Can machines really see? Vision and representation in the light of deep learning

Astérion 25 (2021)
  Copy   BIBTEX

Abstract

La vision par ordinateur est un des domaines de l’intelligence artificielle qui connaît les succès les plus fulgurants. Depuis une vingtaine d’années, les machines n’ont cessé de progresser dans leur capacité à extraire des informations à partir d’images et à identifier des objets. Mais faut-il en conclure que ces machines sont littéralement des machines voyantes, ou ne s’agit-il que d’une façon imagée de décrire des capacités de détection? Le présent article se propose de fournir les bases d’une réponse raisonnée à cette question. Nous examinons successivement trois types de conditions d’attribution de la vision, et soutenons que le critère fonctionnaliste, en termes de représentations internes de stimuli visuels exploitables à diverses fins, doit être préféré aux critères behavioriste ou phénoménologique. Ce critère fonctionnaliste est ensuite appliqué à une des technologies les plus utilisées dans le domaine de la vision par ordinateur, celle des réseaux de neurones et plus particulièrement des réseaux convolutifs. Nous soutenons alors que de tels réseaux sont bien capables de voir, précisément dans la mesure où ils sont entraînés pour produire des représentations à partir de données visuelles. Ces représentations ont des traits spécifiques associés à un entraînement réussi : elles sont hiérarchiques, versatiles et robustes. De telles propriétés ont un intérêt théorique au-delà de leur domaine d’origine : nous suggérons pour finir qu’elles pourraient être utilisées pour spécifier la nature de la fonction de représentation et résoudre certains des problèmes classiques auxquels font face les théories téléosémantiques de la représentation comme celle de Dretske.

Links

PhilArchive



    Upload a copy of this work     Papers currently archived: 91,271

External links

Setup an account with your affiliations in order to access resources via your University's proxy server

Through your library

Similar books and articles

Personalizing One's Technological Environment by Communicating with Machines.Daniel Levi - 1998 - Bulletin of Science, Technology and Society 18 (5):345-351.
Art: Brought to You by Creative Machines.Steffen Steinert - 2017 - Philosophy and Technology 30 (3):267-284.
Accelerating Turing machines.B. Jack Copeland - 2002 - Minds and Machines 12 (2):281-300.
On TAE Machines and Their Computational Power.Apostolos Syropoulos - 2019 - Logica Universalis 13 (2):165-170.
Thinking And Machines.H. R. T. Roberts - 1958 - Philosophy 33 (126):356-356.
On TAE Machines and Their Computational Power.Apostolos Syropoulos - 2019 - Logica Universalis 13 (2):165-170.
On thinking machines and feeling machines.Roland Puccetti - 1967 - British Journal for the Philosophy of Science 18 (May):39-51.
A Puzzle concerning Compositionality in Machines.Ryan M. Nefdt - 2020 - Minds and Machines 30 (1):47-75.
Machines and the Moral Community.Erica L. Neely - 2013 - Philosophy and Technology 27 (1):97-111.
Machines as Persons?Oswald Hanfling - 1991 - Royal Institute of Philosophy Supplement 29:25-34.

Analytics

Added to PP
2022-04-08

Downloads
15 (#905,674)

6 months
5 (#592,531)

Historical graph of downloads
How can I increase my downloads?

Author's Profile

Denis Bonnay
Université Paris Nanterre

Citations of this work

No citations found.

Add more citations

References found in this work

No references found.

Add more references