Ingela Alger est directrice de recherche au CNRS et directrice de l’IAST depuis septembre 2021. Elle vient de recevoir la médaille d’argent 2022 du CNRS. Ses recherches, publiées dans des revues internationales, portent sur l’évolution sur le long terme des motivations des êtres humains, lorsque ces motivations sont transmises de génération à génération, et sujettes à la sélection naturelle. En particulier, elle s’intéresse aux motivations qui pourraient expliquer les comportements à caractère moral ou à caractère altruiste, ainsi que les comportements au sein des familles.
Abstract
Homo moralis: on the evolutionary foundations of moral behavior
“Survival of the fittest” is often taken to imply that human life must be the Hobbesian “solitary, poor, nasty, brutish and short.” However, recent theoretical analyses of the evolution of preferences guiding behaviors of individuals show, on the contrary, that natural selection promotes a particular form of preferences, which may be interpreted as implying a partial Kantian moral concern. The talk will provide an account of the ultimate forces behind this result, and discuss implications of the said preferences.
Vittoria Colizza est directrice de recherche à l’INSERM (Institut national de la santé et de la recherche médicale) et à l’Université de la Sorbonne, au sein de l’Institut Pierre Louis d’épidémiologie et de santé publique, où elle dirige le laboratoire EPIcx . Grâce à la modélisation, ses recherches couvrent un large éventail de questions sur les risques d’épidémie et de pandémie, en tenant compte du rôle des réseaux de contacts sociaux et de la mobilité, ainsi que de l’interaction entre le comportement des populations et la dynamique de la contagion.
Abstract
Big Data, models, and COVID-19 policies
Years of preparedness and scientific progress have been harshly put at test in the most difficult health crisis of the last 100 years. Following the path of our experience in the first two years of the COVID-19 pandemic, I will discuss the pitfalls, challenges, and opportunities to improve the science informing COVID-19 policies.
Vittorio Loreto est professeur titulaire de physique des systèmes complexes à l’Université Sapienza de Rome et à la faculté du Complexity Science Hub de Vienne.
Il dirige actuellement le laboratoire d’informatique SONY à Paris, où il dirige également l’équipe “Innovation, créativité et intelligence artificielle”. Vittorio Loreto a récemment ouvert un nouveau site de laboratoires CSL à Rome, consacré à la réalisation des objectifs de développement durable des Nations unies.
Son activité scientifique est principalement axée sur la physique des systèmes complexes et leurs applications interdisciplinaires.
Abstract
What-if scenarios for urban regeneration
Modern cities are at the centre of a passionate debate about their future. The ongoing pandemic has driven many inhabitants out of cities and into safer, less crowded areas and poses a real challenge to
authorities, both in terms of urban planning and policy decisions. There is a need to rethink the role of cities, adapting their infrastructure and dynamics to the ‘new normal’. It is then of paramount importance to tackle the challenges that urban areas face going beyond pure optimisation schemes, keeping a transformative eye. New tools are thus needed, allowing for a realistic forecast of how a change in the current conditions will affect and modify the future scenario.
In this talk, I will present the so-called “what-if” machine, a recently proposed platform that provides users with tools to assess the status of urban and inter-urban spaces and conceive new solutions and new scenarios. I will describe a few examples, ranging from modelling at the coarse-grained level of urban socio-economic variables to the microscopic level of mobility to new urban scenarios like the 15-minutes
city.
Jean-Pierre Nadal est directeur de recherche au CNRS, directeur d’études à l’EHESS, chaire « Systèmes complexes en sciences sociales et sciences cognitives », et directeur du CAMS.
Ses thèmes de recherche sont :
– les Systèmes Complexes – analyse et modélisation de phénomènes collectifs dans les systèmes économiques et sociaux,
– les Neurosciences computationnelles & cognition – codage neuronal, apprentissage, perception catégorielle, interface IA/neurosciences.
Abstract
La géométrie des représentations internes dans les réseaux de neurones – ou comment ouvrir la boîte noire du “deep learning” grâce aux neurosciences computationnelles
La catégorisation, ou classification, est une capacité cognitive fondamentale. La catégorisation est également l’une des principales tâches auxquelles l’apprentissage machine (apprentissage profond en intelligence artificielle), s’attaque avec succès. Une conséquence perceptive caractéristique de la catégorisation chez l’homme et les autres animaux, la perception catégorielle, est notamment caractérisée par une compression intra-catégorielle et une séparation inter-catégorielle : deux éléments, proches dans l’espace des stimuli, sont perçus plus proches s’ils appartiennent à la même catégorie que s’ils appartiennent à des catégories différentes.
En utilisant des outils de la théorie de l’information et de l’inférence statistique, je présenterai des travaux sur la modélisation des bases neurales de la perception catégorielle. Je montrerai ensuite comment ils fournissent des pistes pour l’analyse de la géométrie des représentations internes dans les réseaux neuronaux artificiels dans des tâches de catégorisation. Un résultat important est l’analyse de l’interaction entre la géométrie neuronale et le bruit au cours de l’apprentissage. Cela permet en particulier de proposer une vision cohérente de l’efficacité de différentes pratiques heuristiques dans l’utilisation du dropout, la technique de régularisation la plus populaire en apprentissage automatique.
Cet exposé est basé sur des travaux conjoints avec Laurent Bonnasse-Gahot (EHESS, CAMS).
Guy Theraulaz est éthologue et directeur de recherches au CNRS. Il est spécialiste des comportements collectifs des sociétés animales et humaines et travaille au Centre de Recherches sur la Cognition Animale à Toulouse. Ses recherches sont à la croisée de l’éthologie et de la physique des systèmes complexes. Elles portent sur la capacité des insectes sociaux et d’autres espèces animales vivant en groupe comme les bancs de poissons à développer certaines formes d’intelligence collective. Il est l’auteur de plus d’une centaine d’articles scientifiques et de cinq ouvrages, parmi lesquels Swarm Intelligence: From Natural to Artificial Systems (Oxford University Press, 1999) et Self-Organization in Biological Systems (Princeton University Press, 2001) qui sont aujourd’hui considérés comme des manuels de référence.
Abstract
L’intelligence collective des super-organismes
De très nombreuses espèces animales vivant en groupes (certaines espèces de poissons, d’oiseaux, et d’ongulés) ou en sociétés comme les insectes sociaux (fourmis, termites ainsi que certaines espèces de guêpes et d’abeilles) manifestent des formes d’intelligence collective parfois très élaborées. Ces capacités résultent d’interactions assez rudimentaires entre les individus au cours desquelles ces derniers échangent des informations. Malgré leur simplicité, ces interactions permettent à des groupes d’individus de traiter collectivement de l’information et de s’auto-organiser. Pour analyser ces comportements collectifs, nous avons développé une méthodologie qui consiste à caractériser et quantifier à la fois et séparément les comportements aux niveaux individuel et collectif et ensuite à relier les deux échelles de phénomènes au moyen de modèles mathématiques. Grâce au décryptage et à la modélisation de ces interactions, nous connaissons un peu plus les mécanismes qui permettent aux sociétés animales de coordonner leurs déplacements, de construire des nids d’une grande complexité et de résoudre collectivement de multiples problèmes.
Paola Tubaro est professeur de recherche en sociologie et technologie au CNRS. Spécialiste des réseaux sociaux et organisationnels, elle étudie actuellement la place du travail humain dans les réseaux mondiaux de production de l’intelligence artificielle, et les conditions sociales du travail sur les plateformes des pays francophones et hispanophones. Elle s’intéresse également aux méthodologies de la science des données l’éthique de la recherche et l’éthique de l’intelligence artificielle.
Abstract
Complex inequalities, solidarities and covert resistance in online labour markets
Online labour platforms leverage data and algorithms to match businesses with workers for one-off ‘gigs’ that can be done remotely, from software development to transcriptions and data entry. Sustained by fast-growing connectivity worldwide, these emergent forms of work contribute to the global production networks of the digital economy and specifically, of
the artificial intelligence industry – for which they procure data, annotations and quality checks among other things. Platform raise concerns that mostly revolve around precarization and loss of workers’ rights. But the gap between online labour and conventional employment
conceals deeper inequalities among platform workers themselves. They result from interdependencies and the simultaneous interplay of factors such as gender, skills, equipment, architectures, geographies and networks, in highly competitive digital environments. While these algorithmically-controlled settings leave little scope for formal labour organization, informal interactions and adaptive learning in small groups bring about forms of local solidarity and shared tactics of covert resistance. Competitive and collaborative interactions coexist, in a continuous tension not only among humans, but also between humans and machines – who depend on each other while also being constrained by
each other.
Venkat Venkatasubramanian est professeur d’ingénierie Samuel Ruben-Peter G. Viele au département d’ingénierie chimique, professeur d’informatique (affilié) et professeur d’ingénierie industrielle et de recherche opérationnelle (affilié) à l’université Columbia.
Venkat est un théoricien des systèmes dynamiques complexes qui s’intéresse au développement de modèles mathématiques de leur structure, de leur fonction et de leur comportement à partir de principes conceptuels fondamentaux.
Abstract
How Much Income Inequality is Fair?
A Surprising Answer to a 200-year-old Open Question in Political Economy
Extreme economic inequality is widely seen as a serious threat to the future of stable and vibrant capitalist democracies. In 2015, the World Economic Forum in Davos identified deepening income inequality as the number one challenge of our time. Yet some inequality is inevitable, even desirable and necessary, for capitalist societies to function productively. Since different people have different skills and capacities for work, they make different contributions to society, some more, others less. Therefore, it is only fair that those who contribute more earn more.
But how much more? In other words, at the risk of sounding oxymoronic, what is the fairest inequality of income? This critical question is at the heart of the inequality debate. The debate is not so much about inequality per se as it is about fairness. This central question about fair inequality has remained unanswered in economics and in political philosophy for over two centuries. Mainstream economics has offered little guidance on fairness and the ideal distribution of income in a free-market society.
Political philosophy, meanwhile, has much to say about fairness yet relies on qualitative theories, such as the ones by Rawls and by Nozick, which cannot be verified by empirical data. In a recent book, I have proposed a normative theory, an unorthodox transdisciplinary theory that integrates foundational principles from disparate disciplines into a unified conceptual and mathematical framework that includes the key perspectives on this question – the perspectives of political philosophy, economics, game theory, statistical mechanics, information theory, and systems engineering. In this talk, I will describe this theory, its predictions, and tests using actual income data from various countries.