L'analyse de l'apprentissage automatique suit l'évolution de la pensée astronomique européenne du XVIe siècle

Une équipe d'informaticiens, d'astronomes et d'historiens de Berlin a utilisé des applications d'apprentissage automatique pour en savoir plus sur l'histoire évolutive de la pensée astronomique européenne aux XVe et XVIe siècles. Dans leur étude le groupe a entraîné des applications d'apprentissage automatique à donner un sens à des textes manuscrits, des graphiques, des diagrammes et d'autres données provenant de manuels scolaires de l'époque.

Carte du monde de Robert Walton. Dessinée en 1626, elle inclut tous les territoires récemment découverts sur Terre mais ne considère que neuf zones climatiques dignes d'être explicitement mentionnées. La neuvième zone climatique comprend l'Angleterre mais a été introduite à l'origine pour inclure Wittenberg. Les autres zones au nord ne sont mentionnées que de manière générique (texte sur la carte au-dessus de la ligne fuchsia superposée). Extrait de : A New and Accurat Map of the World Drawne according to ye truest Descriptions latest Discoveries & best observations yt have beene made by English or Strangers, 1626. Londres 1627. The Barry Lawrence Ruderman Map Collection. Avec l'aimable autorisation des bibliothèques de l'université de Stanford. purl.stanford.edu/cc815fz9830 104 Crédit : Science Advances (2024). DOI : 10.1126/sciadv.adj1719

Au cours des dernières décennies, les scientifiques de nombreux domaines ont compris que rares étaient les individus capables d'avoir une idée véritablement novatrice à l'improviste. C'est particulièrement vrai pour les découvertes scientifiques, notamment celles réalisées dans des domaines tels que l'astronomie.

Dans cette nouvelle étude, les chercheurs notent que de nombreux scientifiques, outre Galilée, Kepler et Copernic, ont contribué à l'évolution de la pensée astronomique au cours des XVe et XVIe siècles en Europe et, parallèlement, à l'éducation des nouveaux venus dans le domaine.

Beaucoup de ces personnes, notent-ils, ont créé des textes pour exprimer leurs idées et/ou les présenter à d’autres, soit dans le cadre professionnel, soit sous forme de manuel. Les chercheurs ont rassemblé plus de 300 textes de ce type dans le cadre d’une étude visant à mieux comprendre l’évolution du domaine de l’astronomie. Mais ils savaient qu’il faudrait beaucoup trop de temps à une petite équipe d’humains pour les étudier, alors ils se sont tournés vers l’apprentissage automatique.

Les chercheurs ont entraîné une application d'apprentissage automatique sur 76 000 pages de manuels scolaires, qui comprenaient des tableaux de nombres, des images, des marquages et du texte. Ils ont développé plusieurs méthodes pour faire comprendre à l'application d'apprentissage automatique ce qu'elle était censée récupérer (des nombres par opposition à du texte, par exemple) et ensuite quoi faire avec ces informations.

Une fois toutes les données traitées, l’équipe a utilisé l’application à l’envers pour rechercher des tendances, notamment l’impact considérable des progrès des mathématiques sur l’astronomie. Ils décrivent le processus comme une mathématisation du domaine, qui comprend notamment la normalisation des formules utilisées pour calculer le positionnement des étoiles, les changements dans les zones climatiques définies et un moyen de partager les connaissances acquises à travers le continent.

Plus d'informations : Oliver Eberle et al., Historical insights at scale: A corpus-wide machine learning analysis of early modern astronomic tables, Science Advances (2024). DOI : 10.1126/sciadv.adj1719

© 2024 Réseau Science X