The Observer Problem and Artificial Neural Networks: Towards a Transdisciplinary Observer Concept
Notice bibliographique
Résumé
This article offers a radical reconceptualization of the observer problem within the context of natural science, philosophy, and artificial intelligence. The analysis traces the concept’s evolution from its origins in quantum mechanics (Heisenberg, Pauli) through the ontological approach of Mamardashvili, the phenomenology of Merleau-Ponty, and Luhmann’s systems theory, which defines observation as the fundamental operation of making distinctions. Building on this foundation, the article transitions to a process ontology. Prigogine’s concept of “active matter” shows that under non-equilibrium conditions, matter itself acquires the capacity for self-measurement and distinction, while Rovelli’s relational quantum mechanics defines reality as a network of relations and interactions, rather than a collection of entities. The article’s central argument is a shift from understanding the observer as an isolated entity to its conceptualization as a dynamic, relational, and constitutive process embedded within a “network of observers”. It is argued that observation is a fundamental process of distinction and becoming, inherent in complex systems at various levels: from the physical and biological to the technical and social. Artificial neural networks are examined in a dual role: as a new type of observer that performs operations of distinction without consciousness, and as a conceptual tool for deepening the understanding of the phenomenon of observation itself. This reconceptualization leads to the concept of “transversal cognition” – a transindividual, techno-semiotic intelligence arising from the interaction of heterogeneous observers. Finally, it substantiates the need for a methodological shift towards “thinking with complexity”, which paves the way for the formation of a new, transdisciplinary concept of the observer.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».