Djakarta –
Si nous nous souvenons d’une nouvelle théorie qui fut ensuite liée à la physique, nous penserons peut-être à Albert Einstein ou à Isaac Newton. Des prix Nobel ont également été décernés à de nombreuses théories émergentes.
Des chercheurs du Forschungszentrum Jülich ont programmé une IA (intelligence artificielle) qui a reçu un prix Nobel. Capacité de l’IA à reconnaître des modèles dans des ensembles de données complexes et à formuler des théories physiques.
Moritz Helias de l’Institut de simulation avancée (IAS-6) du Forschungszentrum Jülich explique la « physique de l’IA » et en quoi elle diffère des approches conventionnelles.
Le processus des physiciens proposant de nouvelles théories
Généralement, lorsqu’ils tentent d’expliquer le comportement d’un système, les physiciens partent d’observations du système lui-même avant d’examiner la manière dont ses composants interagissent. À partir de là, de nouvelles hypothèses peuvent être créées et testées.
Un exemple célèbre est la loi de la gravité d’Isaac Newton, qui non seulement explique la force de gravité sur Terre, mais prédit également les mouvements des planètes, des lunes et des comètes avec une bonne précision. Diverses approches sont utilisées pour parvenir à une hypothèse. Choisir la bonne approche et l’adapter si nécessaire est un défi à relever.
Une approche IA pour générer de la théorie
D’après Sci Tech Daily, l’approche généralement utilisée est la « physique pour l’apprentissage automatique ». Le Forschungszentrum et les membres de son groupe utilisent des méthodes physiques pour analyser et comprendre le fonctionnement complexe de l’IA.
Claudia Merger, membre du groupe de recherche du Forschungszentrum, a développé une nouvelle idée : utiliser des réseaux de neurones qui apprennent à cartographier avec précision les comportements complexes adoptés dans des systèmes plus simples. Dans un autre sens, l’IA vise à simplifier toutes les interactions complexes observées entre les composants du système.
Ces physiciens ont ensuite utilisé le système simplifié et créé une cartographie inverse avec une IA entraînée. Lorsqu’ils reviennent à des systèmes complexes, ils développent de nouvelles théories en construisant des interactions complexes à partir d’interactions plus simples.
Application de l’IA
En fin de compte, cette approche n’est pas très différente de celle d’un physicien, mais ce qui la différencie est la manière dont les interactions sont décrites en fonction des paramètres de l’IA. Cette vision du monde, décrite à travers les interactions entre ses composants qui suivent certaines lois, constitue la base de la physique de l’IA, qui combine les principes de la physique avec une compréhension des interactions basée sur l’intelligence artificielle.
L’IA est appliquée par exemple à un ensemble de données d’images en noir et blanc avec des numéros manuscrits lorsque l’on travaille avec des réseaux neuronaux. Dans le cadre de sa thèse de doctorat, Claudia Merger a étudié comment les petites sous-structures des images, telles que les bords des nombres, interagissent avec les pixels. Les résultats de ses recherches ont montré qu’il existait des groupes de pixels qui avaient tendance à être plus lumineux, ce qui jouait alors un rôle important dans la formation des bords des nombres.
L’IA peut être utilisée pour calculer des tricks rapidement et dans un grand nombre d’interactions possibles. Sans cette astuce, les chances de voir le système sont très faibles. L’effort de calcul de l’IA reste élevé en raison du grand nombre d’interactions possibles, même dans les systèmes comportant de nombreux composants.
Cependant, l’équipe de recherche a réussi à définir efficacement ces paramètres d’interaction, ce qui nous a permis d’analyser un système comportant environ 1 000 composants en interaction, ce qui correspond à une zone d’image allant jusqu’à 1 000 pixels. Il est possible d’utiliser le système beaucoup plus largement à l’avenir grâce à des efforts d’optimisation accrus.
De nombreuses IA sont formées pour apprendre la théorie des données. Cependant, les théories apprises par l’IA sont généralement ininterprétables. En revanche, l’IA est cachée dans des paramètres implicitement entraînés. Cette approche physicienne extrait la théorie étudiée et formule l’interaction entre les composants du système qui sous-tendent la physique.
Cela fait donc partie du domaine de l’IA qui peut être décrit, en particulier dans le contexte de la « physique de l’IA », où le langage de la physique est utile pour décrire les résultats de l’IA. Les langages d’interaction sont utilisés pour établir des liens entre la complexité des opérations de l’IA et les théories que les humains peuvent comprendre.
Regardez la vidéo « Kominfo déclare que SE AI est une réglementation douce, complémentaire à la loi ITE »
(non/non)
2024-03-23 23:00:00
1711227071
#Passerelle #vers #une #révolution #physique #théorique
