• C'est alors qu'il regarde son fils dormir que Jonathan Roberge prend conscience des innombrables dangers qui menacent sa progéniture à tout instant. Pris de panique, il entreprend de léguer à son fils quelques conseils d'homme qui le guideront tout au long de sa vie, des conseils prodigués par le biais d'une série web qu'il réalise et coécrit. Testament teinté d'humour mordant et truffé de vérités crues, Fiston est en ligne depuis 2012 et a récolté au-delà de 13 millions de clics. Le rythme et la qualité des textes de cette série lui ont valu plusieurs mises en nomination ainsi que de nombreux prix, dont deux Oliviers pour la meilleure émission ou série originale - nouveaux médias. Ce livre est l'adaptation remaniée et augmentée de la série web.

  • Paul Ricoeur (1913-2005) a renouvelé de multiples manières le dialogue entre la philosophie et les sciences humaines sur une période de plus d'un demi-siècle. Au coeur de son entreprise intellectuelle se trouve le concept de compréhension avec sa double valence ontologiques, ce que la compréhension dit de la condition humaine, et épistémologique, à savoir ce qu'elle dit des conditions de la connaissance. Ricoeur développe un modèle mixte - une herméneutique critique - en venant aussi retravailler une seule et même grande idée au cours de son oeuvre : celle du Cogito médiatisé par tout l'univers des signes. Quelle est la place de l'intersubjectivité dans la constitution de ce Cogito? Comment celui-ci se tient-il, s'édifie-t-il et se transmet-il dans son rapport à la culture? Une réflexion sur l'histoire et la pratique historienne en est-elle alors inséparable? C'est à ces questions qui touchent toutes au destin à la fois présent et future des sciences humaines que tente de répondre cet ouvrage.

  • This book brings together the work of historians and sociologists with perspectives from media studies, communication studies, cultural studies, and information studies to address the origins, practices, and possible futures of contemporary machine learning. From its foundations in 1950s and 1960s pattern recognition and neural network research to the modern-day social and technological dramas of DeepMind's AlphaGo, predictive political forecasting, and the governmentality of extractive logistics, machine learning has become controversial precisely because of its increased embeddedness and agency in our everyday lives. How can we disentangle the history of machine learning from conventional histories of artificial intelligence? How can machinic agents' capacity for novelty be theorized? Can reform initiatives for fairness and equity in AI and machine learning be realized, or are they doomed to cooptation and failure? And just what kind of "learning" does machine learning truly represent? We empirically address these questions and more to provide a baseline for future research.
    Chapter 2 is available open access under a Creative Commons Attribution 4.0 International License via link.springer.com.

empty