Bibliographic record
Abstract
L’article propose une analyse critique de l’explication computationnaliste de l’esprit-cerveau, dans le contexte d’une convergence de l’intelligence artificielle et des neurosciences. Il se fonde sur l’idée que la manière dont on explique les fonctions de l’esprit-cerveau dans le paradigme computationnaliste influence la manière dont on conçoit les systèmes d’IA, sans prendre en compte la réalité des systèmes sociaux ou en ne la prenant en compte qu’a posteriori. C’est pourquoi il est judicieux de se demander à quoi ressembleraient les fonctions des systèmes d’IA si, dès leur conception, on acceptait que les activités de l’esprit-cerveau soient d’origine sociale. Pour ce faire, l’article développe une approche « post-cognitiviste » et « organologique » de l’esprit-cerveau : face à l’explosion des applications d’intelligence artificielle et à leurs répercussions sur la faculté de connaître, une telle approche se prononce pour un dialogue entre les sciences cognitives d’une part, les sciences du psychisme et les sciences de la société d’autre part. Il s’agit d’envisager des sciences cognitives qui pansent leurs avancées théoriques et leurs instruments techniques, pour lutter contre la perte de la faculté de pensée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.011 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".