03.02.2025

Apprentissage machine

Une intelligence artificielle à l’envers : un modèle mécanique analogique pour comprendre ensemble la logistique urbaine du quotidien.

1729258819298

Nos amis les alpha-geeks font du #machinelearning, alors nous allons faire pareil !

Vous connaissez notre goût pour les bidouilles ingénieuses chez City Mine(d), et la manière dont cela se traduit en ordinateurs analogiques [notre Router, °2009>21] et en « internet du bricolage » [Pacco – le moniteur intelligent de qualité de l’eau °2012>16].
Et cette geekitude teintée d’impertinence.

Notre nouvelle aventure n’est PAS une machine qui apprend, PAS même un appareil qui instruit, mais plutôt une excuse pour que beaucoup d’entre nous apprennent (collectivement).

Inspirés par des constructeurs de modèles analogiques comme Bill Phillips et sa Phillips Machine, ou Raymond Hide et son expérience du dishpan (ou encore Friedrich #Marklin, inventeur du train miniature), nous nous sommes lancé·es dans la construction d’un modèle du système qui met la nourriture dans nos assiettes ou les vêtements dans nos armoires.

En le construisant, nous démêlons sa complexité.
En démêlant, nous comprenons mieux.
Et en comprenant mieux, nous pourrions peut-être améliorer les choses.

En restant dans l’analogique, c’est une forme d’intelligence artificielle…
à l’envers.

Et nous appelons cela…
…du #machinelearning — eh oui.

#learningbydoing
#toughissues
#commonunderstanding
#enduser
#blindspot
#urbanlogistics
#IoT
#citymined