La science moderne repose en grande partie sur le principe d’itération. On part de certaines affirmations simples et vérifiables pour construire des théories encore plus alambiquées qui, une fois validées à leur tour, serviront à établir de nouveaux modèles — et ainsi de suite.
Cette approche s’est montrée solide, et on lui doit aujourd’hui une immense quantité de progrès a ont indiscutablement fait avancer notre civilisation… mais cela ne signifie pas forcément qu’il s’ agissait de la seule piste possible. Si les circonstances avaient été différentes, notre méthode scientifique aurait très bien pu évoluer d’une façon très différente.
C’est une question à laquelle la plupart des amateurs de science-fiction ont déjà réfléchi ; par exemple, de très nombreux observateurs se sont demandé comment une espèce extraterrestre pourrait avoir conceptualisé ce que nous appelons la physique ou les mathématiques.
Jusqu’à très récemment, tous ces raisonnements relevaient plutôt de l’expérience de pensée ; mais la donne a commencé à changer avec l’explosion de l’intelligence artificielle. Cette technologie est incroyablement performante lorsqu’il s’agit de jongler avec différents éléments qui peuvent être très nombreux et surtout assez abstraits. C’est pour cette raison que l’IA fait des merveilles dans des domaines comme la vision par ordinateur.
Réiventer la physique en partant de zéro
Des chercheurs de l’Université de Columbia ont donc décidé de se livrer à une expérience très originale : ils ont demandé à une IA de redécouvrir par elle-même lois de la physique qui régissent le comportement de la matière. Mais surtout, elle devait le faire seulement à partir d’exemples concrets. Elle n’avait accès à aucune base théorique comme les théorèmes de Newton, ni à la moindre information sur la géométrie.
Leurs travaux reposent sur une caméra qui observe l’évolution d’un système physique, comme un pendule. Et il s’agit de la seule et unique ressource à sa disposition. À partir de ces exemples visuels simplistes, l’IA est chargée de déterminer le nombre de paramètres nécessaires pour décrire le comportement du système en question. De façon très imagée, c’est un peu comme si un scientifique de génie redécouvrait la physique en temps réel dans une dimension parallèle.
Prenons l’exemple bien connu du double pendule — un pendule accroché au bout d’un autre pendule. Pour le décrire dans le cadre de la physique telle qu’elle a été formalisée par Newton, il faut quatre paramètres — on parle de variables d’état — , à savoir l’angle et la vitesse angulaire pour chacun des deux bras.
Les chercheurs étaient donc curieux de voir si l’IA allait elle aussi trouver quatre paramètres, ce qui pourrait éventuellement indiquer qu’elle aurait suivi le même raisonnement que les humains. Mais la réponse proposée était très surprenante : pour décrire le double pendule, le système a estimé qu’il faudrait… 4,7 paramètres.
L’IA a ses raisons que la raison ignore
À ce stade, le problème se corse. Car le processus de « raisonnement » de ces réseaux de neurones est par nature très difficile à déchiffrer pour les humains ; on peut comprendre le sens du résultat proposé, mais il est souvent impossible de déterminer précisément quels tours de passe-passe algorithmiques ont permis au système d’arriver à cette conclusion.
Les chercheurs étaient donc bien incapables de savoir à quoi correspondait ce chiffre pour le moins curieux. Comment diable un nombre de paramètres peut-il être autre chose qu’un entier ? Que peut bien signifier ce 0,7 en pratique ? Pour des humains, cela a-t-il le moindre sens de raisonner avec des fractions de paramètres ?
Pour tenter de répondre à ces questions, les chercheurs ont lancé un tas de nouvelles simulations informatiques. L’objectif : comparer ces paramètres virtuels à ceux de la vie réelle. Ils ont pu déterminer que deux des paramètres proposés par l’IA correspondaient plus ou moins à l’angle des bras… mais pour les autres, ils n’en ont pas la moindre idée. Et ce n’est pas faute d’avoir cherché.
« Nous avons tenté de corréler les autres variables avec absolument tout et n’importe quoi », explique Boyuan Chen, auteur principal de l’étude. « Les vitesses angulaires et linéaires, les énergies cinétiques et potentielles, des combinaisons variées d’autres paramètres connus… » cite-t-il. « Mais rien ne correspondait parfaitement », déplore-t-il. « Nous ne comprenons pas encore le langage mathématique que parle l’IA », résume-t-il.
Et c’est là que le problème devient fascinant. Car même si les chercheurs ne comprennent pas le cheminement de leur algorithme, il a quand même réussi à prévoir le comportement des systèmes étudiés avec une grande précision. Conclusion : quel que soit le raisonnement sous-jacent, il fonctionne très bien. Le modèle de physique alternative construit par l’IA est tout aussi performant que le nôtre, même s’il est incompréhensible.
Un vrai générateur de “moments Eureka” ?
Les chercheurs ont donc réitéré l’expérience avec d’autres systèmes mécaniques déjà bien documentés. Et à chaque fois, l’issue était la même : l’algorithme a systématiquement réussi à prédire l’évolution du système mécanique en se basant sur des variables entièrement nouvelles qui ne correspondaient à aucun paramètre de la physique newtonienne.
« Sans aucune connaissance préalable des mécanismes physiques en jeu, notre algorithme a découvert les dimensions intrinsèques de la dynamique observée et identifié des jeux de variables d’état », expliquent les chercheurs. Pour résumer, cette IA ne fait pas que sortir des sentiers battus ; elle imagine carrément de nouvelles façons de se déplacer.
Ces travaux très exploratoires peuvent sembler aussi inutiles qu’anecdotiques, mais leurs implications pourraient en fait être extrêmement profondes. Ils renforcent l’idée qu’il existe potentiellement de nombreuses autres manières de décrire la réalité observable. Et certaines de ces approches pourraient être encore plus performantes que celles que l’on connaît aujourd’hui.
Tout l’enjeu va donc être d’explorer ces nouvelles approches dans l’espoir d’identifier celles qui seraient exploitables par les humains. Cela pourrait générer des révolutions conceptuelles majeures dans des disciplines déjà très avancées, où le moindre petit progrès demande d’énormes efforts d’imagination et d’expérimentation aux humains.
Un potentiel concret dans certains domaines
En toute honnêteté, il y a assez peu de chances que l’humanité finisse par se convertir à une « nouvelle physique » formalisée par une IA ; dynamiter les fondations actuelles de la science serait probablement contre-productif, en tout cas à court terme. Par contre, cette approche pourrait faire des merveilles dans certaines disciplines qui travaillent sur des phénomènes assez obscurs.
L’exemple le plus évident est certainement celui de l’informatique quantique. Chacun s’accorde à dire que cette technologie dispose d’un potentiel énorme, mais elle progresse encore plutôt lentement ; certains des mécanismes sous-jacents restent mal compris, ce qui force souvent les chercheurs à avancer à tâtons, de façon très empirique.
Dans un contexte de ce genre, on peut tout à fait imaginer qu’une IA puisse proposer des pistes très intéressantes qui permettraient alors aux humains d’aborder ces problèmes d’une façon radicalement différente — de quoi ouvrir la voie à des avancées révolutionnaires.
En repartant ainsi de zéro à chaque fois, il serait possible de réinventer certains concepts à partir de bases radicalement différentes, et potentiellement plus pertinentes. Dans le cas de cette étude, les paramètres formalisés par l’IA concernaient le mouvement de systèmes physiques, mais le concept dans son ensemble va bien au-delà de ce domaine.
On pourrait aussi utiliser cette démarche dans des domaines beaucoup plus concrets comme la logistique, l’urbanisme, la climatologie ou la santé publique, par exemple. Ce sont des activités où l’IA a déjà apporté de grands bouleversements. Mais jusque là, il ne s’agissait que d’éléments complémentaires qui permettaient d’optimiser des concepts imaginés par les humains.
Un système de ce genre, en revanche, pourrait permettre de mettre en évidence des phénomènes et des approches qui auraient complètement échappé aux chercheurs jusqu’à présent… y compris sur le fonctionnement des IA en elles-mêmes !
Décidément, entre les IA qui révolutionnent déjà la recherche scientifique, celles qui écrivent des articles scientifiques sur elles-mêmes et les travaux de ce genre, il y a de quoi être enthousiaste quant au futur de l’IA dans la recherche.
La documentation technique relative à ces travaux est disponible ici.
