Rubrique
Publications, laboratoires et découvertes : ce que la recherche fait avancer, et ce que l’IA change pour la science. 377 articles
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.
Des chercheurs ont exploré un mécanisme du néocortex appelé « winner-take-all », dans lequel les neurones les plus actifs prennent le dessus sur les autres. Transposé à l’intelligence artificielle et testé avec une puce neuromorphique d’IBM, ce principe pourrait améliorer la sélection des signaux utiles, notamment en vision par ordinateur.
Les prix Nobel 2024 de physique et de chimie placent l’intelligence artificielle au premier plan de la recherche. John Hopfield, Geoffrey Hinton, Demis Hassabis, John Jumper et David Baker sont distingués pour des travaux qui vont des réseaux neuronaux à la compréhension et à la conception des protéines.
Porté par Charles Oppenheimer, le projet Oppenheimer remet la fission nucléaire au cœur du débat énergétique. Son rapprochement avec l’intelligence artificielle ouvre des pistes pour la sûreté et l’efficacité, mais impose aussi une question centrale : jusqu’où automatiser une technologie aussi sensible ?
Dans un réseau social, biologique ou informatique, les connexions les plus resserrées peuvent révéler des communautés, des anomalies ou des phénomènes de propagation. Un rapport cité en octobre 2024 présente un algorithme destiné à mieux détecter ces sous-graphes denses. Voici ce que cette promesse recouvre, et les précautions à garder en tête.
Les grands modèles de langage peuvent reformuler, clarifier et organiser une information complexe. Des travaux évoqués par DeepMind soulignent leur potentiel comme intermédiaires dans les échanges entre personnes et machines, voire entre points de vue différents. Mais cette médiation automatisée exige un cadre de contrôle solide, en particulier dans les situations sensibles.
L’intelligence artificielle accélère l’exploitation des données météo et ouvre de nouvelles pistes pour anticiper les événements extrêmes. Mais elle ne remplace ni les lois de la physique ni l’expertise des météorologues : elle transforme surtout la façon de produire, d’affiner et d’interpréter les prévisions.
Le prix Nobel de physique 2024 distingue Geoffrey Hinton et John Hopfield pour des travaux qui ont contribué à l’essor de l’apprentissage automatique. Cette reconnaissance remet aussi au premier plan les alertes de Hinton sur les risques de l’IA et l’urgence d’une gouvernance adaptée.
OpenAI présente MLE-bench, un protocole fondé sur 75 compétitions Kaggle pour évaluer des agents capables de mener des tâches de machine learning. Plus proche d’un travail d’ingénierie que les tests de questions-réponses, cet outil promet des comparaisons plus utiles, sans résumer à lui seul la fiabilité d’un système.
En analysant des jeux de données immenses et en guidant les simulations, l’IA raccourcit certaines étapes de la recherche. Elle ne produit toutefois pas seule une découverte : les résultats doivent être vérifiés, interprétés et reproduits par des équipes scientifiques.
Les prix Nobel 2024 de physique et de chimie distinguent des avancées décisives pour l’intelligence artificielle et la biologie. Geoffrey Hinton, formé au Royaume-Uni, et Demis Hassabis, cofondateur londonien de DeepMind, illustrent un héritage scientifique britannique réel, mais plus international que national.
Le prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton, deux chercheurs dont les idées ont aidé à bâtir l’apprentissage automatique moderne. Leurs travaux relient la physique statistique aux réseaux neuronaux, bien avant l’essor des assistants génératifs et de la reconnaissance d’images.
Les Nobel 2024 de physique et de chimie distinguent cinq chercheurs dont les travaux relient réseaux de neurones, apprentissage automatique et biologie des protéines. Des mémoires associatives de John Hopfield à AlphaFold de DeepMind, ces récompenses éclairent les fondations scientifiques, souvent invisibles, de l’IA contemporaine.
Le prix Nobel de chimie 2024 distingue David Baker, Demis Hassabis et John Jumper pour deux avancées majeures sur les protéines. En combinant calcul scientifique et intelligence artificielle, leurs travaux permettent de concevoir des protéines inédites et de prédire leur forme avec une précision qui change l’échelle de la recherche biologique.
Des chercheurs ont confronté 24 modèles de machine learning à des énigmes inspirées des matrices progressives de Raven. Ces essais montrent que l’IA sait parfois repérer des régularités visuelles complexes, mais qu’elle reste inégale dès qu’il faut généraliser une règle ou interpréter un contexte ambigu.
Les Prix Nobel 2024 de physique et de chimie mettent en lumière des avancées fondamentales à l’origine d’applications majeures de l’intelligence artificielle. Au-delà de la reconnaissance de Geoffrey Hinton, John Hopfield, David Baker, Demis Hassabis et John Jumper, ces distinctions relancent une question : comment l’IA peut-elle transformer les priorités de la recherche ?
Le prix Nobel de chimie 2024 récompense David Baker, Demis Hassabis et John M. Jumper pour deux avancées complémentaires sur les protéines. L’un a appris aux ordinateurs à en concevoir de nouvelles, les deux autres ont franchi un cap décisif dans la prédiction de leur structure grâce à l’intelligence artificielle.
Le prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton pour des idées issues de la physique statistique qui ont transformé les réseaux de neurones artificiels. Leurs modèles ne sont pas les IA génératives actuelles, mais ils ont fourni des concepts essentiels pour apprendre à partir de données complexes.
Le Prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton pour des travaux fondateurs sur les réseaux neuronaux artificiels. Leurs modèles, inspirés de la physique statistique, ont contribué à rendre possible l’apprentissage automatique qui irrigue aujourd’hui la reconnaissance d’images, la traduction et de nombreux outils d’IA.
Les blisks, pièces monoblocs au cœur de certains moteurs d’avion, constituent un terrain exigeant pour l’intelligence artificielle. En octobre 2024, l’initiative AI Next de la DARPA illustre surtout l’ambition américaine de développer des systèmes d’IA plus adaptables, avec des retombées possibles pour l’industrie aéronautique.
Le Prix Nobel de physique 2024 distingue John J. Hopfield et Geoffrey E. Hinton pour des découvertes fondatrices des réseaux de neurones artificiels. Leur récompense rappelle que l’essor actuel de l’intelligence artificielle doit beaucoup à des idées venues de la physique statistique, élaborées bien avant les assistants conversationnels et l’IA générative.
Le Prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton pour des découvertes qui ont rendu possible l’apprentissage automatique par réseaux de neurones. Leurs modèles, inspirés de la physique statistique, ont jeté des bases théoriques essentielles à l’essor de l’intelligence artificielle moderne.
Le prix Nobel de physique 2024 distingue John J. Hopfield et Geoffrey E. Hinton pour des travaux qui ont contribué à rendre possible l’apprentissage automatique par réseaux de neurones. De la mémoire associative aux machines de Boltzmann, leurs idées venues de la physique ont posé des jalons essentiels de l’intelligence artificielle contemporaine.
Un problème complexe ne se résume pas à une liste de symptômes. En cartographiant les liens entre causes, acteurs et décisions, la modélisation aide à formuler des scénarios plus solides. Des cinq Pourquoi à la simulation assistée par ordinateur, voici comment structurer cette démarche sans confondre la carte et la réalité.
Plutôt que de multiplier aveuglément les calculs, l’échantillonnage intelligent aide les simulations à se concentrer sur les scénarios les plus informatifs. Associée à l’apprentissage automatique, cette approche promet des modèles plus rapides et plus précis, à condition de disposer de données fiables et de méthodes de validation rigoureuses.
Pour simuler un phénomène complexe, il faut choisir les bonnes données et les bons scénarios à explorer. L’intelligence artificielle améliore cette étape d’échantillonnage, afin d’obtenir des résultats plus riches sans multiplier inutilement les calculs. Une évolution prometteuse pour la recherche, l’industrie et la médecine.
En microscopie, un déplacement infime de l’échantillon peut suffire à déformer une image et fausser son interprétation. Un nouvel outil décrit le 2 octobre 2024 propose de déplacer ces artefacts grâce à une approche algorithmique fondée sur l’inversion de codages de phase et de fréquence. Une promesse utile, qui exige toutefois des protocoles d’acquisition rigoureux.
Wolfram Research cherche à rapprocher les grands modèles de langage de capacités de calcul et de données structurées. L’enjeu ne consiste pas seulement à générer une réponse plausible : il s’agit de produire des résultats que l’on peut calculer, contrôler et interpréter dans des contextes scientifiques ou professionnels.
Un visage dans une prise électrique, une voiture qui semble sourire, une silhouette dans un nuage : notre cerveau excelle à trouver du familier dans l’aléatoire. Les systèmes de vision par ordinateur peuvent eux aussi signaler ces faux visages, mais leur mécanisme, leurs erreurs et leurs conséquences n’ont rien d’humain.
Le MIT Lincoln Laboratory compte quinze technologies récompensées aux prix R&D 100 en 2024. Parmi les projets cités figurent le scanner automatisé MSP® 320 et le microscope électronique autonome AutoEM, deux exemples d’innovations allant de l’imagerie à la sécurité des données.
Un modèle d’intelligence artificielle est présenté comme un outil pour mieux produire et distribuer l’eau potable. En croisant consommation, météo, qualité de l’eau et état des équipements, il pourrait aider les opérateurs à anticiper les incidents. Mais cette promesse doit aussi être évaluée à l’aune des données disponibles et de l’empreinte hydrique de l’IA.
La taille des particules influence directement la qualité de nombreux produits, des poudres pharmaceutiques aux aliments et aux cosmétiques. Pour mesurer rapidement leur répartition, la diffraction laser s’impose face au tamisage, à condition de bien préparer l’échantillon et d’interpréter les données avec rigueur.
Microsoft Research présente VASA-1, un système d’IA capable d’animer des visages parlants avec une synchronisation labiale, des regards et des mouvements de tête réalistes. Le prototype génère des vidéos en 512 x 512 pixels jusqu’à 40 images par seconde, mais il conserve d’importantes limites techniques et éthiques.
À Paris, Kyutai entend réunir des chercheurs français et internationaux pour faire avancer l’intelligence artificielle en open source. Soutenu par Xavier Niel, Rodolphe Saadé et Eric Schmidt, le laboratoire mise sur les talents, la puissance de calcul et une recherche couvrant le langage, l’image et le son.
Inauguré le 17 novembre 2023, Kyutai réunit Xavier Niel, Rodolphe Saadé et Eric Schmidt autour d’un laboratoire d’IA open source. Doté de 300 millions d’euros au lancement, le projet veut attirer des chercheurs et développer en Europe des modèles fondamentaux accessibles aux entreprises.
Avec Kyutai, Xavier Niel, Rodolphe Saadé et Eric Schmidt lancent un laboratoire de recherche en intelligence artificielle doté de 300 millions d’euros. Le projet veut défendre une recherche ouverte, retenir les talents en Europe et proposer une voie plus transparente pour l’IA.
Google DeepMind présente GraphCast, une intelligence artificielle capable de prévoir l’évolution du temps à l’échelle mondiale jusqu’à dix jours. En s’appuyant sur quatre décennies de données météorologiques, le modèle dépasse souvent une référence opérationnelle, tout en soulevant une question centrale : comment conjuguer vitesse, précision et confiance ?
Pour l’astrophysicien britannique Martin Rees, la vie intelligente la plus avancée du cosmos pourrait ne pas être biologique. Son hypothèse, celle de civilisations ayant basculé vers des machines très évoluées, invite à relire le paradoxe de Fermi et à élargir les recherches de signaux extraterrestres.
En entraînant une intelligence artificielle pendant 50 000 heures sur Pokémon Rouge, Peter Whidden a rendu visibles les mécanismes, mais aussi les impasses, de l’apprentissage profond. L’agent a vaincu Brock et optimisé certaines captures, avant de se perdre dans la Grotte Sombre.
