A categorical formalization of epistemic uncertainty frameworks

Cet article propose une formalisation catégorielle générale des calculs épistémiques pour modéliser les contradictions et synergies entre concepts épistémologiques, développer un processus de changement de calcul enrichi et unifier des mises à jour de croyance telles que l'inférence bayésienne et le conditionnement possibiliste.

L'essentiel

Imaginez que vous êtes un détective essayant de résoudre une énigme. Vous avez des indices, mais vous ne savez pas avec certitude si l'un d'eux est vrai, faux, ou simplement ambigu. C'est ce qu'on appelle l'incertitude épistémique : le manque de connaissances complètes.

Ce papier est une tentative audacieuse de créer une « boîte à outils mathématique universelle » pour gérer cette incertitude, en utilisant un langage très abstrait appelé la théorie des catégories. Mais ne vous inquiétez pas, nous allons traduire tout cela en français simple, avec des images concrètes.

Voici l'explication du papier, pièce par pièce :

1. Le Problème : Trop de façons de mesurer le doute

Aujourd'hui, si vous voulez mesurer votre incertitude, vous avez plusieurs options :

• La probabilité classique (comme lancer un dé).
• La théorie des possibilités (comme dire "c'est possible" ou "c'est impossible").
• Les facteurs de certitude (comme dans les systèmes experts des années 80).

Le problème, c'est que ces méthodes parlent des langages différents. C'est comme si un cuisinier utilisait des tasses à café, un autre des cuillères à soupe, et un troisième des verres à vin pour mesurer la farine. On ne peut pas facilement comparer leurs recettes.

L'idée du papier : Créer un langage commun, une "grammaire" universelle, pour décrire comment on combine ces croyances, sans se soucier de ce qu'elles signifient exactement pour l'instant.

2. La Solution : Les "Calculs Épistémiques" (La Boîte à Outils)

L'auteur propose de voir chaque méthode de mesure d'incertitude comme un système de règles (un "calcul").

• Imaginez que chaque croyance est un objet dans une boîte.
• Le monde (la catégorie) est l'ensemble de toutes ces croyances.
• L'opération principale est la fusion : quand vous combinez deux indices, comment votre croyance change-t-elle ?

L'auteur définit des règles philosophiques pour ces boîtes :

• L'Optimisme vs Le Scepticisme : Y a-t-il une croyance "parfaite" (le sommet de la montagne) ou est-ce qu'on peut toujours douter davantage ?
• La Conservatisme : Si j'ai une croyance, puis-je la renforcer en ajoutant un autre indice, ou dois-je toujours rester prudent ?
• La Réversibilité : Si je combine deux indices, puis-je "annuler" l'effet de l'un pour retrouver l'autre ?

La grande découverte (Théorème A) : On ne peut pas tout avoir !
L'auteur prouve mathématiquement qu'il est impossible d'être à la fois parfaitement conservateur (ne jamais perdre de certitude), parfaitement réversible (pouvoir annuler les effets) et complet (pouvoir tout comparer). C'est un peu comme essayer de construire une voiture qui va à la fois très vite, consomme zéro essence et ne fait jamais de bruit : les lois de la physique (ou ici, les lois de la logique) l'interdisent. Il faut faire des compromis.

3. Le Traducteur : Changer de système sans perdre le sens

Une fois qu'on a défini ces boîtes à outils, l'auteur se demande : "Comment passer d'une boîte à l'autre ?"
Par exemple, comment traduire une croyance exprimée en "probabilités" vers une croyance en "possibilités" ?

Il utilise des foncteurs (des traducteurs mathématiques) :

• Le Traducteur Conservateur : Il ne crée jamais de certitude magique. Si vous étiez incertain avant, vous le resterez (ou vous serez encore plus incertain) après la traduction. C'est prudent.
• Le Traducteur Libéral : Il ne perd jamais de certitude. Il peut même en créer, ce qui est risqué mais parfois utile.

La surprise (Théorème B) :
L'auteur découvre que deux systèmes qui semblaient très différents – la théorie des possibilités bipolaires (qui gère le "oui" et le "non" séparément) et les probabilités par intervalles (qui donne une fourchette de valeurs) – sont en fait identiques dans leur structure mathématique profonde. C'est comme découvrir que le système métrique et le système impérial sont juste deux façons de dire la même chose, une fois qu'on a la bonne formule de conversion.

4. L'Application : Mettre à jour ses croyances (Le "Bayésien")

La partie la plus excitante concerne la mise à jour des croyances (comment on change d'avis quand on a de nouvelles preuves).

• Le Bayésien est la méthode standard : on prend une hypothèse, on ajoute une preuve, et on recalcule.
• L'auteur montre que cette méthode n'est pas juste une formule magique, mais qu'elle émerge naturellement de sa structure mathématique générale.

Il prouve que :

1. Si vous utilisez un système basé sur les nombres réels, vous retrouvez la mise à jour de Bayes (la méthode classique).
2. Si vous utilisez un système basé sur la "possibilité", vous retrouvez la conditionnement possibiliste (une méthode pour gérer le flou).

C'est comme si l'auteur avait trouvé la "formule mère" qui contient toutes les autres formules de mise à jour de croyances, comme un super-ordinateur capable de simuler n'importe quel type de raisonnement humain.

5. L'Analogie Finale : Le Réseau de Transport

Pour résumer tout cela avec une image :

Imaginez que l'incertitude est un réseau de transport.

• Les calculs épistémiques sont les différents types de véhicules (trains, camions, vélos). Chacun a ses propres règles de circulation (vitesse, capacité).
• La théorie des catégories est le plan d'urbanisme global qui permet de comprendre comment ces véhicules interagissent.
• Les traducteurs sont les échangeurs autoroutiers qui permettent de passer d'un train à un camion sans perdre de marchandises.
• L'actualisation (Bayes) est le processus de navigation : quand vous recevez un nouvel ordre (une nouvelle preuve), vous ajustez votre itinéraire.

En conclusion :
Ce papier ne vous dit pas quelle méthode choisir pour votre problème spécifique. Il vous donne plutôt la carte géographique de tout le pays de l'incertitude. Il montre comment les différentes méthodes sont reliées, quelles sont leurs limites philosophiques, et comment passer de l'une à l'autre de manière rigoureuse. C'est un travail de fond pour unifier la façon dont les ordinateurs et les humains raisonnent face à l'inconnu.

Résumé technique

Voici un résumé technique détaillé de l'article « A categorical formalization of epistemic uncertainty frameworks » de Torgeir Aambø, rédigé en français.

1. Problématique

L'incertitude épistémique, définie comme l'absence de connaissance complète sur l'état d'un système, est un défi central dans de nombreux domaines (défense, intelligence artificielle, sciences cognitives). Bien qu'il existe de multiples cadres mathématiques pour quantifier cette incertitude (théories des probabilités imprécises, logique floue, facteurs de certitude, théorie des possibilités), ces approches sont souvent isolées les unes des autres.

Le problème principal abordé par l'auteur est l'absence d'une syntaxe mathématique unifiée qui permette de :

• Isoler la structure formelle de l'incertitude de sa sémantique spécifique.
• Comparer rigoureusement différents cadres épistémologiques (par exemple, la théorie des possibilités vs les probabilités par intervalles).
• Étudier les contradictions et les synergies entre des concepts philosophiques épistémologiques (comme l'optimisme, le scepticisme, la conservativité) au sein de ces cadres.
• Modéliser le changement de cadre de calcul (passer d'un système d'incertitude à un autre) et la mise à jour des croyances (comme le théorème de Bayes) de manière catégorique.

2. Méthodologie

L'auteur adopte une approche fondée sur la théorie des catégories, en particulier les catégories symétriques monoïdales posétales (partiellement ordonnées) et la théorie des catégories enrichies.

• Définition des Calculs Épistémiques : L'article définit un « calcul épistémique » comme une catégorie symétrique monoïdale posétale unitaire $(V, \leq, \otimes, 1)$.
  • Les objets représentent des valeurs épistémiques.
  • Les morphismes représentent la comparaison de ces valeurs.
  • Le produit monoïdal ($\otimes$) représente la fusion (combinaison) des croyances.
  • L'unité monoïdale ($1$) représente l'incertitude épistémique totale.
• Axiomes Philosophiques : L'auteur formalise des positions philosophiques sous forme d'axiomes algébriques et ordonnés (E1 à E8), tels que :
  • Optimisme/Scepticisme (existence d'un élément top).
  • Complétude (existence de bornes supérieures).
  • Conservatisme fort (la fusion ne réduit jamais la croyance).
  • Idempotence (la répétition de la même preuve ne change pas la croyance).
  • Falsibilité (toute croyance peut être révisée).
  • Cancellativité (la fusion avec une même preuve préserve l'ordre relatif).
• Changement de Calculs : L'utilisation de foncteurs monoïdaux lax et op-lax pour modéliser des changements de cadre conservateurs (ne créant pas de certitude) ou libéraux (ne perdant pas de certitude).
• Enrichissement Catégorique : Utilisation de la théorie des catégories enrichies pour intégrer les calculs d'incertitude dans des structures sémantiques (comme des catégories d'hypothèses), permettant de changer la syntaxe (le calcul) tout en conservant la sémantique.

3. Contributions Clés

1. Définition Générale des Calculs Épistémiques : Une définition catégorique abstraite qui englobe des théories existantes comme la théorie des facteurs de certitude (Opdan), la théorie des possibilités (Zadeh, Dubois-Prade), la théorie des possibilités bipolaires et les probabilités par intervalles.
2. Analyse des Incompatibilités Axiomatiques : Démonstration mathématique que certaines combinaisons de propriétés philosophiques sont mutuellement exclusives.
   • Théorème A : Un calcul épistémique complet ne peut pas être simultanément fermé (possédant un hom interne), fortement conservateur et cancellatif.
   • Théorème 3.7 : Pour un calcul complet, la propriété de « falsibilité épistémique » est équivalente à la propriété de « fermeture » (existence d'un hom interne).
3. Équivalence Syntaxique de Cadres Différents : Preuve que la théorie des possibilités bipolaires et les probabilités par intervalles sont isomorphes en tant que calculs épistémiques, malgré leurs interprétations sémantiques différentes.
4. Méthode de Changement de Cadre : Une procédure formelle utilisant des foncteurs induits sur les catégories enrichies pour passer d'un calcul d'incertitude à un autre sans altérer la structure sous-jacente des données.
5. Généralisation Catégorique de la Mise à Jour : Introduction d'un mécanisme général de mise à jour des croyances ($V$-updating) basé sur le changement d'enrichissement, qui généralise des concepts connus.

4. Résultats Principaux

• Classification des Exemples : L'article classe les cadres existants selon les axiomes E1-E8. Par exemple, la théorie des possibilités (PT) est idempotente et fermée, tandis que les facteurs de certitude (CF) sont complets et fermés mais non idempotents.
• Théorème B (Mise à Jour) : L'auteur prouve que le processus général de mise à jour dans un calcul $V$ englobe :
  • Si $V$ est le poset $(0, \infty)$ avec la multiplication, la mise à jour correspond à la forme des cotes (odds-form) de la mise à jour bayésienne.
  • Si $V$ est la théorie des possibilités, la mise à jour récupère le conditionnement possibiliste de Dubois-Prade.
  • Pour les facteurs de certitude, la mise à jour correspond à une mise à jour bayésienne en log-cotes avec une rétroprojection non linéaire bornée.
• Résultats d'Impossibilité : La preuve qu'il est impossible de construire un système qui soit à la fois parfaitement conservateur (ne jamais perdre de certitude), cancellatif (comportement de groupe abélien) et fermé (permettant la division logique), ce qui force une réconciliation entre ces positions philosophiques.

5. Signification et Impact

Cet article offre une fondation mathématique rigoureuse pour l'étude de l'incertitude épistémique, dépassant les approches purement sémantiques ou appliquées.

• Unification : Il permet de comparer des théories hétérogènes sur un terrain commun, révélant des isomorphismes cachés (comme entre les possibilités bipolaires et les probabilités d'intervalle).
• Clarification Philosophique : En traduisant des concepts philosophiques (scepticisme, conservatisme) en propriétés algébriques, l'auteur permet d'analyser formellement les compromis inhérents à chaque système d'incertitude.
• Applications Potentielles : La méthode d'enrichissement catégorique ouvre la voie à l'application de différents calculs d'incertitude dans des systèmes complexes, tels que les modèles de langage (LLM) ou les systèmes de détection de sous-marins, permettant de changer de logique d'incertitude sans reconstruire l'architecture du système.
• Généralisation de Bayes : En montrant que la mise à jour bayésienne n'est qu'un cas particulier d'un processus catégorique plus large, l'article ouvre la porte à de nouvelles formes de raisonnement incertain adaptées à des logiques non probabilistes.

En résumé, ce travail propose un changement de paradigme : au lieu de traiter chaque théorie de l'incertitude comme un cas isolé, il les traite comme des instances d'une structure catégorique unique, permettant une analyse systématique de leurs propriétés, de leurs limites et de leurs interconnexions.