Des chercheurs soulignent les percées lauréates du prix Nobel en matière d’IA et appellent à l’innovation interdisciplinaire
En 2024, le prix Nobel de physique a été décerné à John Hopfield et Geoffrey Hinton pour leurs travaux fondamentaux sur l'intelligence artificielle (IA), et le prix Nobel de chimie a été attribué à David Baker, Demis Hassabis et John Jumper pour avoir utilisé l'IA pour résoudre le problème. problème de repliement des protéines, un grand défi scientifique depuis 50 ans.
Un nouvel article rédigé par des chercheurs de l'Université Carnegie Mellon et de Calculation Consulting examine la convergence de la physique, de la chimie et de l'IA, mise en évidence par les récents prix Nobel. Il retrace le développement historique des réseaux de neurones, en soulignant le rôle de la recherche interdisciplinaire dans l’avancement de l’IA.
Les auteurs préconisent de nourrir les mathématiciens dotés de l’IA pour combler le fossé entre les progrès théoriques et les applications pratiques, favorisant ainsi les progrès vers l’intelligence artificielle générale. L'article est publié dans Motifs.
« L'IA étant reconnue dans ses liens avec la physique et la chimie, les praticiens de l'apprentissage automatique pourraient se demander quel est le lien entre ces sciences et l'IA et comment ces récompenses pourraient influencer leur travail », a expliqué Ganesh Mani, professeur de pratique de l'innovation et directeur de l'IA collaborative à Carnegie. Mellon's Tepper School of Business, co-auteur de l'article.
« À mesure que nous avançons, il est crucial de reconnaître la convergence des différentes approches pour façonner des systèmes d'IA modernes basés sur l'IA générative. »
Dans leur article, les auteurs explorent le développement historique des réseaux de neurones. En examinant l’histoire du développement de l’IA, affirment-ils, nous pouvons comprendre plus en profondeur les liens entre l’informatique, la chimie théorique, la physique théorique et les mathématiques appliquées. La perspective historique met en lumière la manière dont les découvertes et inventions fondamentales dans ces disciplines ont permis l’apprentissage automatique moderne avec des réseaux de neurones artificiels.
Ils abordent ensuite les principales avancées et défis dans ce domaine, en commençant par les travaux de Hopfield, et expliquent comment l'ingénierie a parfois précédé la compréhension scientifique, comme c'est le cas avec les travaux de Jumper et Hassabis.
Les auteurs concluent par un appel à l’action, suggérant que les progrès rapides de l’IA dans divers secteurs présentent à la fois des opportunités sans précédent et des défis importants. Pour combler le fossé entre le battage médiatique et le développement tangible, disent-ils, il faut former une nouvelle génération de penseurs interdisciplinaires.
Ces « Léonard de Vinci des temps modernes », comme les appellent les auteurs, joueront un rôle crucial dans le développement de théories d’apprentissage pratiques pouvant être appliquées immédiatement par les ingénieurs, propulsant ainsi le domaine vers l’objectif ambitieux de l’intelligence artificielle générale.
Selon les auteurs, cela nécessite un changement de paradigme dans la façon dont la recherche scientifique et la résolution de problèmes sont abordés, un changement qui embrasse une collaboration holistique et interdisciplinaire et apprend de la nature pour comprendre la nature.
En éliminant les cloisonnements entre les domaines et en favorisant une culture de curiosité intellectuelle qui couvre de multiples domaines, des solutions innovantes peuvent être identifiées pour relever des défis mondiaux complexes comme le changement climatique. Grâce à cette synthèse de connaissances et de perspectives diverses, catalysée par l’IA, des progrès significatifs peuvent être réalisés et le domaine peut réaliser tout le potentiel des aspirations technologiques.
« Cette approche interdisciplinaire est non seulement bénéfique mais essentielle pour relever les nombreux défis complexes qui nous attendent », suggère Charles Martin, consultant principal chez Calculation Consulting, co-auteur de l'article. « Nous devons exploiter la dynamique des progrès actuels tout en restant ancrés dans les réalités pratiques. »
Les auteurs reconnaissent les contributions de Scott E. Fahlman, professeur émérite à la School of Computer Science de Carnegie Mellon.
