Lanier a inventé un mot de 50 cents dans le but de jeter un filet autour d'un ensemble spécifique d'idées qui décrivent un modèle informatique pour créer des programmes informatiques ayant certaines caractéristiques identifiables.
Le mot signifie:
Mécanisme d'interaction de composants qui utilise la reconnaissance de formes ou la cognition artificielle à la place de l'invocation de fonctions ou de la transmission de messages.
L'idée vient en grande partie de la biologie. Votre œil s'interface avec le monde, non pas via une fonction comme See(byte[] coneData)
, mais à travers une surface appelée rétine. Ce n'est pas une distinction triviale; un ordinateur doit analyser tous les octets coneData
un par un, tandis que votre cerveau traite toutes ces entrées simultanément.
Lanier affirme que cette dernière interface est plus tolérante aux pannes, ce qui est le cas (un seul bit glissé coneData
peut casser tout le système). Il prétend qu'il permet la correspondance de modèles et une foule d'autres capacités qui sont normalement difficiles pour les ordinateurs, ce qu'il fait.
Le mécanisme «phénotrope» par excellence dans un système informatique serait le réseau de neurones artificiels (ANN). Il prend une "surface" en entrée, plutôt qu'une interface définie. Il existe d'autres techniques pour atteindre une certaine mesure de reconnaissance des formes, mais le réseau neuronal est le plus étroitement aligné sur la biologie. Faire un ANN est facile; il est difficile de lui faire exécuter la tâche que vous souhaitez effectuer de manière fiable, pour plusieurs raisons:
- À quoi ressemblent les "surfaces" d'entrée et de sortie? Sont-ils stables ou varient-ils en taille au fil du temps?
- Comment obtenez-vous la bonne structure de réseau?
- Comment formez-vous le réseau?
- Comment obtenez-vous des caractéristiques de performances adéquates?
Si vous êtes prêt à vous séparer de la biologie, vous pouvez vous passer du modèle biologique (qui tente de simuler le fonctionnement de neurones biologiques réels) et construire un réseau qui est plus étroitement lié aux «neurones» réels d'un système informatique numérique (logique portes). Ces réseaux sont appelés réseaux de logique adaptative (ALN). La façon dont ils fonctionnent consiste à créer une série de fonctions linéaires qui se rapprochent d'une courbe. Le processus ressemble à ceci:
... où l'axe X représente une entrée dans l'ALN et l'axe Y représente une sortie. Imaginez maintenant le nombre de fonctions linéaires s'étendant au besoin pour améliorer la précision, et imaginez ce processus se produisant à travers n dimensions arbitraires, implémenté entièrement avec des portes logiques ET et OU, et vous avez une idée de ce à quoi ressemble un ALN.
Les ALN ont certaines caractéristiques très intéressantes:
- Ils sont assez facilement entraînables,
- Ils sont très prévisibles, c'est-à-dire que de légères variations dans les entrées ne produisent pas de fluctuations sauvages de la sortie,
- Ils sont rapides comme l'éclair, car ils sont construits sous la forme d'un arbre logique et fonctionnent un peu comme une recherche binaire.
- Leur architecture interne évolue naturellement grâce à l'ensemble de formation
Un programme phénotrope ressemblerait donc à quelque chose comme ceci; il aurait une "surface" pour l'entrée, une architecture et un comportement prévisibles, et il tolérerait les entrées bruyantes.
Lectures complémentaires
Introduction aux réseaux de logique adaptative avec une application pour l'audit de l'évaluation des risques
«orientée objet» vs «orientée message», par Alan Kay
phenotropic program
?