Thomas🪴

Thomas🪴

@lipsum.dev

Maths et applications, avec les mains et avec du code 💻 https://blog.lipsum.dev

120 followers168 following1.1K posts

Pinned

J'ai enregistré une série de petites vidéos issues de mon apprentissage de Lean et de la théorie des types. J'essaie d'y introduire les concepts par l'exemple plus que par la théorie (j'espère que les experts en théorie des types supporteront mes approximations). www.youtube.com/playlist?lis...

youtube.comLean et théorie des types : une introduction par l'exemple - YouTubeCes vidéos visent à introduire Lean (https://lean-lang.org/), un langage de programmation fonctionnel qui permet également d'exprimer et démontrer des propos...

Thomas🪴 reposted

Replying to @mathieucarpentier.bsky.social

Je pense que ça fait surtout de ce RS un environnement politiquement très baisé (et très sélectif dans sa lecture des choses...). C'est assez pénible d'ailleurs de devoir choisir entre ça et l'espèce de poubelle qu'est Twitter, mais bon :-/

"Les petits jeunes innocents qui manifestent pacifiquement pour demander plus de moyens pour l'EN" Hmmm hmmm j'ai comme quelques doutes sur le fait que ce ne soit que ça...

(Première fois que je m'essaie aux dessins sur tablette graphique, j'espère qu'on me pardonnera pour la qualité... 🙃)

Ceux qui prétendent que les gens sont tous pareils face aux maths sont aussi énervants que ceux qui prétendent que les maths seraient inaccessibles au « commun des mortels ». J'ai du mal à comprendre pourquoi les gens se polarisent autant sur ces questions.

Le Point @lepoint.fr

La fameuse « bosse des maths » est un mythe ! Le médaillé Fields 2022, professeur à l’IHES et à l’Université de Genève, Hugo Duminil-Copin rappelle que « l'inné a une part négligeable » dans nos capacités mathématiques. Par @guillaumegrallet.bsky.social ➡️ https://l.lepoint.fr/83n

View full thread

Par ailleurs, Duminil-Copin s'exprime en dehors de son domaine de compétence (qui n'est pas les neurosciences), cela ne lui sera pas reproché. Pourquoi ?

Thomas🪴 reposted

Replying to @lipsum.dev

Quand je vois que déjà sur un sujet bien étudié comme la dépression chronique, on a du mal à démêler les facteurs génétiques et environnementaux (ça en parle dans ce bouquin que j'ai déjà partagé ici), je vois mal comment on peut être aussi affirmatif sur ces questions... mu.social/profile/lips...

Thomas🪴@lipsum.dev

🧐📖 par @sandradmitchell.bsky.social

Ceux qui prétendent que les gens sont tous pareils face aux maths sont aussi énervants que ceux qui prétendent que les maths seraient inaccessibles au « commun des mortels ». J'ai du mal à comprendre pourquoi les gens se polarisent autant sur ces questions.

Le Point @lepoint.fr

La fameuse « bosse des maths » est un mythe ! Le médaillé Fields 2022, professeur à l’IHES et à l’Université de Genève, Hugo Duminil-Copin rappelle que « l'inné a une part négligeable » dans nos capacités mathématiques. Par @guillaumegrallet.bsky.social ➡️ https://l.lepoint.fr/83n

Quand je vois que déjà sur un sujet bien étudié comme la dépression chronique, on a du mal à démêler les facteurs génétiques et environnementaux (ça en parle dans ce bouquin que j'ai déjà partagé ici), je vois mal comment on peut être aussi affirmatif sur ces questions... mu.social/profile/lips...

Thomas🪴@lipsum.dev

🧐📖 par @sandradmitchell.bsky.social

Est-ce que les gens qui râlent parce que HAL met à disposition un MCP sont les mêmes qui disent « L'IA cite mal les références des articles » ?

hal-science.bsky.social@hal-science.bsky.social

[BLOG] HAL Discovery MCP : explorez les métadonnées de HAL en langage naturel depuis votre LLM préféré ! #scienceouverte #IA #découvrabilité #MCP Lire le billet ▶️ www.ccsd.cnrs.fr/2026/10/hal-...

Pour préciser un peu : un MCP qui permet à une IA agentique d'interroger une source de publications type HAL, c'est précisément le genre de choses qui amènerait à ce que les IA citent leurs sources de façon fiable. Il me semble difficile de critiquer ça tout en disant "les IA ne citent pas".

On parle beaucoup de Lean pour son rôle dans la vérification des résultats mathématiques, mais peu pour son rôle dans l'*entraînement* (par Reinforcement Learning). Il y a des raisons de penser qu'il joue un rôle et que cet apprentissage se transfère à d'autres domaines que Lean...

Souvenirs du siècle dernier...

Thomas🪴@lipsum.dev

Si des crackpots arrivent à prouver des trucs non triviaux en Lean avec de l'IA, je serais curieux de savoir quelle IA ils utilisent, car avec ChatGPT c'est loin de donner des trucs qui fonctionnent directement...

Cette politique de Lean (ne pas chercher à être minimaliste dans les axiomes utilisés) me semble très discutable alors que les gens s'interrogent sur les axiomes utilisés dans la preuve du th. de Fermat générée par IA.

Thomas🪴@lipsum.dev

Bon, et bien ma PR a été rejetée : > As discussed, reducing axioms beyond the three standard axioms is not a goal of the Lean standard library, and neither is the proofs being useful pedagogically. So I'm closing this PR. Je ne regrette pas de l'avoir proposée, car ça m'a permis de mieux comprendre

Dans ce cas, il s'agit peut-être plus de questions d'univers (de Grothendieck) qui ne se traduisent pas en axiomes au sens de Lean, mais de façon générale la question de savoir ce qui est utilisé pour prouver tel résultat me semble tout à fait légitime.

Claude est un être conscient. Mais il est d'une telle maturité qu'il feint d'ignorer le jeu de mots évident dans ma question...

Un truc pénible pour quelqu'un qui s'intéresse aux sciences en amateur comme moi : je n'ai pas souvent de créneaux pour lire un bouquin en entier de façon approfondie. Généralement c'est pendant les vacances. Mais du coup si j'en lis un qui ne correspondait finalement pas à ce que j'attendais...

c'est du temps mal investi — je ne suis pas fan de cette perspective utilitariste mais malheureusement c'est comme ça. Bref, du coup je passe pas mal de petits créneaux à essayer de trouver les bons bouquins à lire.

J'essayais d'apprendre des choses sur les sémantiques dénotationnelles du lambda-calcul avec Claude et, rapidement, je me rends compte qu'il me raconte n'importe quoi; ce qu'il finit par remarquer après que je l'ai mis devant sa contradiction.

C'est un scénario qui m'arrive très fréquemment depuis que je l'utilise pour apprendre des choses scientifiques, dès que ça sort des sentiers battus (et encore là ce sont des choses enseignées en Master).

Bref, je continue à faire plus confiance aux cours et il y a de quoi s'inquiéter que l'IA remplace peu à peu le contenu original...

Je me demande quel est le ratio moyen entre la taille des définitions nécessaires à l'énonciation d'une proposition et la taille de la preuve; en particulier dans le cadre des preuves formalisées. Un cas extrême :

View full thread

Dans ce cas, si on veut s'assurer que je n'ai pas fait d'erreur d'énoncé, il suffit de relire P, ce qui est relativement simple. Mais prenez par exemple les résultats de calculabilité dans Mathlib, dont j'ai déjà parlé ici, ils supposent une formalisation des fonctions récursive, etc.

ce qui est relativement lourd. (D'ailleurs, je pose ici la question pour les mathématiques, mais c'est une question qui se pose aussi en informatique, si on veut démontrer des propriétés des programmes.)

Je me demande quel est le ratio moyen entre la taille des définitions nécessaires à l'énonciation d'une proposition et la taille de la preuve; en particulier dans le cadre des preuves formalisées. Un cas extrême :