L’IA aux prix Nobel : une double victoire suscite le débat sur les disciplines scientifiques

L’IA aux prix Nobel : une double victoire suscite le débat sur les disciplines scientifiques

Le Comité Nobel a reconnu le pouvoir transformateur de l'intelligence artificielle (IA) dans deux des prix de cette année. Prix ​​Pionniers des réseaux de neurones en physique et le Développeur d'outils informatiques pour l'étude et la conception de protéines en prix de chimie. Mais tous les chercheurs ne sont pas satisfaits.

Quelques instants seulement après que l'Académie royale des sciences de Suède a annoncé les lauréats du prix Nobel de physique de cette année, le monde des médias sociaux a connu un éclair de discussion. Plusieurs physiciens ont fait valoir que la science sous-jacente à la recherche sur l’apprentissage automatique célébrée dans les prix décernés à Geoffrey Hinton et John Hopfield n’était pas réellement la physique.

"Je suis sans voix. J'apprécie l'apprentissage automatique et les réseaux de neurones artificiels autant que quiconque, mais il est difficile de voir qu'il s'agit d'une découverte physique", a écrit Jonathan Pritchard, astrophysicien à l'Imperial College de Londres. sur X. "Je suppose que le prix Nobel a été touché par le battage médiatique sur l'IA."

Les recherches menées par Hinton de l'Université de Toronto au Canada et Hopfield de l'Université de Princeton dans le New Jersey "appartiennent au domaine de l'informatique", explique Sabine Hossenfelder, physicienne au Centre de philosophie mathématique de Munich en Allemagne. "Le prix Nobel annuel est une occasion rare pour les physiciens - et pour les physiciens - de se mettre sous les feux des projecteurs. C'est le jour où les amis et la famille se souviennent qu'ils connaissent un physicien et se demandent peut-être à quoi correspondait le dernier prix Nobel. Mais pas cette année."

Combiner quelques perspectives

Mais tout le monde n’a pas été alarmé : de nombreux physiciens ont accueilli favorablement la nouvelle. "Les recherches de Hopfield et Hinton étaient interdisciplinaires, réunissant la physique, les mathématiques, l'informatique et les neurosciences", explique Matt Strassler, physicien théoricien à l'Université Harvard de Cambridge, Massachusetts. « En ce sens, il appartient à toutes ces disciplines. »

Anil Ananthaswamy, journaliste scientifique de Berkeley, en Californie, et auteur de « Why Machines Learn », note que même si les recherches citées par le Comité Nobel ne relèvent pas de la physique théorique au sens le plus pur, elles sont enracinées dans des techniques et des concepts de la physique, comme l'énergie. Les « réseaux Boltzmann » et les réseaux Hopfield inventés par Hinton « sont tous deux des modèles axés sur l'énergie », dit-il.

Le lien avec la physique s’est affaibli au cours des développements ultérieurs de l’apprentissage automatique, ajoute Ananthaswamy, en particulier dans les techniques de « feedforward » qui ont facilité l’entraînement des réseaux neuronaux. Pourtant, les idées physiques reviennent et aident les chercheurs à comprendre pourquoi les systèmes d’apprentissage profond de plus en plus complexes font ce qu’ils font. «Nous avons besoin de l'état d'esprit de la physique pour étudier l'apprentissage automatique», explique Lenka Zdeborová, chercheuse en physique statistique du calcul à l'Ecole polytechnique fédérale de Lausanne (EPFL).

"Je pense que le prix Nobel de physique devrait continuer à pénétrer de plus en plus de domaines de la connaissance physique", déclare Giorgio Parisi, physicien à l'Université Sapienza de Rome. a partagé le prix Nobel 2021. « La physique devient de plus en plus vaste et englobe de nombreux domaines de connaissances qui n’existaient pas ou ne faisaient pas partie de la physique dans le passé. »

Pas seulement l'IA

L'informatique semble prendre le pas sur le prix Nobel au lendemain de l'annonce du prix de physique, lorsque Demis Hassabis et John Jumper, co-fondateurs du Outils d'IA pour la prédiction de la structure des protéines AlphaFold chez Google DeepMind à Londres, qui a remporté la moitié du prix Nobel de chimie. (L’autre moitié a été attribuée à David Baker de l’Université de Washington à Seattle pour ses travaux sur la conception de protéines ne faisant pas appel à l’apprentissage automatique).

Le prix était une reconnaissance du pouvoir perturbateur de l'IA, mais aussi de l'augmentation constante des connaissances en biologie structurale et computationnelle, explique David Jones, bioinformaticien à l'University College de Londres qui a travaillé avec DeepMind sur la première version d'AlphaFold. "Je ne pense pas qu'AlphaFold représente un changement radical dans la science sous-jacente qui n'existait pas déjà", dit-il. "Tout dépend de la façon dont tout a été mis en place et conçu pour permettre à AlphaFold d'atteindre ces sommets."

Un élément clé utilisé par AlphaFold sont les séquences de protéines apparentées provenant de différents organismes, qui peuvent identifier des paires d'acides aminés susceptibles d'avoir co-évolué et pouvant donc se trouver à proximité physique dans la structure 3D d'une protéine. Les chercheurs utilisaient déjà ces informations pour prédire les structures des protéines lors du développement d’AlphaFold, et certains ont même commencé à mettre en œuvre cette idée dans des réseaux d’apprentissage profond.

"Il ne s'agissait pas simplement d'aller travailler, d'appuyer sur le bouton IA, puis tout le monde rentrait chez lui", a déclaré Jumper lors d'une conférence de presse à DeepMind le 9 octobre. "C'était vraiment un processus itératif au cours duquel nous avons développé, fait des recherches et essayé de trouver les bonnes combinaisons entre ce que la communauté comprenait des protéines et comment nous pouvions intégrer ces intuitions dans notre architecture."

AlphaFold n'aurait pas non plus été possible sans la base de données sur les protéines, un référentiel librement accessible de plus de 200 000 structures protéiques - dont certaines ayant contribué aux précédents prix Nobel - déterminées par cristallographie aux rayons X, cryomicroscopie électronique et d'autres méthodes expérimentales. "Chaque point de données est le résultat d'années d'efforts de quelqu'un", a déclaré Jumper.

Depuis leur création en 1901, les prix Nobel ont souvent été le reflet de l'impact de la recherche sur la société et ont récompensé des inventions pratiques, et pas seulement la science pure. À cet égard, les prix de 2024 ne sont pas des valeurs aberrantes, déclare Ananthaswamy. "Parfois, ils sont récompensés pour de très bons projets d'ingénierie. Il s'agit notamment des prix pour Laser et RAP.»