in

Un modèle qui raisonne comme Einstein, la clé pour faire progresser l’IA ?

Jusque-là, les chercheurs n’ont pas encore réussi à comprendre le fonctionnement interne des modèles IA. Pourtant, y parvenir pourrait ouvrir la voie à des progrès scientifiques considérables. Et si cela était réalisable en développant une IA capable de penser comme Einstein ? C’est le projet initié par des chercheurs allemands.

Un immense potentiel encore inexploité

L’intelligence artificielle accomplit déjà des prouesses et offre une multitude d’applications. Cependant, pour les chercheurs de l’institut de recherche Forschungszentrum Jülich (FZJ) en Allemagne, son plein potentiel reste inexploré. Ceci est dû à une architecture opaque, semblable à une « boîte noire » dont le fonctionnement interne échappe aux experts.

Pour l’instant, les scientifiques entraînent des systèmes en leur fournissant de données. Ensuite, ils observent les résultats impressionnants qu’ils produisent. Le fonctionnement interne de ces réseaux neuronaux artificiels demeure un mystère pour eux.

Pourtant, si le cerveau humain comprend comment les algorithmes traitent les données ingurgitées pour l’apprentissage, ces chercheurs pensent que cela pourrait révolutionner l’IA et la science.

Imiter les raisonnements d’Einstein, une piste prometteuse

Les figures légendaires de la science, tels qu’Einstein, Newton, Gauss ou encore Archimède, ont bouleversé l’histoire de notre civilisation par leurs découvertes révolutionnaires. Et les chercheurs du FZJ estiment que s’inspirer de leur raisonnement ferait progresser l’intelligence artificielle.

Mais comment ces grands cerveaux ont-ils pensé ? Ce sont des théoriciens qui observaient le monde qui les entourait et en tiraient des théories ou des règles. L’exemple d’Archimède est bien connu. En remarquant la montée du niveau d’eau dans son bain lors de l’immersion de son corps, il s’exclame « Eurêka ! ». Ensuite, il a formulé la célèbre loi de la poussée d’Archimède. De même, Einstein, en imaginant un homme en chute libre dans un ascenseur sans fenêtres, a élaboré sa théorie de la relativité.

Quant à Newton, c’est en observant la chute d’une pomme qu’il s’est interrogé sur la force qui l’attirait vers le sol. À partir de cela, il a élaboré les bases de sa théorie de la gravité. Tous ces exemples illustrent la démarche commune à ces grands scientifiques : à partir d’observations isolées, ils établissent des règles régissant le fonctionnement d’un système.

Un système de machine learning inspiré des grands scientifiques

Claudia Merger, chercheuse au FZJ, a développé un système de machine learning qui raisonne à la manière des grands scientifiques. Son approche repose sur la décomposition d’un modèle d’IA en un nombre limité de composants qui communiquent entre eux. Cette simplification permet de mieux comprendre les interactions au sein du système IA et la manière dont il traite les données.

Moritz Helias, co-auteur de l’étude, explique : « Auparavant, la seule manière de construire ces modèles, c’était de le faire « depuis le bas » ; on expliquait le comportement d’un système à partir des interactions déjà connues qu’on y observait ». « Mais dans ces travaux, nous prenons le problème par l’autre bout en commençant « depuis le haut ». On part d’une boîte noire (le modèle IA, NDLR) qui explique l’ensemble, puis on le déconstruit en différents sous-systèmes qui interagissent entre eux de façon plus simple. »

Ce modèle développé par Merger ouvrirait la voie à une révolution scientifique majeure. Et cela aurait des répercussions considérables dans de nombreux champs de recherche.

Newsletter

Envie de ne louper aucun de nos articles ? Abonnez vous pour recevoir chaque semaine les meilleurs actualités avant tout le monde.

Cliquez pour commenter

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *