Lorsqu’un parent enseigne à son jeune enfant à se rapporter au monde, il enseigne par associations et par l’identification de modèles. Prenez la lettre S, par exemple. Les parents montrent à leur enfant suffisamment d’exemples de la lettre et, avant longtemps, ils seront capables d’identifier d’autres exemples dans des contextes où la guidance n’est pas active ; l’école, un livre, un panneau d’affichage.

Une grande partie de la technologie d’intelligence artificielle (IA) émergente a été enseignée de la même manière. Les chercheurs ont alimenté le système avec des exemples corrects de quelque chose qu’ils voulaient qu’il reconnaisse, et, comme un jeune enfant, l’IA a commencé à reconnaître des modèles et à extrapoler ces connaissances à des contextes qu’il n’avait jamais connus auparavant, formant ainsi son propre « réseau neuronal » pour la catégorisation. Comme l’intelligence humaine, cependant, les experts ont perdu la trace des entrées qui ont informé la prise de décision de l’IA.

Le « problème de la boîte noire » de l’IA émerge ainsi comme le fait que nous ne comprenons pas pleinement comment ou pourquoi un système d’IA prend des décisions, ni les variables qui jouent dans ses décisions. Ce problème est particulièrement pertinent lorsqu’on cherche à améliorer la fiabilité et la sécurité des systèmes et à établir la gouvernance de l’adoption de l’IA.

D’un véhicule équipé de l’IA qui ne freine pas à temps et blesse des piétons, à des dispositifs de technologie de la santé qui aident les médecins à diagnostiquer des patients, et aux biais exhibés par les processus de sélection de l’IA, la complexité derrière ces systèmes a conduit à l’émergence d’un nouveau domaine d’étude : la physique de l’IA, qui vise à établir davantage l’IA comme un outil pour les humains pour atteindre une compréhension plus élevée.

Maintenant, un nouveau groupe d’étude indépendant va s’attaquer à ces défis en fusionnant les domaines de la physique, de la psychologie, de la philosophie et des neurosciences dans une exploration interdisciplinaire des mystères de l’IA.

NTT propose la confiance et la sécurité de l’IA

Le tout nouveau Groupe de physique de l’intelligence artificielle est une spin-off du laboratoire de physique et d’informatique (PHI) de NTT Research, et a été présenté à la conférence Upgrade 2025 de NTT à San Francisco, en Californie, la semaine dernière. Il continuera à faire progresser l’approche de la physique de l’IA pour comprendre l’IA, que l’équipe a étudiée pendant les cinq dernières années.

Le Dr Hidenori Tanaka, qui a un doctorat en physique appliquée et en ingénierie informatique de l’Université de Harvard, dirigera le nouveau groupe de recherche, en s’appuyant sur son expérience précédente au sein du groupe de systèmes intelligents de NTT et du programme de recherche en IA de CBS-NTT sur la physique de l’intelligence à Harvard.

« En tant que physicien, je suis enthousiaste à l’idée de l’intelligence, car, mathématiquement, comment pouvez-vous penser au concept de créativité ? Comment pouvez-vous même penser à la gentillesse ? Ces concepts seraient restés abstraits si ce n’était pas pour l’IA. Il est facile de spéculer, en disant « c’est ma définition de la gentillesse », ce qui n’est pas mathématiquement significatif, mais maintenant, avec l’IA, c’est pratiquement important, car si nous voulons rendre l’IA gentille, nous devons lui dire, dans le langage des mathématiques, ce qu’est la gentillesse, par exemple », a déclaré le Dr Tanaka à mes côtés lors de la conférence Upgrade.

Tôt dans leurs recherches, le laboratoire PHI a reconnu l’importance de comprendre la nature « boîte noire » de l’IA et de l’apprentissage automatique pour développer de nouveaux systèmes avec une meilleure efficacité énergétique pour le calcul. Les progrès de l’IA au cours des cinq dernières années, cependant, ont suscité des considérations de sécurité et de fiabilité de plus en plus importantes, qui sont ainsi devenues critiques pour les applications industrielles et les décisions de gouvernance sur l’adoption de l’IA.

Grâce au nouveau groupe de recherche, NTT Research abordera les similitudes entre les intelligences biologiques et artificielles, espérant ainsi dénouer les complexités des mécanismes de l’IA et construire une fusion plus harmonieuse de la collaboration humaine-IA.

Bien que novateur dans son intégration de l’IA, cette approche n’est pas nouvelle. Les physiciens ont cherché à révéler les détails précis des relations technologiques et humaines pendant des siècles, des études de Galileo Galilei sur la façon dont les objets se déplacent et sa contribution à la mécanique, à la façon dont la machine à vapeur a éclairé les compréhensions de la thermodynamique pendant la révolution industrielle. Au 21e siècle, cependant, les scientifiques cherchent à comprendre comment l’IA fonctionne en termes de formation, d’accumulation de connaissances et de prise de décision, afin que, à l’avenir, des technologies d’IA plus cohérentes, sûres et fiables puissent être conçues.

« L’IA est un réseau de neurones, la façon dont il est structuré est très similaire à la façon dont fonctionne le cerveau humain ; les neurones connectés par des synapses, qui sont tous représentés par des nombres à l’intérieur d’un ordinateur. Et c’est là que nous croyons qu’il peut y avoir de la physique… La physique consiste à prendre n’importe quoi dans l’univers, à formuler des hypothèses mathématiques sur son fonctionnement interne et à les tester », a déclaré le Dr Hanaka.

Le nouveau groupe continuera à collaborer avec le Centre de sciences du cerveau de l’Université de Harvard (CBS), et prévoit de collaborer avec le professeur associé de l’Université de Stanford, Suya Ganguli, avec qui le Dr Tanaka a co-écrit plusieurs articles.

Cependant, le Dr Tanaka souligne qu’une approche fondée sur les sciences naturelles et l’industrie sera fondamentale. En 2017, lorsqu’il était candidat au doctorat à Harvard, le chercheur a réalisé qu’il voulait faire plus que de la physique traditionnelle, et suivre les traces de ses prédécesseurs, de Galilée à Newton et Einstein, pour ouvrir de nouveaux mondes conceptuels en physique.

« Actuellement, l’IA est le sujet dont je peux parler à tout le monde. En tant que chercheur, c’est formidable, car tout le monde est toujours prêt à discuter de l’IA, et je peux également apprendre de chaque conversation, car je réalise comment les gens voient et utilisent l’IA différemment, même au-delà des contextes académiques. Je vois la mission de NTT comme un catalyseur pour déclencher ces conversations, quelle que soit la formation des gens, car nous apprenons de chaque interaction », a conclu le Dr Tanaka.