Le prix Nobel de physique de cette année est décerné à deux scientifiques qui ont été à l’origine de l’intelligence artificielle. Un choix surprenant, selon de nombreux scientifiques en IA. Bien que l’IA soit un développement important qui suscite beaucoup d’attention et qui a une influence majeure sur la science, son rapport avec la physique n’est pas immédiatement clair. Est-ce une solution créative que d’attribuer ce prix prestigieux à l’informatique, qui ne dispose pas de son propre prix Nobel ?
John Hopfield (91 ans) et Geoffrey Hinton (77 ans) reçoivent le prix Nobel pour leurs découvertes et inventions fondamentales qui soutiennent l’intelligence artificielle – ou apprentissage automatique – avec des réseaux de neurones artificiels. Selon le comité Nobel, ces travaux ont une touche physique car les scientifiques ont utilisé des éléments de base de modèles d’IA inspirés de systèmes physiques pour se développer.
Petits enfants
Grâce aux réseaux de neurones artificiels développés par Hopfield et Hinton dans les années 1980, les ordinateurs peuvent apprendre des tâches d’une toute nouvelle manière. Là où les programmes informatiques traditionnels nécessitent des instructions étape par étape, comme une recette, les systèmes d’IA peuvent apprendre à partir d’exemples, comme le font les jeunes enfants.
Cela leur permet d’aborder des problèmes trop vagues pour être décrits dans des instructions étape par étape, comme reconnaître des chats sur différentes photos et dessins. En conséquence, les machines peuvent désormais reconnaître des images, mais aussi traduire des phrases courantes et même avoir des conversations assez normales. Et en science, l’IA est inestimable car elle est capable de catégoriser et d’analyser d’énormes quantités de données.
Le développement des réseaux de neurones artificiels qui constituent la base de l’IA actuelle a commencé dans les années 1940 par fascination pour le fonctionnement du cerveau humain. Le cerveau est constitué d’un réseau de cellules cérébrales – les neurones – interconnectées. Lorsque nous apprenons quelque chose de nouveau, par exemple ce qu’est un chat, les connexions entre les neurones impliqués dans la reconnaissance d’un chat deviennent plus fortes, tandis que les connexions entre les neurones qui ne sont pas importants pour cela s’affaiblissent.
Les scientifiques ont tenté de simuler ce réseau neuronal de notre cerveau avec des ordinateurs. Les neurones sont alors des nœuds qui peuvent avoir une certaine valeur – comme 1 ou 0 – et entre eux il existe des connexions qui peuvent devenir plus fortes ou plus faibles.
Cette imitation du cerveau par les ordinateurs s’est révélée complexe et l’intérêt a diminué. Jusque dans les années quatre-vingt. C’est alors que John Hopfield, un physicien qui a longtemps étudié la biophysique, s’est intéressé au sujet. En 1982, il a développé un réseau neuronal artificiel capable de mémoriser et de reproduire des schémas, tout comme le cerveau stocke et rappelle des souvenirs.
Mini-aimants
Pour développer ce réseau artificiel, Hopfield s’est inspiré d’un système physique, à savoir le comportement qui se produit dans les matériaux magnétiques en raison du moment magnétique des atomes – appelés spins. Ce qui arrive à un matériau lorsque ces spins s’influencent peut être décrit à l’aide d’un modèle physique.
Hopfield a utilisé ce modèle dans un ordinateur avec des nœuds interconnectés où les connexions peuvent être plus fortes ou plus faibles, tout comme dans un cerveau. Grâce à ce modèle, ce réseau a pu mémoriser différents modèles saisis, comme certaines lettres. Si le réseau voyait ensuite une lettre floue avec des morceaux manquants, par exemple, le réseau pourrait déterminer de quelle lettre il s’agissait et produire cette lettre. En effet, il reconnaissait à laquelle des lettres – et donc des motifs – de sa mémoire la forme floue ressemblait le plus.
Cela peut ne pas paraître très impressionnant, mais Hopfield a développé ce réseau en 1982. C’est l’année où la disquette est devenue populaire et où le premier ordinateur personnel d’IBM a été introduit. Même alors, Hopfield a démontré un réseau neuronal composé de trente nœuds. Il voulait également démontrer comment cela fonctionne avec une centaine de nœuds, mais les ordinateurs dont il disposait ne pouvaient pas le faire. Cela contraste fortement avec les modèles d’IA similaires actuels, qui comportent des milliards de connexions entre les nœuds.
Reconnaissance
Geoffrey Hinton s’est appuyé sur le travail de Hopfield. Bien qu’il ait une formation en psychologie cognitive et en informatique, Hinton a également appliqué la physique à son travail. Il a utilisé des idées de la physique statistique. Ceci décrit des systèmes comportant plusieurs des mêmes éléments, tels que des molécules dans un gaz.
En 1985, Hinton a publié un article dans lequel il présentait un réseau appelé machine de Boltzmann, du nom du physicien statisticien Ludwig Boltzmann. Ce réseau utilise le réseau Hopfield comme base, mais dispose d’une couche supplémentaire de réseau neuronal. Cela garantit que la machine Boltzmann peut reconnaître et classer les images après avoir été entraînée avec une série d’images. Si on lui a montré différentes photos et dessins de chats, il peut reconnaître un chat sur une nouvelle photo.
La première version du Boltzmann était encore assez lente. Mais Hinton n’est pas resté immobile et a continué à améliorer sa machine d’apprentissage. Aujourd’hui, les nouvelles versions des machines Boltzmann font partie d’un réseau d’IA plus vaste. Par exemple, ils peuvent être trouvés dans des systèmes qui recommandent des films ou des séries en fonction de ce qu’une personne a déjà regardé.
Inspirant
Le professeur Max Welling de l’Université d’Amsterdam a été chercheur postdoctoral à Hinton pendant trois ans et a travaillé avec lui à l’amélioration de ces modèles d’apprentissage. «C’était très inspirant de travailler avec lui», déclare Welling. « Mais les gens très brillants, comme Hinton, pensent souvent très différemment des autres. Il était donc parfois difficile de déterminer ce qu’il voulait dire.
Welling est très enthousiasmé par le prix Nobel. “C’est fantastique pour notre domaine.” Même s’il trouve surprenant que le prix Nobel de physique soit attribué à la recherche sur l’IA, il voit le lien. « L’IA est un domaine de recherche inspiré de la physique et dont les applications ont à leur tour une grande influence sur la recherche en physique. Cela pourrait avoir plus d’impact sur cette recherche que sur toute autre découverte. Il est utilisé dans toute la physique, depuis la recherche sur les matériaux jusqu’à la visualisation d’un trou noir.
Le professeur Wilfred van der Wiel de l’Université de Twente est également enthousiaste. « Ces deux scientifiques ont apporté des contributions cruciales dans ce domaine. Hopfield a été l’un des premiers à connecter ainsi la physique et les réseaux neuronaux et Hinton a énormément contribué au développement de l’IA au cours des dernières décennies.
ChatGPT
Certains autres chercheurs en IA sont surpris que ce prix de physique soit attribué à l’IA. Même si les deux lauréats se sont inspirés de la physique pour le développement de leurs réseaux, il s’agit principalement d’un développement en informatique. Et bien qu’il soit devenu un outil extrêmement important en physique, il en va de même pour d’autres sciences, comme la médecine et la chimie, estime-t-il. C’est, comme le professeur Frank van Harmelen de la Vrije Universiteit d’Amsterdam l’envoie par courrier électronique, “une décision un peu folle de la part du Comité Nobel”. Pourtant, selon Van der Wiel, c’est aussi “un bon coup de pouce” pour le peloton.
Et le chatbot IA ChatGPT ? Lorsqu’on lui a demandé, il a répondu froidement aux félicitations : « Merci ! Mais je n’ai pas gagné de prix Nobel – je suis juste là pour aider et discuter. De quoi voudriez-vous discuter ?