Déterminisme, science et justice

23 août 2010

Quelques idées de-ci de-là mélangeant lectures diverses et variées pendant l’été.

Extrait du livre The extended phenotype de Richard Dawkins:

[…] of the two effects that genes have on the world – manufacturing copies of themselves, and influencing phenotypes – the first is inflexible apart from the rare possibility of mutation; the second way may be exceedingly flexible. I think a confusion between evolution and development is, then, partly responsible for the myth of genetic determinism.

[…] I made extensive use of the analogy of computer chess in order to explain the point that genes do not control behaviour directly in the sense of interfering in its performance. They only control behaviour in the sense of programming the machine in advance of performance. It was this association with the word robot that I wanted to invoke, not the association with mindless inflexibility.

[…] Philosophers may debate the ultimate determinacy of computers programmed to behave in artificially intelligent ways, but if we are going to get into that level of philosophy many would apply the same arguments to human intelligence (Turing 1950). What is a brain, they would ask, but a computer, and what is education but a form of programming? It is very hard to give a non-supernatural account of the human brain and human emotions, feelings and apparent free will, without regarding the brain as, in some sense, the equivalent of a programmed, cybernetic machine. The astronomer Sir Fred Hoyle (1964) expresses very vividly what, it seems to me, any evolutionist must think about nervous systems:

Looking back [at evolution] I am overwhelmingly impressed by the way in which chemistry has gradually given way to electronics. It is not unreasonable to describe the first living creatures as entirely chemical in character. Although electrochemical processes are important in plants, organized electronics, in the sense of data processing, does not enter or operate in the plant world. But primitive electronics begins to assume importance as soon as we have a creature that moves around […] The first electronic system possessed by primitive animals were essentially guidance systems, analogous to sonar or radar. As we pass to more developed animals we find electronic systems being used not merely for guidance but for directing the animal toward food […]

The situation is analogous to a guided missile, the job of which is to intercept and destroy another missile. Just as in our modern world attach and defense become more and more subtle in their methods, so it was the case with animals. And with increasingly subtlety, better and better systems of electronics become necessary. What happened in nature has a close parallel with the development of electronics in modern military applications […] I find it a sobering thought that but for the tooth-and-claw existence of the jungle we should not possess our intellectual capabilities, we should not be able to appreciate a symphony of Beethoven […] Viewed in this light, the question that is sometimes asked – can computer think? – is somewhat ironic. Here of course I mean the computers that we ourselves make out of inorganic materials. What on earth do those who ask such a question think they themselves are? Simply computers, but vastly more complicated ones than anything we have yet learned to make. Remember that our man-made computer industry is a mere two or three decades old, whereas we ourselves are the products of an evolution that has operated over hundred of millions of years.

Others may disagree with this conclusion, although I suspect that the only alternatives to it are religious ones. Whatever the outcome of that debate, to return to genes and the main point of this chapter, the issue of determinism versus free will is just not affected one way or the other by whether or not you happen to be considering genes as causal agents rather than environmental determinisms.

[…] Genes do indeed blend, as far as their effects on developing phenotypes are concerned. But, as I have already emphasized sufficiently, they do not blend as they replicate and recombine down the generations.

[…] Of course genes are not directly visible to selection. Obviously they are selected by virtue of their phenotypic effects in concert with hundred of other genes. But it is the thesis of this book that we should not be trapped into assuming that those phenotypic effects are best regarded as being neatly wrapped up in discrete bodies (or other discrete vehicles). The doctrine of the extended phenotype is that the phenotypic effect of a gene (genetic replicator) is best seen as an effect upon the world at large, and only incidentally upon the individual organism – or any other vehicle – in which it happens to sit.

* * *

Dans son livre The extended phenotype datant de 1982, Dawkins a bien fait de préciser sa pensée concernant le déterminisme génétique, initialement évoquée dans The selfish gene datant de 1976. Utiliser la métaphore de l’ordinateur et de la programmation comme il l’entend ci-dessus, est évocatrice et donne une bonne idée de la façon dont on peut (tenter de) comprendre les relations de causalité entre les gènes, l’organisme pris dans sa globalité (leur véhicule) et les interactions entre cet organisme et le monde extérieur. Pour autant, il est nécessaire de préciser qu’utiliser le terme « programmed machine » pourrait être quelque peu abusif étant donné qu’on programme une machine afin d’effectuer un calcul (computation) et que la théorie de la calculabilité donne un sens bien précis à ce qu’est un calcul et à ce que l’on peut calculer. A ce sujet, les conférences de Gérard Berry au Collège de France sont très instructives.

Cette manière dont on a actuellement d’expliquer les organismes comme étant les véhicules des gènes a des implications très importantes sur la façon dont on a de se percevoir en tant qu’être humain et donc sur la façon dont on désire organiser la société, notamment parce qu’elle touche à la question du déterminisme. Est-on déterminé par ses gènes ? Peut-on dire que l’on « veut » quelque chose ? Doit-on être tenu pour responsable de ses actes ? A la première question, Dawkins répond oui, mais en précisant que le terme « déterminé » doit être compris dans son sens faible étant donné l’extrême flexibilité résultant de l’action de tous les gènes de l’organisme. Ainsi pour lui, le fait que l’on soit déterminé par ses gènes n’affecte en aucune façon la place que l’on peut accorder au « free will », et il s’arrête là pour en revenir à son idée du phénotype étendu.

Depuis l’Antiquité au moins, les hommes se posent la question de savoir si le « free will » existe bel et bien, et le débat continue. Par exemple, en janvier 2010, les comptes rendus de l’académie des sciences des États-Unis ont été le théâtre d’une correspondance animée portant sur la question du « free will ». Tout a commencé avec l’article d’Anthony Cashmore (biologiste à l’université de Pennsylvanie) dont voici le résumé:

It is widely believed, at least in scientific circles, that living systems, including mankind, obey the natural physical laws. However, it is also commonly accepted that man has the capacity to make “free” conscious decisions that do not simply reflect the chemical makeup of the individual at the time of decision—this chemical makeup reflecting both the genetic and environmental history and a degree of stochasticism. Whereas philosophers have discussed for centuries the apparent lack of a causal component for free will, many biologists still seem to be remarkably at ease with this notion of free will; and furthermore, our judicial system is based on such a belief. It is the author’s contention that a belief in free will is nothing other than a continuing belief in vitalism—something biologists proudly believe they discarded well over 100 years ago.

Vous imaginez bien que les réactions ont été immédiates. Voici les titres des réponses:

  • Has biology disproved free will and moral responsibility? (lien)
  • Reply to Anckarsater: A belief in free will is based on faith (lien)
  • A justice system that denies free will is not based on justice (lien)
  • Reply to McEvoy: The judicial system is based on a false understanding of the biology of human behavior (lien)

Au sujet de l’article qui a tout déclenché, Konrad Hinsen nous explique dans un billet que la question du « free will » ne peut être posée en des termes scientifiques: « The scientific method is based on identifying conditions from which exact predictions can be made. The decisions of an agent that possesses free will are by definition unpredictable, and therefore any theory about a system containing such an agent would be impossible to verify. […] It also means that a hard-core scientist, who considers the scientific method as the only way to establish truth, has to deny the existence of free will, or else accept that some important aspects of our universe are forever inaccessible to scientific investigation. »

Je ne suis pas d’accord avec ce point de vue. Premièrement, dans son travail quotidien, le scientifique ne peut pas toujours faire de prédictions « exactes », cela ne l’empêche pas pour autant de travailler. Bien souvent concernant des systèmes complexes,  la science n’apporte pas de preuves définitives mais plutôt un faisceau d’indices concordants. Deuxièmement, même si l’on suppose l’existence du « free will », de nombreuses expériences de psychologie expérimentale et de biologie comportementale (ainsi que tout ce qui est compris sous le vocable « sciences cognitives ») sont menées et arrivent, me semble-t-il, à mettre à jour des régularités permettant de mieux comprendre les ressorts des comportements (choix d’un partenaire sexuel, mise en place du leadership, dynamique des rivalités, compréhension des mécanismes d’apprentissage, etc). Troisièmement, notre méconnaissance actuelle de la façon dont les gènes agissent de concert lors de la vie d’une cellule et du développement d’un organisme (le « genes do blend » de Dawkins) nous empêche de bien comprendre les relations causales entre gènes, environnement et stochasticité (les trois forces gouvernant les systèmes biologiques selon Cashmore). Mais la recherche est intense sur ce point et nous devrions y voir plus clair dans les prochaines décennies, que ce soit à travers l’analyse des réseaux de gènes ou grâce aux approches de biologie synthétique. Quatrièmement, la biologie évolutive a montré la différence existant entre expliquer et prédire (cf. Mayr 1961). Donc il est possible, et même très vraisemblable, que tout organisme vivant soit entièrement déterminé par ses gènes, son environnement et un brin de stochasticité (auxquelles je rajouterai explicitement les contraintes physiques), sans que pour autant on arrive à prédire son comportement. Formellement, l’analyse des systèmes dynamiques (chaos déterministe, attracteurs, etc), par exemple en météorologie, nous apprend que l’on ne pourra jamais prédire le temps à plus de quelques jours, une très petite augmentation de cette durée nécessitant une augmentation démesurée de la précision des mesures (impossible en pratique).

En fin de compte, la survie du « free will » réside donc peut-être dans le fait que, les systèmes biologiques étant dynamiques par nature, nous ne parviendrons jamais à en prédire exactement le comportement (c’est-à-dire, en termes statistiques, à en expliquer 100% de la variance, comme le fait remarquer H. Anckarstäter dans PNAS), mais seulement à en décrire les grands lignes.

Là o`u je suis d’accord avec K. Hinsen, mais mon argument est différent, c’est que la méthode scientifique ne peut pas prouver l’inexistence de quelque chose. Non seulement parce que les sciences naturelles, à la différence des mathématiques, ne prouvent jamais rien (cf. le problème de l’inférence, la science ne fait qu’apporter un faisceau d’indices concordants), mais aussi parce qu’en choisissant toujours l’explication la plus parcimonieuse (rasoir d’Occam), le scientifique contemporain est amené à ne jamais considérer l’existence du « free will ». Son inexistence n’est donc pas « prouvée » pour autant.

Dans un commentaire de son propre billet, K. Hinsen précise cependant: « Both sides agree that science can’t fully explain human behaviour at the moment, but disagree about the conclusions that should be drawn. Personally, I’d prefer not to draw any conclusion at all. » Je ne suis pas très au fait du fonctionnement exact des systèmes judiciaires français et américain mais, comme le note Cashmore, les systèmes judiciaires actuels conduisent à une « sur-incarcération » qui est loin d’être optimale. Par contre, pour moi, ce n’est pas tant l’attention théorique accordée à l’existence du « free will » qu’il faudrait modifier mais plutôt l’attention empririque accordée aux efforts de réinsertion (un point que Cashmore ne mentionne même pas !). Cependant, j’ai l’impression que le fait de croire au « free will » amène à  mettre l’accent sur la faute, et donc sur la punition (l’incarcération), bien plus que sur la compréhension des raisons diverses et variées (génétiques, environnementales, etc) ayant amené à contrevenir à la loi, et donc sur les efforts  de réinsertion à mettre en œuvre. Et c’est en cela qu’il serait pertinent de remettre en cause l’importante du « free will » dans notre façon de rendre la justice.

Pour résumé, les connaissances scientifiques actuelles n’ont pas besoin de faire appel au « free will » pour expliquer grand nombre de comportements. Pour autant, cette question ne pourra vraisemblablement jamais être résolue sans ambiguïté étant donné les propriétés intrinsèques des systèmes biologiques. Indépendamment de cela, le système judiciaire actuel promeut l’incarcération au détriment de la réinsertion et l’Etat finance préférentiellement la punition au détriment de la solidarité. Si cela est lié à l’importance accordée au « free will », je rejoins Cashmore dans l’idée de remettre à plat notre conception de la justice mais regrette de n’avoir pas trouvé dans son article de suggestions plus précises.

En effet, de manière générale, je ne pense pas qu’il faille aborder de tels sujets uniquement à travers des remises en cause théoriques mais toujours proposer en parallèle la mise en place d’expérimentations pratiques et innovantes. Sur ce point, une association comme le Genepi a sûrement plein d’idées.

Publicités

Pot-pourri

21 janvier 2010
  • le point de vue de Jared Diamond à propos de l’impact des grandes entreprises sur l’environnement (un point de vue intéressant par quelqu’un d’on ne peut plus légitime);
  • le texte de Richard Feynman à propos des « pseudo-sciences » (la posture typique du physicien, juste mais un peu énervant de temps en temps);
  • le discours de Philippe Séguin devant l’Assemblée Nationale à propos du transfert de compétences en vue de l’application du traité de Maastricht (une époque révolue…);
  • l’éloge de la métamorphose par Edgar Morin;
  • le billet comparant le PIB par habitant des EUs et de l’UE, sans oublier bien sûr les inégalités de revenus (la France est la moins inégalitaire !);
  • le texte expliquant le premier article de Darwin et Wallace présentant la théorie de la sélection naturelle (pour clôturer l’année Darwin);
  • le livre « Le temps o`u nous chantions » de Richard Powers (captivant, impossible de s’en détacher malgré les 1000 pages, les affres de la société américaine de 1930 à 1980, des pages superbes sur l’identité et la musique);
  • l’article de Hollister et Gaut sur la distribution des ETs chez A. thaliana (étude intéressante combinant de multiples données génomiques avec des considérations évolutives);
  • la conf plénière à PAG d’Evan Eichler sur les duplications segmentales chez les primates (un superbe travail de recherche)
  • la pièce As you like it de Shakespeare au BAM (avec la mise en scène de Sam Mendes, dans le vieux Harvey Lichstenstein theater: superbe);

et en bonus une photo de la superbe baie de Kotor au Monténégro:

ainsi que, dans un autre style, le FlatIron building à New York:


Un témoin, un policier et un statisticien voit un taxi bleu

13 septembre 2009

L’homme déambulait du côté de la gare Montparnasse quand soudain il vit un taxi bleu créer un accident et s’enfuir à toute allure. D’un coup il (l’homme) passa du statut de flâneur à celui de témoin, nettement moins réjouissant… Dans ce genre de cas, des études ont montré que le témoin a raison dans 80% des cas. Le policier quant à lui sait que 85% des taxis autour de la gare Montparnasse sont bleus. Pour savoir s’il doit croire le témoin ou non, le policier sort prestement son téléphone portable de sa poche, pianote le numéro de son pote statisticien et lui pose la question suivante: « quelle est donc la probabilité pour un taxi bleu d’être impliqué dans l’accident ? » Le statisticien raccrocha, se saisit d’un crayon et d’une feuille de papier et commença à triturer ses méninges. Voici, en gros, sa démarche.

taxi à Bangkok

Pour commencer, quelques notations. Quand on écrit P(A/B) on entend: probabilité de l’évènement A sachant que l’évènement B est survenu. Le « sachant que » est noté par le « / » dans la formule. Et puis bien sûr, si A est un évènement, \bar{A} est son opposé et on a: P(A) + P(\bar{A}) = 1.

Ensuite, la première chose à faire est d’écrire les informations connues:

P( \text{le temoin dit que le taxi est bleu} / \text{le taxi est bleu} )

= P( \text{le temoin a raison} ) = 0.8

Cette probabilité renseigne le policier sur la probabilité qu’a le témoin d’avoir raison sur le fait que le taxi soit bleu.

On sait aussi que P( \text{le taxi est bleu} ) = 0.85. Cette probabilité décrit le degré de confiance qu’a le policier en le fait que le taxi soit bleu avant même d’avoir entendu le récit du témoin. En bon anglophone, on appellera cette probabilité le prior.

Maintenant ce qui intéresse vraiment le policier:

P( \text{le taxi est bleu} / \text{le temoin dit que le taxi est bleu} )

En d’autres mots, le policier veut savoir la probabilité qu’un taxi bleu soit impliqué dans l’accident sachant les données qu’il a de la part du témoin. Accrochez-vous bien: grâce aux travaux d’un révérend anglais du XVIIe siècle, Thomas Bayes, le statisticien va pouvoir fournir une réponse au policier. Sa contribution majeure fût le so-called « théorème de Bayes« :

P( A / B ) = \frac{P( B / A ) P( A )}{P( B )}

pour deux évènements A et B, avec P(B) > 0.

Et pour P(B), on peut écrire:

P(B) = P(B/A) P(A) + P(B/\bar{A})P(\bar{A})

Ce qui est utile avec ce théorème, c’est qu’il permet de « renverser » les probabilités conditionnelles: si on connait P(A) et P(B) on peut trouver P(A/B) à partir de P(B/A) (et réciproquement).

Maintenant, on peut appliquer ce théorème à notre cas. Soit A l’évènement « le taxi est bleu » et B l’évènement « le témoin dit que le taxi est bleu ». On sait déjà que P(B/A)=0.8 et que P(A)=0.85. Il est donc facile de calculer P(B/\bar{A}):

= P( \text{le temoin dit que le taxi est bleu} / \text{le taxi n'est pas bleu} )

= P( \text{le temoin a tort} )

= 1 - P( \text{le temoin a raison} )

= 1 - 0.8

= 0.2

On peut aussi calculer:

P( \bar{A} )

= P( \text{le taxi n'est pas bleu} )

= 1 - P( \text{le taxi est bleu} )

= 1 - 0.85

= 0.15

On peut alors calculer:

P(B)

= P(B/A)P(A) + P(B/\bar{A})P(\bar{A})

= (0.8 \times 0.85 ) + ( 0.2 \times 0.15 )

= 0.71

Finalement, on répond à la question initiale:

P( \text{le taxi implique dans l'accident est bleu} / \text{le temoin dit que le taxi est bleu} )

= P( A/B )

= \frac{P(B/A)P(A)}{P(B)}

= \frac{0.8 \times 0.85}{0.71}

= 0.96

Mais attention, ce n’est pas fini, et c’est même là que ça devient vraiment intéressant, alors on ne faiblit pas et on lit jusqu’au bout !

Il y a deux probabilités-clés dans la formule de Bayes ci-dessus. La première est P( \text{le temoin dit que le taxi est bleu} / \text{le taxi est bleu} ) notée P(B/A). Puisque le témoignage est la seule donnée connue de la police et que le reste est une hypothèse (85% des taxis sont bleus), on peut voir cette probabilité comme étant P( \text{donnees} / \text{hypotheses} ). Cette probabilité est la vraisemblance (likelihood) des données en fonction des hypothèses: how likely the data are given the hypotheses.

La seconde probabilité-clé est P( \text{le taxi est bleu} ) notée P(A). Comme on l’a dit précédemment, c’est le prior, le degré de confiance qu’on a en l’hypothèse, avant d’avoir vu les données.

Grâce au théorème de Bayes, on calcule la probabilité P( \text{le taxi est bleu} / \text{donnees} ) appelée le posterior. En fonction des données que l’on observe, on ajuste notre probabilité de l’hypothèse. Il est donc aussi facile de calculer la probabilité P( \text{le taxi n'est pas bleu} / \text{le temoin dit que le taxi est bleu} ):

= P( \bar{A} / B )

= 1 - P( A / B )

= 1 - 0.96

= 0.04

Comme P( \text{le taxi est bleu} / \text{le temoin dit que le taxi est bleu} ) (qui vaut 0.96) est bien plus grande que P( \text{le taxi n'est pas bleu} / \text{le temoin dit que le taxi est bleu} ) (qui vaut 0.04), il est normal pour le policier de conclure que le taxi impliqué dans l’accident est bleu.

Jusqu’à maintenant on a simplement considéré comme données le témoignage selon lequel le taxi était bleu. Mais si le témoin dit que le taxi n’était pas bleu, que se passe-t-il ? Et bien on fait le même type de calcul et on obtient comme posterior:

P( \text{le taxi est bleu} / \text{le temoin dit que le taxi n'est pas bleu} )

= 0.59

et donc aussi:

P( \text{le taxi n'est pas bleu} / \text{le temoin dit que le taxi n'est pas bleu} )

= 0.41

Et là, stupéfait, on se rend compte que, dans ce cas-là aussi, le policier conclut que le taxi doit être bleu. Si je résume, quelque soit le témoignage de notre brave homme, le policier conclut à chaque fois que le taxi est bleu ! Le prior qu’a le policier sur la couleur des taxis a en fin de compte été plus fort que les données apportées par le témoignage.

Mais pourquoi écrire tout un billet sur cette question ? Pour plusieurs raisons, tout d’abord, si vous êtes arrivés jusqu’à ces lignes, cela signifie que vous avez compris l’usage de la formule de Bayes (yes…!). Mais surtout, ce billet me permet de parler de l’utilisation des statistiques dans l’enceinte d’un tribunal. En effet, dans des affaires délicates, les experts ès « forensic statistics » sont amenés à présenter devant juges et jurés les probabilités respectives des différents scénarios possibles. Malheureusement, juges et jurés sont rarement conscients des implications d’une telle démarche. Voici le casse-tête: qui choisit les hypothèses de départ: le juge, le procureur, la défense ? Quelles données utilise-t-on ? Comment ont-elles été obtenues ces données ? Quel modèle emploie-t-on ?

Certains sont d’ailleurs allés loin dans la réflexion, voir l’article « Don’t teach statistics to lawyers ! » de Robertson et Vignaux (1998). C’est un aspect du droit qui devient de plus en plus important, notamment avec les histoires de tests ADN (voir ce blog duquel est tiré l’essentiel de mon billet). Et pour la petite histoire, comment en suis-je arriver à parler de ça ? Et bien l’un de mes amis soutient sa thèse de maths dans quelques semaines et son directeur s’est beaucoup impliqué dans une affaire judiciaire au cours de laquelle des erreurs ont été commises dans l’estimation des probabilités…

Source: merci à Franz Golhen pour la photo du taxi


Agriculture et pesticides

23 janvier 2009

Dans le dernier Science, un bref article explique que le Parlement Européen a voté l’interdiction progressive d’environ 25% des pesticides utilisés au sein de l’UE au nom du principe de précaution. Il a certainement fait appel à des scientfiques sur ce sujet délicat. Le réflexe écologique au fond de nous se dit « cool ! », mais ce n’est pas si simple…

Certains chercheurs suggèrent qu’en réduisant le nombre de pesticides, on accroît les risques de résistances: en effet, un insecte ravageur de culture qui se trouve toujours au contact du même pesticide développera tôt ou tard une résistance à ce composé chimique. Ce phénomène a tendance à se produire plus rapidement lorsque le pesticide est utilisé à forte dose et sur de grandes surfaces, ce pendant plusieurs années de suite. En effet, ça augmente la pression de sélection sur les populations d’insectes ce qui en retour va favoriser les individus dotés de mutations avantageuses, et si en plus le pesticide accroit le taux de mutation… Le Parlement semble avoir pris en compte cela en étalant la mise en oeuvre de l’interdiction sur cinq ans.

De plus, un chercheur américain fait remarquer à juste titre que ce type de législation, dans notre monde globalisé, aura certainement de l’impact sur les Etats-Unis. C’est en quelque sorte l’expression du soft power européen.

Ce qui est également intéressant ici, ce sont les avis divergents au sein de la communauté scientifique. Et il est difficile de savoir les raisons là-dessous. Certains chercheurs peuvent être de bonne fois en montrant les risques qu’il y a à interdire un quart des pesticides; d’autres sont peut-être aussi financés par des entreprises produisant des pesticides; d’autres encore peuvent travailler sur quelque chose de complètement différent (faire des maths par exemple) mais avoir une activité militante dans le cadre d’une association écologique ce qui pourrait les amener à négliger quelque peu la rigueur scientifique (bien que je sois contre les « pré carrés » !). Enfin, il peut y avoir de tout et c’est là que l’on réalise le dur travail du politique à qui il revient de trancher… alors, pour ou contre le lobbying ?


%d blogueurs aiment cette page :