Dans la première partie de cette série, intitulée "Le modèle holographique généralisé, première partie : le principe holographique", nous avons présenté le principe holographique tel qu'il a été développé par David Bohm, Gerard 't Hooft, Jacob Bekenstein et Stephen Hawking. Ce principe stipule que l'information contenue dans le volume d'un trou noir est présente de manière holographique à sa surface ou à son horizon des événements. Puis, dans la deuxième partie "Le modèle...

^{Image credit: Shutterstock}

^{Par Dr Inés Urdaneta, physicienne à la Resonance Science Foundation}

Dans l'article précédent intitulé "Le modèle holographique généralisé, première partie : le principe holographique", nous avons présenté le principe holographique tel qu'il a été développé par David Bohm, Gerard 't Hooft, Jacob Bekenstein et Stephen Hawking. Ce principe stipule que l'information contenue dans le volume d'un trou noir est présente de manière holographique à la surface ou à l'horizon des événements du trou noir. Nous avons ensuite introduit la généralisation de ce principe par Nassim Haramein, où il inclut également l'information du volume ou les degrés de liberté dans le volume. Cette généralisation permet de définir un rapport holographique qui rend...

^{Image credit: LucasFilms}

^{Par Dr Inés Urdaneta, physicienne à la Resonance Science Foundation}

Le principe holographique est l'une des premières introductions de l'idée que l'information peut être présente de manière holographique dans certaines structures de l'univers - à savoir les trous noirs. À ce stade, le lecteur commencera probablement à remarquer comment le récit scientifique est passé progressivement et très subtilement de termes tels que énergie, forces, particules et champs, à ce mot : information.

Lorsque nous pensons à l'information, nous pensons aux ordinateurs, à la programmation et aux bits d'information, exprimés par des valeurs de 0 ou 1 dans un système binaire. Tout cela n'est qu'un sous-ensemble d'un domaine plus vaste appelé la "théorie de l'information", dont le but est d'expliquer toutes les...

Par Inés Urdaneta, physicienne et chercheuse à la Resonance Science Foundation

Le machine learning - ou apprentissage automatique - et l'intelligence artificielle occupent de plus en plus la scène, avec des implications philosophiques énormes. Nous avons déjà abordé cette question dans le précédent article  Du Modèle Holographique Généralisé à la Science des Data, où il était question du risque que les réseaux de neurones artificiels remplacent nos modèles scientifiques, et de la possibilité que la réalité soit une simulation numérique. D'une certaine manière, nous avions anticipé les travaux de Vitaly Vanchurin, de l'université du Minnesota à Duluth, qui proposait que nous vivions dans un réseau de neurones et affirmait que seuls les réseaux de neurones...

     

Inscrivez-vous gratuitement au Cours de Science Unifiée en ligne !