Une intelligence artificielle retrouve 74 lois physiques
L’apprentissage profond est-il synonyme de « boîtes noires » ? Des méthodes opaques résultant en des modèles inintelligibles. Le problème se pose tout particulièrement en physique, domaine dans lequel on cherche à modéliser les lois régissant notre Univers sous la forme d’équations compréhensibles. Wassim Tenachi et Rodrigo Ibata, astrophysiciens de l’Observatoire astronomique de Strasbourg et Foivos Diakogiannis du CSIRO (Organisation fédérale pour la recherche scientifique et industrielle en Australie) se sont attaqués à ce problème en créant un algorithme d’intelligence artificielle produisant des modèles physiques analytiques à partir de données scientifiques brutes. Leurs travaux qui ont fait grand bruit sur les réseaux sont parus dans la revue américaine The Astrophysical Journal.
Manipuler des symboles mathématiques même élémentaires tels que l’addition ou la division peut s’avérer un défi complexe pour les réseaux de neurones. Grâce aux progrès réalisés dans les techniques d’intelligence artificielle, il est désormais possible de créer des réseaux de neurones générant des équations. Mais la quête de l’équation idéale modélisant parfaitement un jeu de données en ayant la liberté de conjuguer pléthore de symboles mathématiques peut rapidement devenir un enfer combinatoire.
« Additionner des patates et des carottes »
En physique on ne peut pas “additionner des patates et des carottes”, ou une longueur et une vitesse, cela n’a pas de sens physiquement. Ces règles dites d’analyse dimensionnelle interdisent certaines combinaisons de symboles mathématiques lors de l’écriture d’une équation physique et permettent de grandement réduire l’espace combinatoire.
La méthode d’intelligence artificielle baptisée « PhySO » acronyme d’Optimisation symbolique physique conçue par les chercheurs strasbourgeois et leur collaborateur australien élabore des milliers d’équations par seconde et apprend de façon autonome à formuler des équations de qualité croissante par essai erreur tout en capitalisant sur ces règles d’analyse dimensionnelle.
Dans cette première étude, la collaboration franco-australienne s’est intéressée à la formulation automatisée d’équations empiriques, s’alignant ainsi davantage sur les besoins observationnels et expérimentaux que sur les aspects plus théoriques de la physique.
L’effet d’une bombe sur X (ex-Twitter)
Cette étude a eu l’effet d’une bombe sur X (ex-Twitter) devenant rapidement l’article scientifique le plus discuté de la semaine et allant jusqu’à être partagé par le Yann Lecun, scientifique français souvent considéré comme le père de l’intelligence artificielle moderne, et dirigeant du département d’intelligence artificielle chez Meta.
Ce type d’approche pose de nombreuses questions concernant la place de l’humain dans le processus scientifique. L’objectif n’est pas de remplacer le physicien mais simplement de nous équiper d’un outil puissant permettant de sonder l’espace des équations répondant empiriquement à des contraintes expérimentales ou observationnelles
, souligne Wassim Tenachi, premier auteur de l’article.
- Retrouvez l’article complet sur le site de l’Observatoire astronomique et la publication dans The Astrophysical Journal
Mots-clés
Mots-clés associés à l'article :