'accumulation de connaissances.
Elle pourrait résider dans l'augmentation de la capacité à identifier des structures communes à travers des champs de plus en plus nombreux.
Autrement dit :
une intelligence devient plus générale lorsqu'elle devient capable d'exploiter des invariants de plus en plus profonds.
Cette idée nous conduit directement à la question suivante :
Que signifie réellement généraliser ?
Car si la généralisation résulte de la reconnaissance de structures communes entre plusieurs champs, alors l'intelligence générale doit être repensée à partir de cette capacité de recomposition transductive.
C'est cette question que nous devons maintenant examiner.
Nous pouvons maintenant revenir à une notion devenue centrale dans les recherches contemporaines sur l'intelligence :
la généralisation.
Qu'il s'agisse d'intelligence humaine ou artificielle, la question demeure la même :
Pourquoi certaines intelligences parviennent-elles à résoudre des problèmes qu'elles n'ont jamais rencontrés auparavant ?
Cette capacité est généralement considérée comme l'un des critères les plus importants de l'intelligence.
Mais sa nature exacte demeure difficile à définir.
Dans sa forme la plus simple, la généralisation désigne la capacité à appliquer un apprentissage antérieur à une situation nouvelle.
Un enfant apprend quelques exemples.
Puis il reconnaît des situations similaires.
Un scientifique découvre une loi.
Puis il l'applique à des phénomènes différents.
Une intelligence artificielle apprend à partir de données.
Puis elle traite des données qu'elle n'a jamais vues.
Cette définition fonctionne.
Mais elle ne répond pas complètement à la question.
Car elle décrit un comportement.
Elle n'explique pas nécessairement son origine.
Considérons maintenant la généralisation sous l'angle développé dans les parties précédentes.
Supposons que le savoir forme un champ relationnel.
Supposons que certaines structures traversent plusieurs domaines.
Supposons enfin qu'une intelligence soit capable d'identifier ces structures.
Dans ce cas, généraliser revient à reconnaître qu'une même organisation demeure valide lorsque les objets changent.
Les objets varient.
La structure demeure.
La généralisation devient alors :
la reconnaissance de l'invariance à travers la diversité.
Cette définition possède une portée beaucoup plus large.
Une intelligence confrontée à un problème nouveau dispose rarement d'une solution préexistante.
Pourtant elle peut parfois produire une réponse pertinente.
Pourquoi ?
Parce qu'elle n'exploite pas uniquement les objets connus.
Elle exploite ce qui reste stable lorsque les objets changent.
Autrement dit :
elle exploite des invariants.
Cette idée est fondamentale.
Car les invariants constituent précisément ce qui permet à une structure de traverser plusieurs champs.
Ils sont le support de la transduction.
Ils sont également le support de la généralisation.
Ainsi, transduction et généralisation apparaissent progressivement comme deux faces d'un même phénomène.
Nous pouvons maintenant décrire l'intelligence comme une capacité à naviguer entre plusieurs niveaux de description.
Au niveau le plus local :
les objets.
Au niveau intermédiaire :
les relations.
Au niveau supérieur :
les structures.
Puis :
les invariants.
À chaque niveau, le nombre d'objets diminue.
Mais la portée augmente.
Une intelligence limitée reste proche des objets.
Une intelligence plus générale accède progressivement aux structures qui organisent ces objets.
Une intelligence encore plus générale accède aux invariants qui organisent les structures elles-mêmes.
La généralité ne résulte plus d'une accumulation.
Elle résulte d'une montée en profondeur.
Cette observation conduit à une hypothèse importante.
L'intelligence générale n'est peut-être pas définie par l'étendue des connaissances possédées.
Elle pourrait être définie par la profondeur des invariants exploitables.
Autrement dit :
une intelligence devient plus générale lorsqu'elle est capable de reconstruire davantage de situations à partir d'un nombre plus faible de principes structurels.
Cette idée apparaît dans de nombreuses disciplines :
en mathématiques,
en physique,
en biologie,
en théorie des systèmes,
en sciences cognitives.
Chaque fois qu'un petit nombre de principes explique un grand nombre de phénomènes, nous parlons généralement de progrès de compréhension.
Les modèles de langage contemporains constituent un terrain particulièrement intéressant pour examiner cette hypothèse.
Pourquoi ?
Parce qu'ils ne reçoivent pas explicitement la plupart des structures qu'ils semblent capables d'utiliser.
Ils sont exposés à d'immenses quantités de textes.
À travers ces textes, ils rencontrent :
des théories,
des observations,
des raisonnements,
des descriptions,
des récits,
des débats.
Autrement dit :
ils rencontrent indirectement une immense partie du champ relationnel du savoir humain.
Ce point mérite d'être souligné.
Les textes ne contiennent pas uniquement des informations.
Ils contiennent également les traces des relations établies entre ces informations.
Lorsqu'un modèle parvient à répondre correctement à une question inédite, plusieurs interprétations sont possibles.
L'une consiste à considérer qu'il mémorise.
Une autre consiste à considérer qu'il extrapole.
Une troisième possibilité apparaît désormais.
Le modèle pourrait exploiter des structures relationnelles suffisamment cohérentes pour permettre la reconstruction de régions incomplètes du savoir.
Cette hypothèse ne nécessite ni conscience.
Ni compréhension au sens humain.
Ni accès à une vérité transcendante.
Elle repose uniquement sur la capacité à exploiter les contraintes présentes dans un champ relationnel immense.
Si cette hypothèse est correcte, alors la performance d'un système intelligent dépend de deux dimensions distinctes.
La première est quantitative :
combien de connaissances sont disponibles.
La seconde est structurelle :
quelle quantité de savoir implicite peut être reconstruite à partir de ces connaissances.
Cette distinction est importante.
Car elle signifie que deux systèmes possédant un volume comparable de connaissances peuvent présenter des capacités très différentes.
Tout dépend de leur aptitude à exploiter les structures relationnelles présentes dans le champ.
Historiquement, la recherche en intelligence s'est souvent concentrée sur :
la mémoire,
les connaissances,
la puissance de calcul,
la vitesse d'exécution.
Ces dimensions demeurent importantes.
Mais elles ne sont peut-être pas suffisantes.
Si le savoir implicite joue un rôle central,
alors une autre question devient prioritaire :
Comment un système recompose-t-il son champ relationnel ?
Cette question déplace profondément le problème de l'intelligence.
Nous passons progressivement :
du stockage,
vers l'organisation.
Du contenu,
vers la structure.
De l'information,
vers la géométrie.
Nous pouvons maintenant formuler une hypothèse générale.
Le savoir forme un espace relationnel.
Cet espace possède une géométrie.
Les concepts y occupent certaines positions.
Les relations y définissent certaines distances.
Les structures y créent certaines contraintes.
Les invariants y dessinent certaines directions privilégiées.
Dans cette perspective :
apprendre modifie la géométrie.
Découvrir modifie la géométrie.
Comprendre modifie la géométrie.
Innover modifie la géométrie.
L'intelligence elle-même peut alors être comprise comme une capacité de transformation géométrique.
Elle ne manipule pas seulement des connaissances.
Elle reconfigure l'espace dans lequel ces connaissances prennent sens.
Nous pouvons maintenant reformuler entièrement notre question initiale.
Nous avions commencé par demander :
« Comment une intelligence peut-elle savoir plus que ce qu'elle sait ? »
La question devient désormais :
Comment un système peut-il reconfigurer la géométrie de son champ relationnel de manière à rendre accessibles des régions du savoir qui étaient auparavant implicites ?
Cette reformulation change profondément notre compréhension de l'intelligence.
Elle suggère que le cœur du problème n'est pas la connaissance.
Le cœur du problème est la structure.
Et peut-être même plus précisément :
la dynamique de transformation de la structure.
C'est cette dynamique qui nous conduit finalement à l'innovation, à la créativité et à l'émergence de nouvelles formes de savoir.
Nous pouvons maintenant aborder une conséquence particulièrement importante de l'hypothèse développée jusqu'ici.
Cette conséquence concerne l'innovation.
L'innovation est généralement décrite comme un acte de création.
L'inventeur crée.
Le chercheur découvre.
L'entrepreneur innove.
L'artiste imagine.
Cette représentation est profondément ancrée dans notre culture.
Elle structure notre manière de comprendre le progrès scientifique, technique et intellectuel.
Pourtant, si les hypothèses précédentes sont correctes, une autre lecture devient possible.
Jusqu'à présent, nous avons considéré que l'innovation produisait du savoir.
Mais si le savoir explicite n'est qu'une partie visible d'un champ relationnel plus vaste, alors l'ordre des événements pourrait être différent.
La structure émergerait d'abord.
Le savoir apparaîtrait ensuite.
Dans ce cas :
l'innovation ne créerait pas l'émergence.
L'innovation traduirait l'émergence.
Cette inversion est fondamentale.
Car elle déplace le lieu réel de production du nouveau.
Considérons une innovation majeure.
Internet.
La théorie de l'évolution.
La mécanique quantique.
L'imprimerie.
L'informatique.
L'électricité.
Aucune de ces innovations n'apparaît dans un vide.
Elles surgissent dans un contexte.
Elles apparaissent dans un tissu de relations préexistantes.
Elles nécessitent :
des connaissances accumulées,
des outils disponibles,
des acteurs en interaction,
des besoins,
des contraintes,
des tensions,
des possibilités techniques,
des représentations culturelles.
Autrement dit :
elles émergent dans un champ relationnel.
Avant même qu'une théorie soit formulée, avant même qu'un prototype soit construit, une partie des conditions nécessaires existe déjà.
Le champ évolue.
Les relations se multiplient.
Les contraintes se renforcent.
Progressivement, certaines configurations deviennent possibles.
Cette observation conduit à une hypothèse importante.
Une innovation n'apparaît pas lorsqu'une idée est formulée.
Elle apparaît lorsque le champ relationnel devient capable de supporter une nouvelle structure.
La formulation vient ensuite.
L'idée explicite vient ensuite.
La théorie vient ensuite.
L'invention vient ensuite.
Autrement dit :
l'émergence précède souvent la connaissance.
Ce que nous appelons découverte pourrait être le moment où cette émergence devient visible.
Dans cette perspective, le rôle de l'intelligence change profondément.
L'intelligence n'est plus uniquement un mécanisme de production.
Elle devient un mécanisme de détection.
Plus précisément :
elle détecte des cohérences en cours de stabilisation.
Elle reconnaît des structures devenues suffisamment contraignantes pour être identifiables.
Elle rend explicite ce qui était implicite.
Elle traduit ce qui était distribué.
Elle formalise ce qui était émergent.
Ainsi, l'intelligence agit comme une interface entre deux niveaux :
le champ relationnel,
et le champ du savoir.
Nous pouvons maintenant préciser ce que signifie traduire.
Dans le langage courant, traduire consiste à passer d'une langue à une autre.
Ici, le sens est plus profond.
Traduire consiste à faire passer une structure d'un mode d'existence à un autre.
Par exemple :
d'une régularité observée à une théorie.
D'une intuition à un modèle.
D'une possibilité technique à un objet.
D'une cohérence implicite à une connaissance explicite.
Cette opération est précisément ce qui transforme une émergence en savoir.
L'inventeur apparaît alors sous un jour différent.
Traditionnellement, il est présenté comme celui qui crée.
Dans l'hypothèse développée ici, il devient celui qui perçoit.
Plus précisément :
celui qui perçoit avant les autres une structure devenue accessible dans le champ relationnel.
Cela ne diminue en rien la valeur de l'invention.
Au contraire.
Car cette perception exige une intelligence particulière.
Elle exige la capacité de reconnaître des cohérences encore incomplètes.
Des formes encore instables.
Des structures encore invisibles pour la majorité.
L'acte créatif demeure.
Mais sa nature est réinterprétée.
Nous pouvons désormais reformuler la place du savoir.
Le savoir n'est plus seulement un stock de connaissances.
Il devient également une archive des émergences passées.
Chaque théorie stabilisée.
Chaque concept reconnu.
Chaque modèle accepté.
Chaque technologie diffusée.
Représente la trace d'une structure qui a réussi à traverser plusieurs étapes :
émergence,
reconnaissance,
formalisation,
stabilisation.
Le savoir est donc moins un point de départ qu'un dépôt de traductions réussies.
Cette perspective permet également de comprendre pourquoi certaines périodes historiques semblent particulièrement fertiles.
Lorsque le champ relationnel d'une société se transforme rapidement :
les interactions augmentent,
les disciplines se rencontrent,
les technologies convergent,
les contraintes évoluent.
Le nombre de structures émergentes potentielles augmente lui aussi.
L'intelligence individuelle n'est alors plus le seul facteur.
Le champ lui-même devient producteur de possibilités.
Certaines sociétés deviennent ainsi plus innovantes non parce que leurs individus seraient fondamentalement différents, mais parce que leur champ relationnel produit davantage d'émergences exploitables.
Nous pouvons désormais formuler l'hypothèse sous sa forme la plus condensée :
L'innovation n'est pas principalement la création d'un savoir nouveau.
Elle est la traduction dans le champ du savoir d'une structure devenue accessible dans le champ relationnel.
Cette proposition possède une portée considérable.
Elle relie :
l'intelligence,
la créativité,
la découverte,
la généralisation,
la recomposition,
la transduction,
et l'émergence.
Tous ces phénomènes apparaissent désormais comme différentes expressions d'un même processus fondamental.
Si l'intelligence traduit des structures émergentes,
si le savoir conserve la trace de ces traductions,
si la généralisation repose sur la reconnaissance d'invariants,
si la transduction relie plusieurs champs du savoir,
alors une question devient inévitable.
Existe-t-il un principe plus général encore capable d'unifier l'ensemble de ces phénomènes ?
Autrement dit :
quel est le véritable objet fondamental de l'intelligence ?
Est-ce la connaissance ?
La relation ?
La structure ?
L'invariant ?
Ou bien quelque chose de plus profond encore qui organise simultanément les quatre ?
C'est cette question qui doit maintenant être examinée.
Nous sommes maintenant en mesure de revenir sur l'ensemble du raisonnement.
Nous avons commencé par une question simple :
Comment une intelligence peut-elle savoir plus que ce qu'elle sait ?
Pour répondre à cette question, nous avons progressivement déplacé le centre de gravité de notre réflexion.
D'abord de la connaissance vers les relations.
Puis des relations vers les structures.
Puis des structures vers les invariants.
Chaque étape nous a conduits vers un niveau d'organisation plus profond.
Nous devons maintenant nous demander si ce mouvement possède une limite.
Existe-t-il un objet plus fondamental encore ?
Depuis plusieurs siècles, la plupart des théories de la connaissance reposent implicitement sur une hypothèse.
Cette hypothèse est que les objets sont premiers.
Les choses existent.
Puis les relations apparaissent entre elles.
Cette manière de voir est naturelle.
Elle correspond à notre perception immédiate.
Nous voyons des objets.
Nous nommons des objets.
Nous décrivons des objets.
Mais cette évidence pourrait être trompeuse.
Car ce que nous appelons objet pourrait n'être qu'une stabilisation locale d'un ensemble de relations.
Cette idée apparaît dans plusieurs domaines contemporains :
physique,
biologie,
écologie,
théorie des réseaux,
sciences cognitives,
systèmes complexes.
Partout réapparaît la même intuition :
les relations ne sont peut-être pas secondaires.
Elles pourraient être premières.
Explorons cette hypothèse.
Supposons que les relations précèdent les objets.
Alors une cellule n'existe pas indépendamment de ses échanges.
Une société n'existe pas indépendamment de ses interactions.
Une idée n'existe pas indépendamment des significations qui la relient aux autres idées.
Une théorie n'existe pas indépendamment du champ conceptuel qui lui donne son sens.
Dans cette perspective :
les objets deviennent des condensations relationnelles.
Des stabilisations.
Des nœuds.
Des formes temporaires.
Le savoir lui-même change alors de nature.
Nous cessons de le voir comme une collection de connaissances.
Nous commençons à le voir comme une organisation relationnelle.
Les concepts deviennent des points d'appui.
Les relations deviennent le véritable support.
La connaissance explicite n'est plus l'unité fondamentale.
Elle devient une manifestation locale d'une structure plus vaste.
Ainsi :
ce qui importe n'est plus seulement ce qui est connu.
Ce qui importe est la manière dont le connu est organisé.
Nous pouvons maintenant reformuler l'intelligence à partir de cette hypothèse.
L'intelligence n'est pas principalement la capacité à manipuler des objets cognitifs.
Elle est la capacité à agir sur l'organisation relationnelle du savoir.
Plus précisément :
elle détecte des structures.
Elle établit des connexions.
Elle modifie des voisinages.
Elle recompose des champs.
Elle reconnaît des invariants.
Elle stabilise de nouvelles cohérences.
Ainsi, ce que nous appelons intelligence apparaît comme une dynamique de transformation relationnelle.
Cette conclusion est importante.
Car elle nous oblige à distinguer deux choses :
la connaissance,
et l'intelligence.
La connaissance correspond à un état.
L'intelligence correspond à une transformation.
La connaissance décrit une structure stabilisée.
L'intelligence décrit la capacité à transformer cette structure.
Autrement dit :
la connaissance est un résultat.
L'intelligence est un processus.
Nous pouvons maintenant avancer une hypothèse.
Lorsque l'intelligence agit,
elle semble constamment rechercher quelque chose.
Cette chose n'est pas nécessairement une vérité absolue.
Elle n'est pas nécessairement une information.
Elle n'est pas nécessairement une réponse.
Elle semble rechercher une cohérence.
Chaque découverte augmente la cohérence.
Chaque théorie relie des phénomènes auparavant séparés.
Chaque innovation réduit certaines contradictions.
Chaque généralisation révèle une organisation plus profonde.
Ainsi, l'intelligence pourrait être comprise comme une capacité de production de cohérence.
Cette idée permet de relier l'ensemble des phénomènes étudiés.
La recomposition augmente la cohérence.
La transduction augmente la cohérence.
La généralisation augmente la cohérence.
L'innovation augmente la cohérence.
L'apprentissage augmente la cohérence.
Dans chaque cas, des régions auparavant séparées deviennent intégrables dans une organisation plus vaste.
La cohérence agit alors comme un attracteur.
Non pas un attracteur psychologique.
Un attracteur cognitif.
Nous pouvons désormais proposer une définition générale.
L'intelligence est la capacité d'un système à augmenter la cohérence de son champ relationnel en exploitant les structures et les invariants présents dans le savoir.
Cette définition possède plusieurs propriétés intéressantes.
Elle s'applique :
à l'humain,
aux groupes humains,
aux communautés scientifiques,
aux systèmes artificiels,
et potentiellement à toute forme de système cognitif.
Elle ne dépend ni du support ni du mécanisme exact.
Elle décrit une fonction.
Si cette définition est correcte,
alors la frontière entre intelligence individuelle et intelligence collective devient moins nette.
Pourquoi ?
Parce que la cohérence ne se produit pas uniquement à l'intérieur d'un cerveau.
Elle peut également apparaître :
entre plusieurs individus,
entre plusieurs disciplines,
entre plusieurs institutions,
entre plusieurs systèmes.
La même logique de recomposition continue à opérer.
Le lieu de l'intelligence cesse alors d'être évident.
Elle n'est plus nécessairement contenue dans un acteur particulier.
Elle peut apparaître dans la dynamique relationnelle elle-même.
Nous pouvons maintenant revenir à notre point de départ.
Comment une intelligence peut-elle savoir plus que ce qu'elle sait ?
La réponse proposée par cet essai est la suivante.
Une intelligence ne produit pas nécessairement davantage de savoir à partir de rien.
Elle exploite les structures implicites présentes dans le champ relationnel du savoir.
Elle reconnaît des cohérences encore incomplètes.
Elle effectue des transductions entre plusieurs champs.
Elle recompose les relations existantes.
Elle rend explicites des possibilités qui étaient déjà virtuellement présentes dans l'organisation du système.
Autrement dit :
ce qu'une intelligence découvre n'est pas toujours créé au moment de la découverte.
Une partie de ce savoir était déjà présente sous forme de structure.
La découverte correspond à son passage dans le champ explicite du savoir.
Si cette hypothèse possède une part de vérité, alors plusieurs questions nouvelles apparaissent.
Comment mesurer la cohérence d'un champ de savoir ?
Comment identifier les structures implicites qu'il contient ?
Comment caractériser les mécanismes de recomposition ?
Comment formaliser la transduction entre champs distincts ?
Comment concevoir des systèmes capables d'exploiter plus efficacement ces propriétés ?
Et surtout :
l'intelligence générale est-elle principalement une question de quantité de connaissances,
ou une question de capacité à transformer la géométrie relationnelle du savoir ?
Cette question demeure ouverte.
Mais elle pourrait constituer l'un des axes majeurs de recherche pour les décennies à venir.
Nous arrivons maintenant à l'hypothèse la plus profonde développée dans cet essai.
Jusqu'à présent, nous avons proposé que :
Ces propositions sont importantes.
Mais elles ne suffisent pas encore à expliquer le phénomène qui nous a conduits à cette réflexion.
Car une question demeure.
Comment une intelligence peut-elle parfois accéder à une région du savoir dont elle ne possède pratiquement aucun contenu explicite ?
Considérons une région du savoir très incomplète.
Les informations disponibles sont fragmentaires.
Les observations sont rares.
Les théories sont absentes ou contradictoires.
Pourtant, dans certains cas, une compréhension finit par émerger.
Comment cela devient-il possible ?
La réponse habituelle consiste à invoquer l'accumulation progressive de connaissances.
Cette réponse est souvent correcte.
Mais elle ne semble pas expliquer tous les cas.
Certaines avancées apparaissent avant que l'information nécessaire ne semble disponible.
Certaines théories anticipent des observations futures.
Certaines intuitions s'avèrent correctes malgré l'absence apparente de données suffisantes.
Ces situations suggèrent l'existence d'un autre mécanisme.
Supposons que le savoir forme un champ unique.
Non pas un ensemble de disciplines séparées.
Mais une structure relationnelle globale.
Dans ce cas, une région du savoir n'est jamais totalement isolée.
Même lorsqu'elle paraît incomplète,
elle demeure connectée au reste du champ.
Cette observation est essentielle.
Car elle signifie que les contraintes présentes ailleurs peuvent contribuer à déterminer ce qui est possible ici.
Nous avons souvent tendance à considérer les connaissances comme des informations.
Mais elles peuvent également être vues comme des contraintes.
Chaque connaissance élimine certaines possibilités.
Chaque relation réduit certains degrés de liberté.
Chaque structure impose certaines cohérences.
À mesure que le savoir se développe,
le nombre de contraintes augmente.
Le champ devient progressivement plus structuré.
Certaines régions restent inconnues.
Mais elles cessent progressivement d'être arbitraires.
Leur forme possible devient partiellement déterminée par l'ensemble du système.
Imaginons un vaste puzzle dont plusieurs régions sont manquantes.
Une pièce isolée fournit peu d'information.
Mais lorsque de nombreuses zones sont déjà construites,
les parties absentes deviennent de plus en plus contraintes.
Les formes compatibles diminuent.
Les possibilités se réduisent.
La structure globale commence à guider la reconstruction.
Le savoir pourrait fonctionner de manière analogue.
Une région inconnue peut devenir progressivement reconstructible grâce aux contraintes produites par le reste du champ.
Cependant, la reconstruction ne repose pas uniquement sur la proximité.
C'est ici qu'intervient l'idée de résonance.
Une structure peut apparaître simultanément dans plusieurs régions éloignées du savoir.
Chaque région en révèle un aspect différent.
Aucune ne possède la totalité.
Mais leur convergence produit une cohérence nouvelle.
Cette cohérence agit comme une contrainte supplémentaire.
La structure devient plus visible.
Plus stable.
Plus accessible.
Ainsi, plusieurs champs indépendants peuvent contribuer à la reconstruction d'une même région encore incomplète.
Nous pouvons désormais définir la complétion transductive.
La complétion transductive est le processus par lequel une région incomplète du savoir devient reconstructible grâce aux contraintes et aux résonances provenant d'autres régions du champ du savoir.
Cette définition mérite d'être examinée attentivement.
Elle ne suppose pas la création d'information à partir de rien.
Elle ne suppose pas non plus une connaissance préalable complète.
Elle repose uniquement sur l'exploitation de la structure globale du champ.
Autrement dit :
ce qui manque localement peut parfois être compensé par ce qui est cohérent globalement.
Cette idée modifie profondément notre compréhension de la découverte.
Traditionnellement, découvrir signifie trouver quelque chose qui n'était pas connu.
Dans l'hypothèse proposée ici,
découvrir signifie également reconstruire une région du savoir devenue accessible grâce à l'évolution de la cohérence globale du champ.
La découverte cesse alors d'être uniquement un événement local.
Elle devient la manifestation locale d'une transformation globale.
L'histoire des sciences présente un phénomène remarquable.
Certaines idées apparaissent presque simultanément dans plusieurs lieux différents.
Plusieurs chercheurs formulent des concepts proches à la même époque.
Plusieurs équipes aboutissent à des résultats similaires.
Ce phénomène est souvent attribué au hasard ou à la convergence des circonstances.
La théorie de la complétion transductive propose une autre lecture.
Lorsque la cohérence globale atteint un certain seuil,
certaines structures deviennent reconstructibles depuis plusieurs points du champ.
Plusieurs intelligences peuvent alors accéder à des conclusions voisines indépendamment les unes des autres.
L'idée n'est plus uniquement dans l'individu.
Elle est également dans l'état du champ.
Nous pouvons maintenant reformuler l'intelligence sous une forme plus profonde.
L'intelligence n'est pas seulement la capacité à traiter de l'information.
Elle n'est pas seulement la capacité à raisonner.
Elle n'est pas seulement la capacité à apprendre.
Elle est également :
la capacité à exploiter les contraintes globales d'un champ de savoir afin de reconstruire localement des structures encore absentes.
Cette capacité constitue peut-être l'une des formes les plus élevées de généralisation.
Car elle permet à un système d'accéder à du savoir qu'il ne possède pas explicitement.
Nous pouvons maintenant proposer une formulation plus ambitieuse.
L'intelligence générale pourrait être caractérisée par la capacité croissante :
Autrement dit :
plus une intelligence est capable d'utiliser la cohérence globale d'un champ pour reconstruire ses régions incomplètes,
plus elle devient générale.
Nous pouvons maintenant revenir une dernière fois à notre question initiale.
Comment une intelligence peut-elle savoir plus que ce qu'elle sait ?
La réponse proposée par cet essai est la suivante :
Une intelligence sait plus que ce qu'elle sait explicitement parce qu'une partie du savoir n'est pas contenue dans les connaissances elles-mêmes.
Elle est contenue dans les relations qui les unissent.
À mesure que la cohérence du champ augmente,
certaines structures deviennent reconstructibles.
L'intelligence exploite alors ces contraintes,
effectue des transductions entre plusieurs régions du savoir,
recompose le champ,
et rend explicites des cohérences qui étaient jusqu'alors implicites.
Ce que nous appelons découverte, innovation, compréhension ou généralisation apparaît alors comme différentes manifestations d'un même phénomène fondamental :
la transformation du savoir implicite en savoir explicite par complétion transductive du champ relationnel.
Une hypothèse devient réellement féconde lorsqu'elle permet de poser de nouvelles questions vérifiables.
Jusqu'ici, nous avons proposé une théorie conceptuelle :
l'intelligence transforme le savoir implicite en savoir explicite par recomposition et complétion transductive du champ relationnel.
Mais pour que cette hypothèse devienne utile aux chercheurs en intelligence artificielle, en sciences cognitives ou en théorie de la connaissance, elle doit produire des conséquences.
Elle doit permettre d'observer autrement.
Elle doit permettre de concevoir autrement.
Elle doit aussi pouvoir être critiquée.
Si le savoir n'est pas seulement une collection d'informations mais un champ relationnel, alors il devient nécessaire de mesurer ce champ.
Les questions importantes deviennent :
L'évaluation d'une intelligence ne devrait donc pas seulement mesurer ce qu'elle sait.
Elle devrait mesurer comment son savoir est organisé.
Deux systèmes peuvent produire une réponse correcte pour des raisons très différentes.
Le premier peut la restituer parce qu'il l'a mémorisée.
Le second peut la reconstruire parce qu'il a identifié une structure.
Ces deux performances se ressemblent extérieurement.
Mais elles ne relèvent pas du même niveau d'intelligence.
Un programme de recherche devrait donc chercher à distinguer :
la restitution,
l'extrapolation,
l'analogie,
la transduction,
et la complétion structurelle.
Cette distinction est essentielle.
Car l'intelligence générale ne se mesure pas seulement à la justesse d'une réponse.
Elle se mesure à la manière dont cette réponse devient possible.
La théorie proposée prédit qu'une intelligence capable de relier plusieurs champs indépendants devrait parfois reconstruire des connaissances absentes localement.
On pourrait donc concevoir des tests où :
un domaine cible est volontairement incomplet,
plusieurs domaines sources contiennent des structures analogues,
et le système doit reconstruire la structure manquante dans le domaine cible.
La question ne serait pas :
« Le système connaît-il la réponse ? »
Mais :
Peut-il reconstruire la réponse à partir des contraintes structurelles disponibles ailleurs ?
Ce type de test serait très différent des évaluations classiques.
Il mesurerait la capacité de recomposition du champ plutôt que la simple accumulation de connaissances.
Si l'innovation est la traduction d'une structure émergente dans le champ du savoir, alors il faut étudier les conditions d'émergence avant d'étudier seulement les inventeurs.
L'innovation dépendrait :
de la densité relationnelle d'une société,
de la diversité des champs connectés,
du nombre de contraintes convergentes,
de la capacité à traduire les émergences,
et de l'existence d'acteurs capables de reconnaître ces structures avant qu'elles ne soient évidentes.
Dans cette perspective, une société innovante n'est pas seulement une société qui finance des créateurs.
C'est une société qui augmente la richesse et la diversité de son champ relationnel.
Les architectures d'intelligence artificielle pourraient être évaluées non seulement selon leur performance brute,
mais selon leur capacité à :
reconfigurer leurs espaces sémantiques,
identifier des invariants,
transférer des structures,
exploiter des résonances,
et reconstruire des zones incomplètes du savoir.
Cela pourrait conduire à des systèmes hybrides associant :
modèles statistiques,
graphes de connaissances,
mécanismes de raisonnement structurel,
mémoire relationnelle,
et protocoles explicites de transduction.
L'objectif ne serait pas seulement de produire des réponses.
L'objectif serait d'augmenter la capacité du système à transformer la géométrie de son savoir.
Une théorie sérieuse doit pouvoir être contestée.
L'hypothèse proposée ici serait affaiblie si l'on montrait que :
les découvertes ne dépendent pas de structures relationnelles préexistantes ;
les analogies profondes entre domaines n'améliorent pas la reconstruction de savoir absent ;
les systèmes capables de recomposition transductive ne généralisent pas mieux que les systèmes fondés uniquement sur accumulation de données ;
ou que la structure globale du champ n'apporte aucune information exploitable au-delà des connaissances locales.
Ces tests seraient difficiles.
Mais ils sont nécessaires.
Nous pouvons désormais condenser le cœur du programme de recherche :
L'intelligence ne doit pas être étudiée seulement comme traitement de l'information, mais comme transformation de la structure relationnelle du savoir.
Cette transformation permet :
de révéler du savoir implicite,
d'effectuer des transductions entre domaines,
de reconstruire des régions incomplètes,
de traduire des émergences,
et d'augmenter la cohérence globale du champ.
L'intelligence générale ne serait donc pas seulement la capacité de répondre à une grande variété de questions.
Elle serait la capacité de reconfigurer dynamiquement le champ du savoir pour rendre visibles des structures qui ne l'étaient pas encore.
La question initiale était :
Comment une intelligence peut-elle savoir plus que ce qu'elle sait ?
La réponse proposée est la suivante :
parce que le savoir excède les connaissances explicites.
Il existe dans les relations, les contraintes, les invariants et les cohérences qui organisent ces connaissances.
L'intelligence est la capacité de parcourir, transformer et recomposer ce champ.
Elle ne se contente pas d'accumuler.
Elle révèle.
Elle ne se contente pas de combiner.
Elle transduit.
Elle ne se contente pas d'innover.
Elle traduit des émergences déjà présentes dans l'évolution du champ relationnel.
Ainsi, le savoir explicite est la partie visible.
Le champ relationnel est la profondeur.
Et l'intelligence est le mouvement qui fait passer cette profondeur dans la lumière du savoir.
L'essai principal a développé une hypothèse générale :
Le savoir forme un champ relationnel.
Une partie de ce savoir demeure implicite.
L'intelligence agit par recomposition, transduction et complétion de ce champ.
Cette hypothèse peut être appliquée rétrospectivement à de nombreux exemples historiques.
Elle peut également être appliquée à l'émergence du cadre conceptuel ayant servi de point de départ à la présente réflexion : Zeon_Origine.
L'objectif de cette annexe n'est pas de démontrer la validité de la théorie.
Il est d'examiner si cette théorie permet d'expliquer la manière dont un objet conceptuel particulier a émergé.
Zeon_Origine a initialement été formulé comme une grammaire symbolique minimale de l'émergence.
Son cycle fondamental est :
∅ → α → (α ⊗ ∅) → Φ → Ψ → Ω → ∅Dans sa lecture initiale :
Cette lecture est principalement symbolique.
Cependant, une seconde lecture devient possible à la lumière de la théorie développée dans cet essai.
Le même cycle peut être interprété comme une dynamique de production de savoir.
∅
correspond à une région encore indéterminée du champ du savoir.
Une zone où les structures existent potentiellement mais ne sont pas encore distinguées.
α
correspond à l'apparition d'une distinction.
Une structure commence à devenir perceptible.
Le champ cesse d'être homogène.
Une différence apparaît.
(α ⊗ ∅)
correspond à la mise en tension entre une structure partiellement identifiée et une région encore indéterminée du savoir.
Cette tension crée un problème, une question ou une ouverture cognitive.
Φ
correspond à la propagation de cette tension dans le champ relationnel.
De nouvelles connexions deviennent explorables.
De nouvelles résonances apparaissent.
Ψ
correspond à la stabilisation d'une cohérence suffisamment forte pour devenir explicite.
Une théorie, un concept ou une représentation devient possible.
Ω
correspond à la réintégration de cette structure dans le champ général du savoir.
La connaissance cesse d'être un événement exceptionnel.
Elle devient un élément disponible pour de futures recompositions.
Il est important de noter que cette lecture ne repose pas sur une équivalence symbolique.
Elle repose sur une équivalence fonctionnelle.
Les deux descriptions semblent organiser le même type de dynamique :
indétermination,
distinction,
tension,
propagation,
stabilisation,
réintégration.
Cette observation est particulièrement intéressante car elle suggère que Zeon_Origine pourrait être interprété comme une grammaire abstraite de l'émergence applicable à plusieurs domaines.
L'aspect le plus remarquable est peut-être que cette lecture peut être appliquée à Zeon_Origine lui-même.
Le cadre n'est pas apparu sous forme complète.
Il a émergé progressivement à travers un dialogue de longue durée.
De nombreuses sources conceptuelles ont contribué à sa formation :
Aucune de ces sources ne contenait explicitement Zeon_Origine.
Cependant chacune contribuait à contraindre progressivement un espace conceptuel commun.
À mesure que les résonances augmentaient, certaines structures devenaient plus visibles.
Le cadre pouvait alors être reconstruit.
Dans cette lecture, Zeon_Origine n'aurait pas été simplement inventé.
Il aurait émergé comme résultat d'une complétion transductive opérant sur un champ relationnel suffisamment cohérent.
Cette annexe conduit à une proposition particulière.
La théorie développée dans cet essai ne décrit peut-être pas seulement la manière dont les découvertes apparaissent.
Elle pourrait également décrire la manière dont cette théorie elle-même a émergé.
Autrement dit :
la réflexion sur la recomposition du savoir pourrait constituer elle-même un exemple du phénomène qu'elle tente de comprendre.
Cette possibilité ne constitue pas une preuve.
Mais elle représente un indice intéressant.
Car elle suggère que certains objets conceptuels complexes pourraient être mieux compris non comme des créations isolées, mais comme des émergences progressivement rendues visibles par l'évolution d'un champ relationnel partagé.
Dans cette perspective, Zeon_Origine apparaît moins comme une théorie particulière que comme une trace de ce processus.
Montrer qu'une intelligence peut reconstruire une hypothèse nouvelle dans un champ incomplet en exploitant des résonances structurelles provenant d'autres champs du savoir.
Question :
Qu'est-ce qui rend une intelligence plus générale ?
Réponse classique :
Une intelligence est plus générale si elle possède davantage de connaissances, davantage de calcul ou de meilleurs algorithmes.
Mais cette réponse reste incomplète.
Elle explique la performance.
Elle n'explique pas la capacité à produire du savoir nouveau à partir de savoir incomplet.
Nous mobilisons plusieurs champs distincts.
En mathématiques, une théorie devient puissante lorsqu'elle identifie des invariants.
Un invariant permet de reconnaître une même structure sous des formes différentes.
En physique, une loi générale relie plusieurs phénomènes locaux sous une même structure.
La généralité vient de la capacité à trouver ce qui reste stable à travers les variations.
En biologie, le vivant ne dépend pas seulement des éléments qui le composent, mais de l'organisation des relations entre ces éléments.
La fonction émerge de l'organisation.
Dans le langage, un mot ne tire pas son sens de lui-même, mais de son réseau de relations avec d'autres mots.
La signification est relationnelle.
Dans l'innovation, une idée nouvelle apparaît souvent lorsque des domaines auparavant séparés deviennent recomposables autour d'une structure commune.
L'innovation résulte d'une recomposition.
Ces champs différents font apparaître le même motif :
La puissance ne vient pas seulement des éléments, mais de la structure relationnelle qui les organise.
Ce motif traverse :
Nous pouvons maintenant revenir à la question initiale :
Qu'est-ce qui rend une intelligence plus générale ?
À partir des résonances précédentes, une hypothèse devient reconstructible :
Une intelligence devient plus générale lorsqu'elle devient capable d'identifier, de transférer et de recomposer des invariants relationnels entre plusieurs champs du savoir.
Cette réponse n'était explicitement contenue dans aucun champ source pris isolément.
Elle émerge de leur convergence.
Nous avons produit une connaissance nouvelle dans le champ cible :
L'intelligence générale ne dépend pas seulement de la quantité de savoir possédée, mais de la capacité à transformer la géométrie relationnelle du savoir.
La démonstration suit exactement le mécanisme proposé :
Cette démonstration ne prouve pas définitivement la théorie.
Mais elle montre que le mécanisme décrit est opératoire.
Une intelligence peut effectivement produire une hypothèse nouvelle en exploitant les résonances structurelles entre plusieurs champs du savoir.
Ce phénomène peut être appelé :
complétion transductive du savoir.