Modéliser ce qui résiste à la modélisation : De la sémantique à la sémiotique - Inria - Institut national de recherche en sciences et technologies du numérique Accéder directement au contenu
Article Dans Une Revue Revue Ouverte d'Intelligence Artificielle Année : 2020

Modéliser ce qui résiste à la modélisation : De la sémantique à la sémiotique

Résumé

To deal with Artificial intelligence applied to Digital humanities, this article boldly focuses its state of the art on the 1970s. We discover that modelling archaeological artifacts at that time with “analysis languages” and “domains” competes with current projects based on RDF and OWL, even with subtleties that only the best ones achieve today. But projects from the 1970s are especially interesting because of the debates they inspired in the archaeologists community, debates with such a theoretical depth that they still could have an impact, more than 45 years later. Among the critics of that time, the most insightful and constructive is P. Bruneau (an archaeologist). According to him, the objects of Human Sciences, because they are already meaningful (unlike the objects of Nature), must be described with semiotic (rather than semantic) methods. Coping with context cannot be reduced to an elusive statement, neither to an additional model: it requires the systematic refusal of broad scope models. Models should take into account that among all the possible distinctive features of an object, only a few are pertinent: they are highlighted by the differences with the neighbouring objects of the “technical universe”. Several current works in Knowledge engineering, consciously or not, fit into those perspectives at least partially. As illustrated with our own software and experiments, taking into account this semiotic approach offers promising prospects for the instrumentation of the daily practice of researchers in Humanities as well as for scientific mediation. But a greater prospect could be in the bunch of design open issues that this approach raises: mundane issues at first sight, but related indeed with a better comprehension of sense and sense making. This could lead us back to the roots of Artificial intelligence and Cognitive sciences, when their main aim was less to replace human intelligence than to better understand it.
Para abordar la inteligencia artificial aplicada a las humanidades digitales, este artículo toma la arriesgada apuesta de centrar su estado del arte en los años 70. Descubrimos que los primeros trabajos de modelización de objetos arqueológicos utilizando “lenguajes de análisis” y “dominios” no tienen nada que envidiar a los proyectos actuales basados en el Marco de Descripción de Recursos (RDF) y en el Lenguaje de Ontologías Web (OWL), los cuales a menudo incluso contienen una finura de análisis digna de los proyectos más exitosos. Sin embargo, estos trabajos son especialmente interesantes por los debates que han suscitado en la comunidad arqueológica, debates de suficiente profundidad teórica para seguir siendo aplicables, a nuestro parecer, más de 45 años después. Entre las críticas de la época, la más interesante y constructiva es probablemente la del arqueólogo Philippe Bruneau : a diferencia de los objetos de la Naturaleza, los objetos de las Ciencias Humanas, por ser ya portadores de significado, deben ser descritos mediante métodos semióticos (más que semánticos). El hecho de tener en cuenta el contexto no se traduce a un principio vago o a un modelo más, sino a un rechazo sistemático de los modelos de alcance general. Los modelos deben tener en cuenta el hecho de que sólo un pequeño número de los rasgos que pueden caracterizar a un objeto serán relevantes, y es por medio de la diferencia con los objetos que están cerca de él en su universo técnico. Consciente o inconscientemente, un cierto número de los trabajos actuales de ingeniería del conocimiento están al menos parcialmente en línea con estas perspectivas. Como lo ilustramos con nuestros propios software y experimentos, tomar en cuenta este enfoque semiótico traza perspectivas prometedoras para la instrumentación de la práctica cotidiana de los investigadores en las Humanidades, así como para la mediación científica. Pero por justo retorno a las fuentes de la inteligencia artificial (en una época en que su objetivo era menos sustitutivo que comprensivo), el interés por tener en cuenta el enfoque semiótico es tal vez aún mayor en la multitud de asuntos de concepción que ésta suscita, preguntas que son anecdóticas a primera vista, pero que en última instancia están vinculadas a lo que es el significado, y a sus modos de construcción.
Pour traiter de l’intelligence artificielle appliquée aux humanités numériques, cet article prend le pari risqué de concentrer son état de l’art sur les années 1970. Nous découvrons que ces premiers travaux de modélisation des objets archéologiques à l’aide de « langages d’analyse » et de « domaines » n’ont rien à envier aux projets actuels à base de RDF et d’OWL, qu’ils recèlent même souvent une finesse d’analyse digne des projets les plus aboutis. Mais ces travaux sont surtout intéressants par les débats qu’ils firent naître dans la communauté des archéologues, débats d’une profondeur théorique suffisante pour rester, nous semble-t-il, applicables plus de 45 ans après. Parmi les critiques de l’époque, la plus intéressante et la plus constructive est probablement celle de l’archéologue Philippe Bruneau : contrairement aux objets de la Nature, les objets des Sciences humaines, parce qu’ils sont déjà porteurs de sens, doivent être décrits avec des méthodes sémiotiques (plutôt que sémantiques). La prise en compte du contexte ne se traduit alors pas par un vague principe ou par un modèle de plus, mais par un refus systématique des modèles à portée générale. Les modèles doivent tenir compte du fait que seuls un petit nombre des traits pouvant caractériser un objet seront pertinents et ce par différence avec les objets qui sont proches de lui dans son univers technique. Consciemment ou inconsciemment, un certain nombre de travaux d’aujourd’hui en ingénierie des connaissances s’inscrivent au moins partiellement dans ces perspectives. Comme nous l’illustrons avec nos propres logiciels et expérimentations, la prise en compte de cette approche sémiotique trace des perspectives prometteuses pour l’instrumentation de la pratique quotidienne des chercheurs en Sciences humaines ainsi que pour la médiation scientifique. Mais, par un juste retour aux sources de l’intelligence artificielle (à l’époque où sa visée était moins substitutive que compréhensive) l’intérêt de la prise en compte de l’approche sémiotique est peut-être plus grand encore dans la foule de questions de conception qu’elle suscite, questions anecdotiques à première vue, mais liées finalement à ce qu’est le sens et à ses modes de construction.
Fichier principal
Vignette du fichier
ROIA_2020__1_1_71_0.pdf (5.36 Mo) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...

Dates et versions

hal-02313535 , version 1 (09-09-2020)

Licence

Paternité

Identifiants

Citer

Aurélien Bénel. Modéliser ce qui résiste à la modélisation : De la sémantique à la sémiotique. Revue Ouverte d'Intelligence Artificielle, 2020, Intelligence Artificielle et Humanités Numériques, 1 (1), pp.71-88. ⟨10.5802/roia.4⟩. ⟨hal-02313535⟩
338 Consultations
93 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More