{"id":1356789,"date":"2024-10-08T16:57:09","date_gmt":"2024-10-08T18:57:09","guid":{"rendered":"https:\/\/teknomers.com\/fr\/les-peres-de-lia-recoivent-le-prix-nobel-de-physique\/"},"modified":"2024-10-08T16:57:14","modified_gmt":"2024-10-08T18:57:14","slug":"les-peres-de-lia-recoivent-le-prix-nobel-de-physique","status":"publish","type":"post","link":"https:\/\/teknomers.com\/fr\/les-peres-de-lia-recoivent-le-prix-nobel-de-physique\/","title":{"rendered":"Les p\u00e8res de l’IA re\u00e7oivent le prix Nobel de physique"},"content":{"rendered":"\n
\n

Le prix Nobel de physique de cette ann\u00e9e est d\u00e9cern\u00e9 \u00e0 deux scientifiques qui ont \u00e9t\u00e9 \u00e0 l’origine de l’intelligence artificielle. Un choix surprenant, selon de nombreux scientifiques en IA. Bien que l\u2019IA soit un d\u00e9veloppement important qui suscite beaucoup d\u2019attention et qui a une influence majeure sur la science, son rapport avec la physique n\u2019est pas imm\u00e9diatement clair. Est-ce une solution cr\u00e9ative que d’attribuer ce prix prestigieux \u00e0 l’informatique, qui ne dispose pas de son propre prix Nobel ? <\/p>\n

John Hopfield (91 ans) et Geoffrey Hinton (77 ans) re\u00e7oivent le prix Nobel pour leurs d\u00e9couvertes et inventions fondamentales qui soutiennent l’intelligence artificielle \u2013 ou apprentissage automatique<\/em> \u2013 avec des r\u00e9seaux de neurones artificiels. Selon le comit\u00e9 Nobel, ces travaux ont une touche physique car les scientifiques ont utilis\u00e9 des \u00e9l\u00e9ments de base de mod\u00e8les d’IA inspir\u00e9s de syst\u00e8mes physiques pour se d\u00e9velopper. <\/p>\n

Petits enfants<\/h2>\n

Gr\u00e2ce aux r\u00e9seaux de neurones artificiels d\u00e9velopp\u00e9s par Hopfield et Hinton dans les ann\u00e9es 1980, les ordinateurs peuvent apprendre des t\u00e2ches d’une toute nouvelle mani\u00e8re. L\u00e0 o\u00f9 les programmes informatiques traditionnels n\u00e9cessitent des instructions \u00e9tape par \u00e9tape, comme une recette, les syst\u00e8mes d\u2019IA peuvent apprendre \u00e0 partir d\u2019exemples, comme le font les jeunes enfants.<\/p>\n

Cela leur permet d’aborder des probl\u00e8mes trop vagues pour \u00eatre d\u00e9crits dans des instructions \u00e9tape par \u00e9tape, comme reconna\u00eetre des chats sur diff\u00e9rentes photos et dessins. En cons\u00e9quence, les machines peuvent d\u00e9sormais reconna\u00eetre des images, mais aussi traduire des phrases courantes et m\u00eame avoir des conversations assez normales. Et en science, l\u2019IA est inestimable car elle est capable de cat\u00e9goriser et d\u2019analyser d\u2019\u00e9normes quantit\u00e9s de donn\u00e9es. <\/p>\n

Le d\u00e9veloppement des r\u00e9seaux de neurones artificiels qui constituent la base de l\u2019IA actuelle a commenc\u00e9 dans les ann\u00e9es 1940 par fascination pour le fonctionnement du cerveau humain. Le cerveau est constitu\u00e9 d\u2019un r\u00e9seau de cellules c\u00e9r\u00e9brales \u2013 les neurones \u2013 interconnect\u00e9es. Lorsque nous apprenons quelque chose de nouveau, par exemple ce qu’est un chat, les connexions entre les neurones impliqu\u00e9s 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. <\/p>\n

Les scientifiques ont tent\u00e9 de simuler ce r\u00e9seau neuronal de notre cerveau avec des ordinateurs. Les neurones sont alors des n\u0153uds qui peuvent avoir une certaine valeur \u2013 comme 1 ou 0 \u2013 et entre eux il existe des connexions qui peuvent devenir plus fortes ou plus faibles. <\/p>\n

Cette imitation du cerveau par les ordinateurs s\u2019est r\u00e9v\u00e9l\u00e9e complexe et l\u2019int\u00e9r\u00eat a diminu\u00e9. Jusque dans les ann\u00e9es quatre-vingt. C\u2019est alors que John Hopfield, un physicien qui a longtemps \u00e9tudi\u00e9 la biophysique, s\u2019est int\u00e9ress\u00e9 au sujet. En 1982, il a d\u00e9velopp\u00e9 un r\u00e9seau neuronal artificiel capable de m\u00e9moriser et de reproduire des sch\u00e9mas, tout comme le cerveau stocke et rappelle des souvenirs. <\/p>\n

Mini-aimants<\/h2>\n

Pour d\u00e9velopper ce r\u00e9seau artificiel, Hopfield s’est inspir\u00e9 d’un syst\u00e8me physique, \u00e0 savoir le comportement qui se produit dans les mat\u00e9riaux magn\u00e9tiques en raison du moment magn\u00e9tique des atomes \u2013 appel\u00e9s spins. Ce qui arrive \u00e0 un mat\u00e9riau lorsque ces spins s\u2019influencent peut \u00eatre d\u00e9crit \u00e0 l\u2019aide d\u2019un mod\u00e8le physique. <\/p>\n

Hopfield a utilis\u00e9 ce mod\u00e8le dans un ordinateur avec des n\u0153uds interconnect\u00e9s o\u00f9 les connexions peuvent \u00eatre plus fortes ou plus faibles, tout comme dans un cerveau. Gr\u00e2ce \u00e0 ce mod\u00e8le, ce r\u00e9seau a pu m\u00e9moriser diff\u00e9rents mod\u00e8les saisis, comme certaines lettres. Si le r\u00e9seau voyait ensuite une lettre floue avec des morceaux manquants, par exemple, le r\u00e9seau pourrait d\u00e9terminer de quelle lettre il s’agissait et produire cette lettre. En effet, il reconnaissait \u00e0 laquelle des lettres \u2013 et donc des motifs \u2013 de sa m\u00e9moire la forme floue ressemblait le plus. <\/p>\n

Cela peut ne pas para\u00eetre tr\u00e8s impressionnant, mais Hopfield a d\u00e9velopp\u00e9 ce r\u00e9seau en 1982. C’est l’ann\u00e9e o\u00f9 la disquette est devenue populaire et o\u00f9 le premier ordinateur personnel d’IBM a \u00e9t\u00e9 introduit. M\u00eame alors, Hopfield a d\u00e9montr\u00e9 un r\u00e9seau neuronal compos\u00e9 de trente n\u0153uds. Il voulait \u00e9galement d\u00e9montrer comment cela fonctionne avec une centaine de n\u0153uds, mais les ordinateurs dont il disposait ne pouvaient pas le faire. Cela contraste fortement avec les mod\u00e8les d\u2019IA similaires actuels, qui comportent des milliards de connexions entre les n\u0153uds. <\/p>\n

Reconnaissance<\/h2>\n

Geoffrey Hinton s’est appuy\u00e9 sur le travail de Hopfield. Bien qu\u2019il ait une formation en psychologie cognitive et en informatique, Hinton a \u00e9galement appliqu\u00e9 la physique \u00e0 son travail. Il a utilis\u00e9 des id\u00e9es de la physique statistique. Ceci d\u00e9crit des syst\u00e8mes comportant plusieurs des m\u00eames \u00e9l\u00e9ments, tels que des mol\u00e9cules dans un gaz.<\/p>\n

En 1985, Hinton a publi\u00e9 un article dans lequel il pr\u00e9sentait un r\u00e9seau appel\u00e9 machine de Boltzmann, du nom du physicien statisticien Ludwig Boltzmann. Ce r\u00e9seau utilise le r\u00e9seau Hopfield comme base, mais dispose d’une couche suppl\u00e9mentaire de r\u00e9seau neuronal. Cela garantit que la machine Boltzmann peut reconna\u00eetre et classer les images apr\u00e8s avoir \u00e9t\u00e9 entra\u00een\u00e9e avec une s\u00e9rie d’images. Si on lui a montr\u00e9 diff\u00e9rentes photos et dessins de chats, il peut reconna\u00eetre un chat sur une nouvelle photo. <\/p>\n

La premi\u00e8re version du Boltzmann \u00e9tait encore assez lente. Mais Hinton n\u2019est pas rest\u00e9 immobile et a continu\u00e9 \u00e0 am\u00e9liorer sa machine d\u2019apprentissage. Aujourd\u2019hui, les nouvelles versions des machines Boltzmann font partie d\u2019un r\u00e9seau d\u2019IA plus vaste. Par exemple, ils peuvent \u00eatre trouv\u00e9s dans des syst\u00e8mes qui recommandent des films ou des s\u00e9ries en fonction de ce qu\u2019une personne a d\u00e9j\u00e0 regard\u00e9. <\/p>\n

Inspirant<\/h2>\n

Le professeur Max Welling de l’Universit\u00e9 d’Amsterdam a \u00e9t\u00e9 chercheur postdoctoral \u00e0 Hinton pendant trois ans et a travaill\u00e9 avec lui \u00e0 l’am\u00e9lioration de ces mod\u00e8les d’apprentissage. \u00abC’\u00e9tait tr\u00e8s inspirant de travailler avec lui\u00bb, d\u00e9clare Welling. \u00ab Mais les gens tr\u00e8s brillants, comme Hinton, pensent souvent tr\u00e8s diff\u00e9remment des autres. Il \u00e9tait donc parfois difficile de d\u00e9terminer ce qu\u2019il voulait dire.<\/p>\n

Welling est tr\u00e8s enthousiasm\u00e9 par le prix Nobel. “C’est fantastique pour notre domaine.” M\u00eame s\u2019il trouve surprenant que le prix Nobel de physique soit attribu\u00e9 \u00e0 la recherche sur l\u2019IA, il voit le lien. \u00ab L\u2019IA est un domaine de recherche inspir\u00e9 de la physique et dont les applications ont \u00e0 leur tour une grande influence sur la recherche en physique. Cela pourrait avoir plus d\u2019impact sur cette recherche que sur toute autre d\u00e9couverte. Il est utilis\u00e9 dans toute la physique, depuis la recherche sur les mat\u00e9riaux jusqu\u2019\u00e0 la visualisation d\u2019un trou noir.<\/p>\n

Le professeur Wilfred van der Wiel de l’Universit\u00e9 de Twente est \u00e9galement enthousiaste. \u00ab Ces deux scientifiques ont apport\u00e9 des contributions cruciales dans ce domaine. Hopfield a \u00e9t\u00e9 l\u2019un des premiers \u00e0 connecter ainsi la physique et les r\u00e9seaux neuronaux et Hinton a \u00e9norm\u00e9ment contribu\u00e9 au d\u00e9veloppement de l\u2019IA au cours des derni\u00e8res d\u00e9cennies.<\/p>\n

ChatGPT<\/h2>\n

Certains autres chercheurs en IA sont surpris que ce prix de physique soit attribu\u00e9 \u00e0 l’IA. M\u00eame si les deux laur\u00e9ats se sont inspir\u00e9s de la physique pour le d\u00e9veloppement de leurs r\u00e9seaux, il s\u2019agit principalement d\u2019un d\u00e9veloppement en informatique. Et bien qu\u2019il soit devenu un outil extr\u00eamement important en physique, il en va de m\u00eame pour d\u2019autres sciences, comme la m\u00e9decine et la chimie, estime-t-il. C’est, comme le professeur Frank van Harmelen de la Vrije Universiteit d’Amsterdam l’envoie par courrier \u00e9lectronique, “une d\u00e9cision un peu folle de la part du Comit\u00e9 Nobel”. Pourtant, selon Van der Wiel, c’est aussi “un bon coup de pouce” pour le peloton. <\/p>\n

Et le chatbot IA ChatGPT ? Lorsqu’on lui a demand\u00e9, il a r\u00e9pondu froidement aux f\u00e9licitations : \u00ab Merci ! Mais je n’ai pas gagn\u00e9 de prix Nobel \u2013 je suis juste l\u00e0 pour aider et discuter. De quoi voudriez-vous discuter ?<\/p>\n