Des chercheurs de Google DeepMind utilisent l’IA pour résoudre des problèmes mathématiques épineux

Les récentes avancées en intelligence artificielle (IA) ont culminé en une découverte fascinante qui remet en question les limites de la connaissance humaine. Des chercheurs de Google DeepMind ont dévoilé une percée majeure en exploitant des chatbots alimentés par des grands modèles de langage (LLM). Cette innovation, dont les résultats sont publiés dans Nature, suggère que ces technologies peuvent générer des informations allant au-delà de la simple réorganisation des connaissances existantes. 

FunSearch, au confluent des modèles de langage et de la résolution de problèmes

Pushmeet Kohli, responsable de l’IA pour la science chez DeepMind, a déclaré : « Lorsque nous avons lancé le projet, rien n’indiquait qu’il produirait quelque chose de véritablement nouveau. Pour autant que nous le sachions, c’est la première fois qu’un grand modèle de langage fait une véritable découverte scientifique. »

Lire aussi Cette application avec IA permet d’évaluer la santé de votre chat à partir d’une photo

Les grands modèles de langage, ou LLM, sont des réseaux neuronaux puissants qui apprennent les modèles de langage, y compris le code informatique, à partir de vastes corpus de texte. Bien que ces modèles aient été utilisés pour diverses applications, ils n’ont pas généré de nouvelles connaissances de manière significative et sont sujets à la confabulation.

DeepMind a introduit « FunSearch » ou « searching in the function space » (recherche dans l’espace fonctionnel), utilisant un LLM pour rédiger des solutions à des problèmes sous forme de programmes informatiques. Un « évaluateur » classifie automatiquement les programmes en fonction de leurs performances, et les meilleurs sont combinés et améliorés par le LLM. Cette approche permet à FunSearch de faire évoluer les programmes médiocres vers des solutions plus puissantes, débouchant sur la découverte de nouvelles connaissances.

Des défis mathématiques dépassés

FunSearch a été testé sur deux problèmes mathématiques complexes. Le premier, le « problème de l’ensemble de tête », a confronté l’IA à une énigme de longue date en mathématiques pures. Il s’agissait de déterminer la plus grande collection de points dans l’espace dont aucun des trois ne forme une ligne. FunSearch a surpassé les attentes en générant des programmes capables de découvrir de nouveaux ensembles de points, dépassant les découvertes antérieures des mathématiciens humains.

Lire aussi Ce robot humanoïde reproduit des mouvements en observant les humains

Le second, le « problème de l’emballage des bacs », a donné lieu à une approche plus efficace de la disposition d’objets dans des conteneurs. La même arithmétique est utilisée dans divers contextes, tels que l’ordonnancement des centres de données, même si elle se rapporte à des choses tangibles telles que la meilleure façon de disposer les boîtes dans un conteneur d’expédition.

Placer les objets dans le premier emplacement ouvert ou dans l’emplacement ayant le moins d’espace disponible où l’objet peut encore être placé résout souvent le problème. Les résultats montrent que FunSearch a découvert une méthode supérieure qui évite de laisser de petits trous qui ont peu de chances d’être remplis.

L’interaction homme-machine en mathématiques

Sir Tim Gowers, professeur de mathématiques à l’université de Cambridge, qui n’a pas participé à l’étude, a salué cette avancée, déclarant que cela offrait un outil intéressant pour la collaboration entre les mathématiciens et l’IA. Cependant, les chercheurs explorent actuellement les limites de FunSearch, soulignant que les problèmes doivent avoir des solutions vérifiables automatiquement, limitant son application dans des domaines tels que la biologie, car des procédures de laboratoire sont souvent nécessaires pour valider les théories.

Lire aussi Des chercheurs créent de la peau vivante pour les robots et ça fait froid dans le dos

Cette découverte pourrait avoir un impact significatif sur la programmation informatique, transformant la manière dont les gens abordent l’informatique et la découverte algorithmique. Jordan Ellenberg, professeur de mathématiques à l’université du Wisconsin-Madison et coauteur de la recherche, a souligné que l’aspect le plus excitant est la perspective qu’elle offre pour l’interaction future entre l’Homme et la machine en mathématiques. 

FunSearch crée un programme qui cherche la solution plutôt que la solution elle-même. Un programme qui résout le problème est quelque chose qu’une personne peut lire, comprendre et, avec un peu de chance, trouver des idées pour la prochaine difficulté. Par ailleurs, l’ordinateur quantique de Google a exécuté instantanément une tâche qui prendrait normalement 47 ans.