Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 374 articles
Des chercheurs du MIT proposent MBTL, un algorithme qui choisit les tâches d’entraînement les plus utiles pour un agent d’IA. Testée en simulation sur la gestion du trafic, cette méthode fondée sur l’apprentissage par transfert affiche une efficacité annoncée de cinq à 50 fois supérieure à des approches classiques.
Modéliser chaque arbre dans un environnement numérique pourrait transformer la gestion des espaces verts urbains. En combinant images, capteurs et intelligence artificielle, les jumeaux numériques promettent d’aider les villes à anticiper les risques, à planifier les plantations et à mieux répartir les bénéfices de la végétation.
Niantic veut tirer parti de millions de scans réalisés dans ses applications, dont Pokémon Go, pour entraîner un modèle d’intelligence artificielle géospatiale. Héritier de son système de positionnement visuel, ce projet entend aider machines et applications à mieux situer, lire et comprendre les espaces physiques.
L’intelligence artificielle progresse, mais son entraînement mobilise des ressources informatiques considérables. Des chercheurs étudient une piste inspirée de l’apprentissage humain : commencer par des réseaux de neurones plus petits et des exercices gradués, afin de conserver de bonnes performances tout en limitant les besoins énergétiques.
Google.org annonce 20 millions de dollars de subventions, complétés par 2 millions de dollars de crédits cloud, pour des recherches scientifiques utilisant l’IA. Des projets sur les cancers féminins, la résistance aux antibiotiques et de nouveaux plastiques figurent parmi les premiers bénéficiaires cités.
Exécuter un grand modèle de langage sans dépendre en permanence d’un serveur distant devient plus envisageable. Des chercheurs de Princeton et Stanford présentent CALDERA, une méthode de compression testée sur Llama 2 et Llama 3, qui associe calcul à faible précision et réduction des redondances.
Les attaques par inférence d’appartenance sont couramment utilisées pour savoir si un texte a servi à entraîner un modèle de langage. Une évaluation menée par des chercheurs, dont David Evans, montre pourtant que ces tests peuvent être peu fiables. En cause, la difficulté à définir ce qui distingue réellement une donnée d’entraînement d’une donnée extérieure.
Des chercheurs du NIST ont mis au point un algorithme capable de reconnaître le bruit produit par une batterie lithium-ion sous pression. Lors de leurs essais, le signal apparaît environ deux minutes avant une défaillance catastrophique et l’IA l’identifie dans 94 % des cas.
Au MIT, le chercheur Markus J. Buehler a conçu un système d’IA qui cartographie des relations entre connaissances scientifiques et références artistiques. Alimenté par 1 000 articles, il met notamment en regard des structures biologiques, la musique de Beethoven et l’art abstrait de Kandinsky pour faire émerger des pistes de matériaux.
Développé par le professeur Markus J. Buehler au MIT, un modèle d’IA transforme la littérature scientifique en cartes de connaissances connectées. Son ambition : révéler des liens inattendus entre des concepts, identifier des angles morts et proposer de nouvelles pistes pour les matériaux biologiques.
Prendre la parole au bon moment est un geste social que les IA maîtrisent encore mal. Une étude menée à Tufts montre que le contenu des mots, davantage que les pauses ou l’intonation, guide cette décision. Or les modèles entraînés surtout sur l’écrit ne disposent pas des bonnes expériences conversationnelles.
Avant de devenir la technologie qui alimente les assistants génératifs et les outils de reconnaissance d’images, le deep learning a longtemps suscité le doute. Entre 2007 et 2012, ImageNet, AlexNet et les GPU ont fait converger données, algorithmes et puissance de calcul, changeant durablement la trajectoire de l’intelligence artificielle.
Des chercheurs de l’Université de Wuhan ont conçu un memristor à commutation analogique fondé sur des matériaux bidimensionnels. Le composant atteint un rapport on/off de 10⁸ et a été évalué, en simulation, dans une tâche de reconnaissance d’images. Une piste prometteuse pour des puces d’IA moins énergivores.
Comprendre quels gènes agissent sur quels autres est une question centrale de la biologie moderne. Des chercheurs du MIT proposent un cadre théorique et un algorithme d’apprentissage automatique pour reconstruire ces relations à partir de données d’observation, sans multiplier d’emblée les expériences en laboratoire.
L’ASI Alliance présente AIRIS, un agent d’intelligence artificielle conçu pour observer, expérimenter et s’adapter dans le monde en trois dimensions de Minecraft. Derrière cette démonstration de navigation se dessine une ambition plus vaste : tester des mécanismes d’apprentissage autonome utiles, à terme, à des systèmes capables d’agir dans des environnements imprévisibles.
L’intelligence artificielle ne se contente plus de lire l’ADN : elle aide à imaginer des séquences capables d’activer un gène dans certaines cellules. En s’attaquant aux éléments cis-régulateurs, la recherche espère accélérer l’étude des maladies et la biologie de synthèse, tout en se heurtant à des contraintes expérimentales et éthiques.
À partir de 100 échantillons accumulés en onze ans, une équipe japonaise a entraîné des modèles pour guider la conception d’électrodes sodium-ion. Leur méthode, complétée par une optimisation bayésienne, a désigné une composition d’oxyde de sodium ensuite testée expérimentalement. Une démonstration concrète de l’IA au service de la science des matériaux.
Les modèles d’IA générative peuvent rédiger, programmer et même donner des itinéraires plausibles. Mais une étude menée au MIT suggère qu’ils ne construisent pas toujours une représentation cohérente du monde qu’ils décrivent. Face à de petits changements de situation, leurs performances peuvent soudainement s’effondrer.
Les modèles génératifs écrivent, programment et répondent avec une aisance spectaculaire. Mais une recherche montre que cette fluidité peut masquer une représentation incohérente du réel : dans des tests de navigation et de jeu, de petits changements suffisent à les déstabiliser.
Une équipe universitaire taïwanaise propose un modèle de détection des fausses informations qui ne s’arrête pas au texte. En combinant l’analyse d’articles et de leurs images, cette approche multimodale atteint jusqu’à 90 % de précision sur deux jeux de données de référence, mais doit encore être confrontée aux contenus du web réel.
Les moteurs de recherche ont été pensés pour des internautes, pas pour des modèles de langage qui doivent exploiter les résultats afin de répondre. Des chercheurs de l’Université du Massachusetts Amherst présentent eRAG, une méthode d’évaluation annoncée comme aussi fiable que les tests complets, mais bien moins coûteuse en calcul.
Des chercheurs de l’Université de Toronto ont étudié l’effet des modèles de langage sur la créativité. Leurs résultats préliminaires suggèrent un paradoxe : l’assistance améliore la performance pendant son usage, mais pourrait ensuite réduire la diversité des idées produites sans outil.
Le MIT Schwarzman College of Computing lance le Tayebati Postdoctoral Fellowship Program, un dispositif pour rapprocher l’IA de six disciplines, de la biologie à la musique. Financé par un don de 20 millions de dollars, il accueillera jusqu’à six chercheurs avec un double mentorat, scientifique et informatique.
Une équipe de l’UNIST et de l’Université nationale de Séoul a conçu un capteur tactile optique qui distingue pression verticale et frottement à partir d’une image. Sensible jusqu’à 0,05 N et rapide, il pourrait enrichir l’analyse de l’écriture, la lecture du braille et certaines formes de biométrie.
