Deep Learning in Science 1st Edition Pierre Baldi PDF Download
Deep Learning in Science 1st Edition Pierre Baldi PDF Download
https://ebookmeta.com/product/deep-learning-in-science-1st-
edition-pierre-baldi/
https://ebookmeta.com/product/the-science-of-deep-learning-iddo-
drori/
https://ebookmeta.com/product/deep-learning-for-sustainable-
agriculture-cognitive-data-science-in-sustainable-computing-1st-
edition-ramesh-poonia/
https://ebookmeta.com/product/deep-learning-for-finance-creating-
machine-deep-learning-models-for-trading-in-python-1st-edition-
sofien-kaabar/
https://ebookmeta.com/product/introducing-cisco-unified-
computing-system-learn-cisco-ucs-with-cisco-ucspe-1st-edition-
stuart-fordham/
The Deep Sea Duke The Watchmaker and the Duke 2 1st
Edition Lauren James
https://ebookmeta.com/product/the-deep-sea-duke-the-watchmaker-
and-the-duke-2-1st-edition-lauren-james/
https://ebookmeta.com/product/drug-induced-neurological-
disorders-kewal-k-jain/
https://ebookmeta.com/product/medical-statistics-at-a-glance-4th-
edition-aviva-petrie-caroline-sabin/
Seeking Mr Right Seeking 2 1st Edition Tabitha Bree
[Bree
https://ebookmeta.com/product/seeking-mr-right-seeking-2-1st-
edition-tabitha-bree-bree/
Deep Learning in Science
This is the first rigorous, self-contained treatment of the theory of deep learning.
Starting with the foundations of the theory and building it up, this is essential reading
for any scientists, instructors, and students interested in artificial intelligence and deep
learning. It provides guidance on how to think about scientific questions, and leads
readers through the history of the field and its fundamental connections to neuro-
science. The author discusses many applications to beautiful problems in the natural
sciences, in physics, chemistry, and biomedicine. Examples include the search for
exotic particles and dark matter in experimental physics, the prediction of molecular
properties and reaction outcomes in chemistry, and the prediction of protein structures
and the diagnostic analysis of biomedical images in the natural sciences. The text is
accompanied by a full set of exercises at different difficulty levels and encourages
out-of-the-box thinking.
www.cambridge.org
Information on this title: www.cambridge.org/9781108845359
DOI: 10.1017/9781108955652
© Pierre Baldi 2021
This publication is in copyright. Subject to statutory exception
and to the provisions of relevant collective licensing agreements,
no reproduction of any part may take place without the written
permission of Cambridge University Press.
First published 2021
Printed in Singapore by Markono Print Media Pte Ltd
A catalogue record for this publication is available from the British Library.
ISBN 978-1-108-84535-9 Hardback
Cambridge University Press has no responsibility for the persistence or accuracy
of URLs for external or third-party internet websites referred to in this publication
and does not guarantee that any content on such websites is, or will remain,
accurate or appropriate.
To Cristina, Julia Melody, and Marco Jazz
Contents
Preface page xi
1 Introduction 1
1.1 Carbon-Based and Silicon-Based Computing 1
1.2 Early Beginnings Until the Late 1940s 4
1.3 From 1950 to 1980 10
1.4 From 1980 to Today 12
1.5 Roadmap 14
1.6 Exercises 15
2 Basic Concepts 16
2.1 Synapses 16
2.2 Units or Neurons 17
2.3 Activations 17
2.4 Transfer Functions 18
2.5 Discrete versus Continuous Time 22
2.6 Networks and Architectures 23
2.7 Functional and Cardinal Capacity of Architectures 26
2.8 The Bayesian Statistical Framework 28
2.9 Information Theory 31
2.10 Data and Learning Settings 33
2.11 Learning Rules 35
2.12 Computational Complexity Theory 36
2.13 Exercises 37
5 Autoencoders 71
5.1 A General Autoencoder Framework 72
5.2 General Autoencoder Properties 73
5.3 Linear Autoencoders 75
5.4 Non-Linear Autoencoders: Unrestricted Boolean Case 84
5.5 Other Autoencoders and Autoencoder Properties 90
5.6 Exercises 96
14 Conclusion 275
14.1 Explainability and the Black-Box Question 275
14.2 ANNs versus BNNs 277
References 313
Index 365
Preface
By and large, this book grew out of research conducted in my group as well as classes and
lectures given at the University of California, Irvine (UCI) and elsewhere over the years.
It can be used as a textbook for an undergraduate or graduate course in machine learn-
ing, or as an introduction to the topic for scientists from other fields. Basic prerequisites
for understanding the material include college-level algebra, calculus, and probability.
Familiarity with information theory, statistics, coding theory, and computational com-
plexity at an elementary level are also helpful. I have striven to focus primarily on
fundamental principles and provide a treatment that is both self-contained and rigorous,
sometimes referring to the literature for well-known technical results, or to the exercises,
which are an integral part of the book.
In writing this book, one of my goals has been to provide a rigorous treatment from
first principles, as much as possible, in a still rapidly evolving field. This is one of the
meanings of “in science” in the title. In this regard, the flow of the book is dictated
primarily by complexity issues, going from shallow networks in their different forms,
to deep feedforward networks, to recurrent and recursive networks. Two-layer networks,
of which autoencoders are the prototypical example, provide the hinge between shallow
and deep learning. For each kind of network, it is useful to consider special “hardware”
cases, such as networks of linear units. Contrary to widespread belief, the linear case is
often interesting and far from trivial. But this is not the only case where using a particular
hardware model is helpful. Another example is the use of unrestricted Boolean units,
another model that may seem trivial at first sight, but which leads to useful insights for
both autoencoders and deep architectures. Yet another important example is provided by
networks of linear or polynomial threshold gates.
A second characteristic of this book is its connection to biology. Neural networks, deep
learning, and the entire field of AI are deeply rooted in biology, in trying to understand
how the brain works and the space of possible strategies to replicate and surpass its
capabilities. This is evident in Turing’s foundational work on Turing machines, guided
by the fundamental intuition of a brain capable of having only a finite number of states
[736] and in the vocabulary of computer science, which is full of words clearly rooted
in biology such as AI, machine learning, memory, computer vision, computer virus,
genetic algorithms, and so forth. It is regrettable to see young students and practitioners
of machine learning misled to believe that artificial neural networks have little to do with
biology, or that machine learning is the set of techniques used to maximize engineering
or business goals, such as advertising revenues for search engines. In addition, not only
computers and neural networks are inspired by biology, but they are of course also being
xii Preface
successfully used to analyze biological data, for instance high-throughput omic data, and
through one of these surprising self-recursions only mankind seems to have produced, the
results of these bioinformatics and systems biology analyses are progressively informing
our understanding of the brain, helping to reveal for instance key gene expression and
protein mechanisms involved in synaptic formation and biological memory.
A third characteristic of this book is precisely in the applications. The second meaning
of “in science” in the title is “for science”. I have focused on applications of deep
learning to the natural sciences – primarily physics, chemistry, and biology for the past
three decades or so. These applications are expanding rapidly today, but were almost
nonexistent in the 1980s. Plenty of textbooks and other material can be found dealing
with applications of neural networks to problems in engineering and other related areas.
A fourth characteristic is the emphasis placed on storage, specifically on the neural-
style of information storage, in fundamental contrast to the Turing-style of information
storage, ironically introduced by Turing precisely while thinking about the brain. This
theme goes together with the importance of recognizing the virtualization process hidden
behind most of today’s neural network applications. In most applications of neural
networks today, there are no neurons and no synapses, only their digital mirage. This
comes at a price that can only be understood by thinking about “learning in the machine”,
as opposed to machine learning. In a physical neural system, learning rules must be local
both in space and time. Among other things, this locality principle helps clarify the
relationship between Hebbian learning and backpropagation and explains why Hebbian
learning applied to feedforward convolutional architectures has never worked. It also
naturally leads to random backpropagation and recirculation algorithms, important topics
that are poorly known because they are not particularly useful for current applications.
For readers primarily interested in applications, or for courses with tight time limitations,
I recommend using the abbreviated sequence of chapters: 2, 3, 6, and 10, covering most
of the practical aspects.
Finally, the field of neural networks has been polluted by fads and a significant amount
of cronyism and collusion over the past few decades, that a fragmented, multigenera-
tional, and often unaware community could do little to stop. Cronyism and collusion are
nothing new in human affairs, but they have distorted and slowed down the development
of the field through the subtle control and manipulation of conferences, publications,
academic and corporate research departments, and other avenues of power and dissem-
ination. Readers should read more widely, check what has been published – where and
when – and decide for themselves which results are supported by mathematical proofs
or sound simulations, and which are not. In the end, towering over human affairs, all
that matters are the beauty of deep learning and the underlying mysteries it is intimately
connected to: from whether silicon can be conscious to the fundamental nature of the
universe.
In order to solve some of the problems in the book, or more broadly to think about
scientific and other questions, I recommend that my students systematically try at least
four different approaches. The first of course is to simplify. When a question seems too
difficult at first, look for special or simpler cases. When trying to understand a theorem,
look at the case of “small n”, or fix the values of certain parameters, or switch to the
linear case, or try to interpolate. The second is the opposite way of thinking: generalize,
abstract, or extrapolate. Are there other situations that bear some similarity to the current
problem? How can a result be applied to more general cases? Can the conditions under
which a theorem is true be relaxed? The third way of thinking is “to take the limit”, to
look at what happens at the boundaries of a certain domain, under extreme conditions,
to let n go to zero, or to infinity. And finally, the fourth way is always to invert, look at
things somehow from an opposite perspective. Thus, for example, when thinking about
an autoencoder, one may want first to simplify it by studying how to solve the top layer
given the lower layer, which is usually an easier problem; and then to invert this approach
by studying how the lower layer can be solved given the top layer, which is usually a
harder problem.
Of course these four principles are not a panacea to every situation and, for instance,
identifying the right form of “inversion” in a given situation may not be obvious. However,
the discipline of trying to apply these four principles in a systematic manner can be
helpful and, incidentally, remains a major challenge for Artificial Intelligence (AI).
Acknowledgments
The number of people I am indebted to keeps growing every year, and I can only mention
a few of them.
NOTES:
[15] Un conte espagnol, publié pur M. Antonio
Machado y Alvares dans la revue la Enciclopedia
(Séville, livraison du 30 octobre 1880, p. 629), a
une introduction analogue à celle du conte
portugais: Une petite fille achète des pois grillés;
pendant qu'elle les mange à une fenêtre donnant
sur le jardin du roi, le dernier de ses pois tombe
près d'un poirier. La petite fille ne pouvant le
retrouver, dit au jardinier d'arracher le poirier, pour
qu'elle puisse chercher son pois. Comme il refuse,
elle dit au chien de le mordre, puis au taureau de
donner un coup de corne au chien, au lion de tuer
le taureau, au roi d'envoyer tuer le lion, et enfin, à
la reine de se fâcher contre le roi. La reine y
consent, et alors, pour avoir la paix, le roi envoie
des gens pour tuer le lion, etc. Cette série, qui
n'est pas sans analogie avec la série préliminaire
du conte portugais, ne se trouve, croyons-nous,
nulle part en dehors de ce conte espagnol.
«Ah!» pensa la fausse reine, «que cette quenouille irait bien avec le
rouet d'or!» Elle descendit de sa chambre et dit au petit garçon:
«Combien vends-tu ta quenouille?—Je la vends pour des dents.» Elle
retourna trouver sa mère. «Tu as les dents de ta sœur», dit la vieille;
«donne-les à cet enfant.» Le petit garçon rapporta les dents, et le
vieillard les remit à la reine, si bien qu'il n'y parut plus. Ensuite il
donna une bobine d'or à l'enfant. «Va au château,» lui dit-il, «vendre
cette bobine pour deux mains.»
La fausse reine acheta la bobine pour les deux mains de sa sœur. Il
ne manquait plus à la reine que ses pieds. «On ne peut filer sans
épinglette et sans mouilloir,» dit le vieillard à l'enfant; «va vendre
cette épinglette et ce mouilloir d'or pour deux pieds.»
La fausse reine, charmée d'avoir toutes ces belles choses à si bon
marché, courut chercher les pieds de sa sœur, que l'enfant rapporta.
La reine ne savait comment témoigner sa reconnaissance au
vieillard. Celui-ci la conduisit derrière le jardin du château, lui dit de
ne pas se montrer encore et disparut.
Ce jour-là même, le roi revint de la guerre. En voyant la fausse
reine, il crut que c'était sa femme; il la trouva changée, mais il
supposa que c'était parce qu'elle avait eu du chagrin d'être restée
longtemps sans le voir. Elle lui montra le rouet d'or, la quenouille et
tout ce qu'elle avait acheté, puis ils descendirent ensemble au jardin.
Tout à coup, on entendit frapper à la porte: c'était le vieux
mendiant. La fausse reine voulait le chasser, mais le roi lui fit bon
accueil et lui demanda s'il n'avait rien vu dans ses voyages qui
méritât d'être raconté.
«Sire,» dit le mendiant, «il n'y a pas longtemps, j'ai rencontré dans
une forêt une dame à qui l'on avait arraché les yeux et les dents,
coupé les pieds et les mains. C'était sa sœur qui l'avait traitée ainsi.
J'ai envoyé à cette méchante sœur un petit garçon qui lui a vendu
un rouet d'or pour ravoir les yeux, une quenouille d'or pour les
dents, une bobine d'or pour les mains, une épinglette et un mouilloir
d'or pour les pieds. Si vous voulez, sire, en savoir davantage, vous
trouverez là-bas, au bout du jardin, une femme qui vous dira le
reste.»
Le roi suivit le mendiant et fut bien surpris et bien joyeux en
reconnaissant sa femme. Il la ramena au château; puis il ordonna
d'enchaîner la mère et la sœur de la reine et de les jeter aux bêtes.
REMARQUES
Notre conte présente la plus frappante ressemblance avec un
conte tchèque de Bohême (Wenzig, p. 45). Ce dernier n'a de
vraiment différent que le dénouement, où c'est le rouet d'or qui,
mis en mouvement par la fausse princesse, en présence du
prince, se met à parler et révèle le crime. Ajoutons que, dans ce
conte tchèque, les dents n'ayant pas été arrachées à la
princesse, le petit garçon ne va vendre au château que trois
objets: un rouet d'or, un fuseau d'or et une quenouille d'or.
Le même thème se trouve traité d'une façon plus ou moins
particulière dans plusieurs autres contes.
Dans un conte sicilien (Pitrè, nº 62), une jeune fille doit épouser
un roi; sa tante, qui s'est offerte à la conduire dans le pays du
fiancé, lui substitue sa propre fille et l'abandonne dans une
grotte après lui avoir arraché les yeux. Passe un vieillard, qui
accourt aux cris de la jeune fille. Celle-ci l'envoie sous le balcon
du roi avec deux corbeilles pleines de roses magnifiques qui, par
suite d'un don à elle fait, tombent de ses lèvres quand elle
parle, et lui dit de crier qu'il les vend pour des yeux. Elle rentre
ainsi en possession de ses yeux, recouvre la vue et finit par se
faire reconnaître du roi son fiancé.
Dans un conte italien du Montferrat (Comparetti, nº 25), une
jeune fille a reçu divers dons d'un serpent reconnaissant, et un
roi veut l'épouser. Les sœurs de la jeune fille, jalouses de son
bonheur, lui coupent les mains et lui arrachent les yeux, et l'une
d'elles se fait passer, auprès du roi, pour sa fiancée. La jeune
fille est recueillie par de braves gens. Un jour, au milieu de
l'hiver, le serpent vient lui dire que la reine, qui est enceinte, a
envie de figues. D'après les indications du serpent, la jeune fille
dit à l'homme chez qui elle demeure où il en pourra trouver, et
elle l'envoie au palais en vendre pour des yeux; puis un autre
jour, des pêches pour des mains. Elle se fait enfin reconnaître
par le prince.
En Italie encore, nous trouvons un conte toscan du même genre
(Gubernatis, Novelline di S. Stefano, nº 13). Le voici dans ses
traits essentiels: La belle-mère d'une jeune reine hait
mortellement sa bru. Pendant l'absence du roi, elle ordonne à
deux de ses serviteurs de conduire la reine dans un bois et de la
tuer. Emus de ses larmes, les serviteurs se contentent de lui
arracher les yeux pour les porter à la reine-mère comme preuve
de l'exécution de ses ordres. La jeune femme est recueillie par
un vieillard. Ayant reçu d'un serpent trois objets merveilleux,
elle se fait conduire, le visage voilé, devant le palais de son
mari, et met en vente le premier objet pour un œil, puis le
second aussi pour un œil; pour prix du troisième objet, elle
demande (comme dans l'Oiseau bleu de Mme d'Aulnoy, et dans
les autres contes de ce type, Grimm, nº 88, etc.) la permission
de passer la nuit dans la chambre voisine de celle du roi, et se
fait ainsi reconnaître de son mari.
Dans un conte catalan (Rondallayre, t. III, p. 114), les yeux de
la vraie fiancée d'un roi, fille d'un charbonnier, lui sont arrachés
par une jeune fille, envieuse de son bonheur. C'est encore un
serpent reconnaissant qui vient à son secours; il donne à sa
bienfaitrice une pomme magnifique qu'elle devra aller vendre à
la nouvelle reine pour «des yeux de chrétienne». La fausse reine
la trompe et lui donne des yeux de chat; mais ensuite, en
échange d'une poire qui vient également du serpent, la vraie
reine rentre en possession de ses yeux.—Comparer un conte
recueilli chez les Espagnols du Chili (Biblioteca de las Tradiciones
populares españolas, t. I, p. 137).
Dans un conte grec moderne d'Epire (Hahn, nº 28), une jeune
reine se met en route, accompagnée de sa nourrice et de sa
sœur de lait, pour aller célébrer ses noces dans le pays de son
fiancé. Mourant de soif pendant le voyage,—sa nourrice ne lui a
fait manger tout le temps que d'une pâtisserie extrêmement
salée,—elle supplie sa nourrice de lui donner à boire. Cette
méchante femme lui dit que dans ce pays l'eau est si chère, que
chaque gorgée se paie au prix d'un œil. La reine, pour avoir à
boire, s'arrache d'abord un œil, puis l'autre[24]. Alors la nourrice
l'abandonne et fait passer sa propre fille pour la reine. Cette
dernière est recueillie par une vieille femme charitable. Or, la
vraie reine avait ce don, que des roses s'échappaient de sa
bouche toutes les fois qu'elle souriait. Elle envoie la bonne vieille
au palais vendre de ces roses pour des yeux. (Ici, par suite
d'une altération évidente, les yeux de chienne qu'on lui donne
lui font recouvrer la vue.)
Citons encore un conte russe analysé par M. de Gubernatis
(Zoological Mythology, I, p. 218): La servante de la fiancée d'un
tzar endort sa maîtresse et lui arrache les yeux; puis elle se
substitue à elle et épouse le tzar. La jeune fille est recueillie par
un vieux berger. Pendant la nuit, elle fait, quoique aveugle, une
couronne de tzar et envoie le vieillard au palais la vendre pour
un œil; le lendemain, elle recouvre de la même manière son
second œil.
NOTES:
[24] Dans un conte sicilien, tout différent (Pitrè,
Nuovo Saggio, nº 6), deux méchantes sœurs,
jalouses de la beauté de leur cadette, mettent
quantité de sel dans un plat qu'elles font manger à
cette dernière, et la jeune fille, mourant de soif,
est obligée de se laisser arracher les yeux pour
avoir à boire. Des fées lui rendent la vue.
XXXVI
JEAN & PIERRE
Il était une fois une pauvre femme qui avait deux fils, Jean et Pierre.
Pierre, voyant sa mère dans la misère, alla se mettre au service d'un
laboureur. «Combien demandes-tu?» lui dit le laboureur.—«Cent
écus,» répondit Pierre.—«Tu les auras; mais voici mes conditions: à
la première dispute, celui de nous deux qui se fâchera aura les reins
cassés.—Maître, je ne me fâche jamais.»
A peine s'était-il passé huit jours que Pierre eut une discussion avec
son maître; il se fâcha, et le laboureur lui cassa les reins. Il s'en
retourna chez sa mère et raconta à son frère Jean ce qui lui était
arrivé. Jean se fit indiquer la maison du laboureur et s'offrit à le
servir, sans dire qu'il était frère de Pierre. «Combien veux-tu?—
Maître, vous me donnerez cent écus.—Tu les auras; mais voici mes
conditions: à la première dispute, celui de nous deux qui se fâchera
aura les reins cassés.—Maître, je ne me fâche jamais.»
Le lendemain, le maître envoya Jean conduire au marché un chariot
de grain attelé de quatre chevaux. Jean vendit le chariot et les
quatre chevaux et porta l'argent à son frère. Quand il rentra chez
son maître, celui-ci lui dit: «Qu'as-tu fait du chariot et des chevaux?
—Maître,» répondit Jean, «je les ai vendus à un homme que j'ai
rencontré sur la route.—Et l'argent?—L'argent, je l'ai porté à mon
frère, à qui vous avez cassé les reins.—Tu veux donc me ruiner?—
Maître, est-ce que vous vous fâchez?—Je ne me fâche pas pour si
peu.—Vous savez que celui qui se fâchera aura les reins cassés.—Oh!
je ne me fâche pas du tout.»
Le jour suivant, le maître dit à sa femme: «Je vais envoyer Jean
chercher le plus gros chêne de la forêt; il ne pourra pas le rapporter,
et, quand je lui ferai des reproches, il se mettra en colère.» Jean
partit avec un chariot à quatre chevaux, vendit tout l'équipage
comme la première fois, puis revint à la maison. «Eh bien!» lui dit le
laboureur, «où est le chariot?—Le chariot? je l'ai laissé dans la forêt:
je n'ai pu l'en faire sortir.—Oh! tu nous ruineras, tu nous ruineras!»
La femme criait encore plus haut: «Tu nous ruineras!»—«Maître,» dit
Jean, «est-ce que vous vous fâchez?—Je ne me fâche pas pour si
peu.—Vous savez que celui qui se fâchera aura les reins cassés.—Oh!
je ne me fâche pas du tout.»
Un autre jour, tandis que Jean battait en grange, le laboureur et sa
femme allèrent déjeuner sans l'appeler. Jean ne fit pas semblant de
s'en apercevoir; il alla vendre le blé qu'il avait battu, fit un bon
déjeuner à l'auberge et revint à la maison. «Jean,» dit le maître,
«qu'as-tu fait du grain?—Vous ne m'avez pas appelé pour déjeuner;
j'ai été vendre le grain et j'ai déjeuné avec l'argent.—Tu nous
ruineras, Jean, tu nous ruineras!—Maître, est-ce que vous vous
fâchez?—Je ne me fâche pas pour si peu.—Vous savez que celui qui
se fâchera aura les reins cassés.—Oh! je ne me fâche pas du tout.»
La femme du laboureur dit à son mari: «Envoyons-le mener les
petits porcs au pâturage: l'ogre le mangera et nous serons
débarrassés de lui.»
Jean partit donc avec le troupeau, et, arrivé près de la maison de
l'ogre, il y entra. Il tenait un moineau dans sa main. «Tu ne
monterais pas si haut que ce petit oiseau?» dit-il en le montrant à
l'ogre.—«Oh! non,» dit l'ogre.—«J'ai faim,» reprit Jean.—«Moi aussi.
Qu'est-ce que nous allons faire pour déjeuner?—Si nous faisions de
la bouillie?» dit Jean.
La bouillie faite, ils se mirent à table. Jean, qui s'était attaché sur
l'estomac une grande poche, y faisait entrer une bonne partie de sa
bouillie, tandis que l'ogre avalait tout. Quand la poche de Jean fut
pleine, il la fendit d'un coup de couteau, et toute la bouillie se
répandit; puis il recommença à manger. «Tiens!» dit l'ogre, «je
voudrais bien pouvoir me soulager comme toi. Fends-moi donc aussi
l'estomac.» Jean ne se le fit pas dire deux fois, et il lui fendit si bien
l'estomac, que l'ogre en mourut.
Cela fait, Jean retourna près de ses cochons, et, après leur avoir
coupé à tous la queue, il les alla vendre; ensuite il enfonça les
queues dans la vase d'un marais et revint chez son maître. «Où sont
les cochons?» lui demanda le maître.—«Ils sont tombés dans un
marécage.—Eh bien! il faut les en tirer.—Maître, il n'y a pas moyen
d'y entrer.» Le maître alla pourtant voir ce qu'il en était; mais quand
il voulut retirer un des cochons par la queue, la queue lui resta dans
la main, et il tomba à la renverse dans la bourbe. «Tu nous ruineras,
Jean, tu nous ruineras!—Maître, est-ce que vous vous fâchez?—Je ne
me fâche pas pour si peu.—Vous savez que celui qui se fâchera aura
les reins cassés.—Oh! je ne me fâche pas du tout.»
La femme dit à son mari: «Il faut l'envoyer mener les oies au
pâturage.» Jean partit avec les oies. Le soir, il en manquait deux ou
trois qu'il avait vendues. «Jean,» dit le laboureur, «il manque des
oies.—Maître, je n'en suis pas cause: c'est une bête qui les a
mangées.—Tu nous ruineras, Jean, tu nous ruineras!—Maître, est-ce
que vous vous fâchez?—Je ne me fâche pas pour si peu.—Vous
savez que celui qui se fâchera aura les reins cassés.—Oh! je ne me
fâche pas du tout.»
«Voilà un singulier domestique,» dit le lendemain la femme; «il va
nous ruiner. J'irai me cacher dans un buisson pour voir ce qu'il fait
des oies.» Jean avait entendu ce qu'elle disait; avant de partir pour
le pâturage, il dit au laboureur: «Maître, je prends votre fusil; si la
bête vient, je la tuerai.» Quand il vit la femme dans le buisson, il fit
feu sur elle et la tua. Le soir, il ramena les oies à la maison.
«Maître», dit-il, «comptez, il n'en manque pas une; j'ai tué la bête
qui les mangeait.—Ah! malheureux! tu as tué ma femme!—Je n'en
sais rien; toujours est-il que j'ai tué une grosse bête. Mais vous, est-
ce que vous vous fâchez?—Ah! certes oui! je me fâche!» Là-dessus,
Jean lui cassa les reins; puis il revint chez lui, et moi aussi.
REMARQUES
Le thème principal de ce conte,—la convention entre le maître
et son valet,—se retrouve sous une forme plus ou moins
ressemblante dans des contes recueillis en Bretagne (F.-M.
Luzel, 5e rapport, p. 29, et Mélusine, 1877, col. 465), en Picardie
(Carnoy, p. 316), dans le pays basque (Webster, p. 6 et p. 11),
en Espagne (Biblioteca de las Tradiciones populares españolas,
t. IV, p. 139), en Corse (Ortoli, p. 203), dans diverses parties de
l'Italie (Jahrbuch für romanische und englische Literatur, t. VIII,
p. 246, et Propugnatore, t. IX, 2e partie, 1876, p. 256), dans le
Tyrol allemand (Zingerle, II, p. 223), en Allemagne (Prœhle, II,
nº 16), chez les Lithuaniens (Schleicher, p. 45), chez les Slaves
de Moravie (Wenzig, p. 5), en Valachie (Schott, nº 23, p. 229),
chez les Grecs d'Epire (Hahn, nº 11 et nº 34, p. 222), en Irlande
(Kennedy, II, p. 74; Royal Hibernian Tales, p. 51), en Ecosse
(Campbell, nº 45), et, d'après M. R. Kœhler (Mélusine, loc. cit.,
col. 473), en Danemark et en Norwège.
Dans presque tous ces contes, la condition qui doit être
observée par les deux parties, c'est, comme dans notre conte,
de ne point se fâcher;—dans quelques-uns (conte écossais,
premier conte basque, second conte grec), il faut ne pas
manifester de regrets au sujet de l'engagement;—enfin, dans le
second conte basque, il est dit simplement que le valet s'engage
à faire tout ce que son maître lui ordonnera.
Quant à la punition de celui qui aura manqué à la convention,
c'est, dans le plus grand nombre des contes, de se voir enlever
par l'autre une ou plusieurs lanières dans le dos, «un ruban de
peau rouge depuis le sommet de la tête jusqu'aux talons,» dit
un des contes bretons. Dans le premier des deux contes italiens,
il doit être écorché vif; dans le conte de la Moravie, il doit
perdre le nez; dans le conte picard, une oreille; dans les contes
corse, tyrolien et allemand, les deux oreilles.
Parmi les mauvais tours que Jean joue à son maître pour le
fâcher, l'histoire des queues de cochon, fichées dans le marais,
figure dans le second conte breton, le conte picard, le conte
corse, les deux contes basques, le conte allemand de la
collection Prœhle (où ce sont des queues de vache), et, d'après
M. Kœhler (Jahrb. für rom. und engl. Lit., VIII, p. 251), dans un
conte norwégien.—Elle se retrouve dans plusieurs contes qui
n'ont pas le cadre du nôtre et qui se composent simplement
d'aventures de voleurs ou d'adroits fripons, par exemple, dans
un conte piémontais (Gubernatis, Zoological Mythology, I, p.
234), un conte sicilien (Gonzenbach, nº 37, p. 254), un conte
portugais (Braga, nº 77), un conte islandais (Arnason, p. 552),
un conte allemand (Prœhle, I, nº 49), et un conte russe
(Gubernatis, loc. cit.). Dans le conte allemand, c'est une queue
de bœuf que le voleur plante dans le marais; dans le conte
russe, une queue de cheval.