Symbolic Informalization: Fluent, Productive, Multilingual
Ce document présente le projet Informath, qui utilise un cadre d'informalisation symbolique construit sur un hub Dedukti et Grammatical Framework pour convertir de manière fiable des preuves formelles provenant de systèmes tels qu'Agda, Lean et Rocq en un langage naturel fluide, précis et multilingue.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
L'idée centrale : Le « Traducteur » pour les robots mathématiques
Imaginez que vous avez un robot mathématicien brillant et super rapide. Ce robot parle un langage très strict et précis appelé Logique Formelle (comme Agda, Lean ou Rocq). Il peut prouver des théorèmes avec une précision de 100 %, mais son résultat ressemble à un mur de code : forall (a : Int), odd a -> even (a + 1).
Pour un humain, c'est illisible. C'est comme essayer de lire un livre où chaque mot est un code secret.
L'informalisation est le processus qui consiste à traduire ce code de robot strict vers le Langage Naturel (anglais, français, allemand, etc.) afin que les humains puissent réellement le lire et le comprendre.
L'article soutient que, bien que nous soyons devenus très doués pour apprendre aux robots à apprendre les mathématiques à partir de livres humains (en utilisant l'IA), nous n'avons pas fait un travail remarquable pour leur apprendre à expliquer leur travail à nous de manière à ce qu'on ait l'impression qu'un humain l'a écrit. Cet article présente un système appelé Informath pour corriger cela.
Les trois objectifs : Le trio « Fluide, Productif, Multilingue »
L'auteur affirme qu'un bon système de traduction a besoin de trois choses, ce qu'il appelle la « Sainte Trinité » de ce projet :
Fluide (Sonner naturel) :
- Le Problème : Les anciens traducteurs étaient comme de mauvais robots qui disaient : « L'ensemble des entiers est un ensemble. » Ils étaient rigides et robotiques.
- L'Objectif : Le nouveau système doit ressembler à un manuel de mathématiques. Il doit savoir quand dire « Soit un... » au lieu de « Supposons que est... », et il doit savoir comment combiner les phrases de manière fluide (par exemple, « et sont pairs » au lieu de « est pair et est pair »).
- Analogie : Pensez à la différence entre un GPS qui dit « Tournez à gauche. Puis conduisez sur 500 mètres. Puis tournez à droite » et un humain donnant des directions : « Prenez à gauche, faites un pâté de maisons, puis prenez à droite. » Les deux vous amènent à destination, mais l'un est beaucoup plus facile à suivre.
Productif (Facile à construire) :
- Le Problème : Construire ces traducteurs ressemblait autrefois à sculpter à la main chaque mot d'un dictionnaire. Cela prenait une éternité et nécessitait qu'un linguiste et un informaticien travaillent ensemble.
- L'Objectif : Faire en sorte qu'un mathématicien puisse simplement ajouter quelques notes à son code, et que le système comprenne le reste.
- Analogie : Au lieu de construire une maison brique par brique à partir de zéro, vous utilisez un « kit Lego » (appelé Resource Grammar Library). Vous emboîtez simplement les pièces, et le système gère l'ingénierie complexe (comme les règles de grammaire) pour vous.
Multilingue (Parle plusieurs langues) :
- Le Problème : Généralement, si vous voulez un traducteur pour l'anglais, vous en construisez un. Si vous voulez le français, vous en construisez un totalement différent.
- L'Objectif : Construire un seul « cerveau » capable de parler n'importe quelle langue.
- Analogie : Imaginez un adaptateur universel. Vous branchez le code mathématique au milieu, et il peut produire de l'anglais, du français, de l'allemand ou du suédois simplement en changeant la « tête de la prise ». Vous n'avez pas besoin de reconstruire toute la machine pour chaque pays.
Comment ça marche : Le système « Hub and Spoke » (Moyeu et Rayons)
L'article décrit une architecture ingénieuse pour atteindre ces objectifs. Pensez à un aéroport central très fréquenté.
Le Hub (Dedukti) :
- C'est l'aéroport central. Toutes les différentes « compagnies aériennes » (Agda, Lean, Rocq) y font venir leurs avions (preuves mathématiques).
- Dedukti est un langage simple et universel qui sert de terrain d'entente. Il élimine les particularités spécifiques de chaque compagnie aérienne et convertit tout en un format standard.
La Traduction (Grammatical Framework - GF) :
- Une fois que les mathématiques sont au hub, elles doivent être transformées en langage humain. C'est là que GF intervient.
- GF est comme la cuisine d'un grand chef. Il possède un « livre de recettes » (la grammaire) qui sait comment cuisiner les ingrédients mathématiques pour en faire une phrase délicieuse dans n'importe quelle langue.
- Il gère les parties délicates : s'assurer que les verbes s'accordent avec les sujets, changer « est » en « sont » pour le pluriel, et gérer le genre dans des langues comme le français ou l'allemand.
Le Menu (Tables de symboles) :
- C'est la recette secrète. Le mathématicien n'a pas besoin de réécrire tout le livre de recettes. Il lui suffit de remplir une « fiche de menu » (table de symboles) qui dit :
- « Quand tu vois le code
plus, dis 'somme'. » - « Quand tu vois
odd, dis 'impair'. »
- « Quand tu vois le code
- Cela permet au système d'être personnalisé facilement sans casser la grammaire complexe sous-jacente.
- C'est la recette secrète. Le mathématicien n'a pas besoin de réécrire tout le livre de recettes. Il lui suffit de remplir une « fiche de menu » (table de symboles) qui dit :
La « Magie » pour paraître humain
L'article souligne que faire en sorte que les mathématiques sonnent naturellement est plus difficile qu'il n'y paraît. Voici les astuces utilisées par Informath :
Agrégation (L'astuce du « Et ») :
- Robot : « est pair. est divisible par 3. »
- Humain : « est pair et divisible par 3. »
- Le système sait fusionner ces phrases pour qu'elles coulent mieux.
Quantification In Situ (La variable « cachée ») :
- Robot : « Pour tout nombre , est pair ou est impair. »
- Humain : « Tout nombre naturel est pair ou impair. »
- Le système réalise qu'il n'est pas nécessaire de répéter le mot « nombre » à chaque fois. Il cache la variable là où elle est évidente, tout comme le ferait un humain.
Symbolique vs Verbal :
- Parfois, les mathématiques sont mieux écrites avec des symboles (comme ), et parfois avec des mots (« la somme de et »). Le système sait quand utiliser l'un ou l'autre. Il peut même générer du code LaTeX (le standard pour la mise en forme mathématique) automatiquement.
Ce que l'article affirme réellement (et ce qu'il ne fait pas)
Ce qu'il FAIT :
- Il a réussi à construire un système (Informath) capable de prendre des preuves mathématiques formelles et de les transformer en un texte fluide et naturel dans plusieurs langues.
- Il a prouvé que l'on peut rendre ce système « productif » (facile à utiliser) en utilisant des bibliothèques de grammaire pré-construites et des tables de symboles simples.
- Il a montré que cela fonctionne pour les mathématiques de premier cycle (arithmétique, algèbre, topologie) et même pour certains sujets avancés (théorie de la typologie homotopique), bien que les sujets avancés soient plus difficiles.
- Il a démontré que ce système peut être utilisé pour générer des données afin d'aider à entraîner les modèles d'IA (LLM) à mieux faire des mathématiques.
Ce qu'il ne revendique PAS (selon le texte strictement) :
- Il ne prétend pas que le système est parfait pour toutes les mathématiques pour le moment. L'auteur admet que couvrir « l'ensemble du langage ordinaire des mathématiques » est un objectif vaste et continu.
- Il ne prétend pas que le système peut actuellement gérer parfaitement chaque système de preuve. Des systèmes comme Isabelle ou Mizar sont mentionnés comme des défis futurs car ils fonctionnent différemment des systèmes actuellement supportés.
- Il ne prétend pas que ce système remplace les mathématiciens humains. C'est un outil pour aider les humains à lire ce que l'ordinateur a fait.
L'essentiel
L'article conclut que l'informalisation n'est pas facile. Ce n'est pas simplement l'inverse de la formalisation. Alors que la formalisation (de l'humain vers le robot) peut être vérifiée automatiquement pour détecter les erreurs, l'informalisation (du robot vers l'humain) est complexe car « sonner naturel » est subjectif et complexe.
Cependant, en utilisant un système de « hub » (Dedukti) et une « grammaire universelle » (GF), l'auteur montre que nous pouvons construire un traducteur qui est fiable (il n'hallucine pas de faits), flexible (il parle plusieurs langues) et efficace (il ne nécessite pas une équipe de linguistes pour être construit). Il transforme le code froid du robot en une histoire chaleureuse et lisible.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.