Une intelligence artificielle vient de découvrir par elle-même une physique alternative
Un outil d’intelligence artificielle a examiné des systèmes physiques et, sans surprise, a trouvé de nouvelles façons de décrire ce qu’il a découvert.
Dans sa forme la plus simple, la physique nous aide à comprendre les relations entre des variables « observables », c’est-à-dire les choses que nous pouvons mesurer. Vélocité, énergie, masse, position, angles, température, charge. Certaines variables, comme l’accélération, peuvent être ramenées à des variables plus fondamentales. Ce sont toutes celles qui, en physique, façonnent notre compréhension du monde.
Ces variables sont liées entre elles par des équations. La plus célèbre équation d’Albert Einstein, E = mc2, résume la relation entre les variables énergie (E) et masse (m), en utilisant la constante : la vitesse de la lumière (c). En fait, la très complexe théorie de la relativité restreinte d’Einstein peut être réduite à des relations entre trois variables : l’énergie, la masse et la vitesse.
Il n’y a rien de sacré dans le choix de nos variables. Les variables et les mathématiques que nous choisissons ont résisté à l’épreuve du temps comme étant celles qui ont un sens pour une théorie ou un système physique donné.
Mais que se passerait-il si nous devions trouver d’autres variables physiques pour résoudre les mêmes problèmes ? Cela ne changerait pas le problème… ou la solution. Mais cela pourrait donner de nouvelles idées sur le fonctionnement interne de l’univers et accélérer les découvertes scientifiques.
C’est ce qu’a fait un outil d’intelligence artificielle (IA) mis au point à l’université Columbia de New York.
Les roboticiens de l’ingénierie de Columbia ont mis au point un programme d’IA pour examiner les données vidéo brutes et rechercher l’ensemble minimal de variables fondamentales qui décrivent entièrement la dynamique physique observée du système : le balancement d’un pendule.
Pour tester leur IA, l’équipe a d’abord montré à l’outil des vidéos d’un phénomène dont elle connaissait déjà la réponse.
Le pendule double peut être décrit au moyen d’exactement quatre « variables d’état », l’angle et la vitesse angulaire de chacun des deux bras. Après avoir regardé les vidéos pendant quelques heures, l’IA a donné sa réponse concernant le nombre de variables dans le système : 4.7.
Pendule double composé avec dimensions indiquées. (Wikimedia)
Selon l’auteur principal, Hod Lipson, directeur du Creative Machines Lab au département de génie mécanique de l’université Columbia :
Nous avons pensé que cette réponse était suffisamment proche. D’autant plus que l’IA n’avait accès qu’à des séquences vidéo brutes, sans aucune connaissance en physique ou en géométrie. Mais nous voulions savoir quelles étaient réellement les variables, et pas seulement leur nombre.
Le défi suivant consistait donc à essayer de visualiser les variables que l’IA avait identifiées. Cela n’a pas été facile, car le programme ne décrit pas les variables dans un langage intuitif pour les humains. Les chercheurs ont toutefois réussi à établir une corrélation entre deux des variables et les angles des bras de chaque pendule.
Selon l’auteur principal, Boyuan Chen, aujourd’hui professeur adjoint à l’université Duke :
Nous avons essayé de corréler les autres variables avec tout ce à quoi nous pouvions penser : vitesses angulaires et linéaires, énergie cinétique et potentielle, et diverses combinaisons de quantités connues. Mais rien ne semblait correspondre parfaitement.
Confiante que les bonnes prédictions de l’IA sur la dynamique du système signifiaient qu’elle avait trouvé un ensemble valide de quatre variables, l’équipe était perplexe quant à ce que pouvaient être les autres.
Toujours selon Chen :
Nous ne comprenons pas encore le langage mathématique qu’elle utilise.
Pourtant, l’IA a renvoyé de bons calculs sur d’autres systèmes physiques avec des solutions connues.
Déjà confuse, qu’est-ce que l’équipe aurait à perdre en montrant à l’IA quelque chose pour lequel il n’y a pas de réponse connue ? L’équipe a donc diffusé à l’IA une vidéo » d’hommes-tubes gonflables agitant les bras « , de la série d’animation Family Guy, qui s’agitent devant un garage de voitures d’occasion. Quelques heures d’analyse ont permis d’obtenir huit variables. Une vidéo de lampe à lave a également donné huit variables. Une vidéo en boucle d’une cheminée a donné 24 variables.
Hommes-tubes gonflables agitant les bras.
Les chercheurs se demandent si les ensembles de variables étaient différents à chaque fois que le programme était relancé, ou s’il trouvait le même ensemble unique de variables pour chaque système.
Pour Lipson :
Je me suis toujours demandé, si nous rencontrions un jour une race extraterrestre intelligente, si elle aurait découvert les mêmes lois physiques que nous, ou si elle décrivait l’univers d’une manière différente. Peut-être que certains phénomènes semblent énigmatiquement complexes parce que nous essayons de les comprendre en utilisant le mauvais ensemble de variables ?
Dans les expériences, le nombre de variables est resté inchangé, mais les variables spécifiques ont varié chaque fois que l’IA a redémarré. Cela indique qu’il existe d’autres façons de décrire les systèmes, et par extension l’univers, et qu’il est possible que nos choix ne soient pas parfaits.
Intégrations latentes issues du système colorées par des variables d’état physique. (Boyuan Chen/ Columbia Engineering)
De tels outils de recherche en intelligence artificielle pourraient aider les scientifiques à appréhender des phénomènes complexes qui échappent aux connaissances théoriques actuelles.
Pour Kuang Huang, coauteur de l’étude :
Bien que nous ayons utilisé des données vidéo dans ce travail, n’importe quel type de source de données de réseau pourrait être utilisé, réseaux de radars ou réseaux d’ADN, par exemple.
Lipson soutient que les scientifiques peuvent mal interpréter ou ne pas comprendre de nombreux phénomènes simplement parce qu’ils ne disposent pas d’un bon ensemble de variables.
Pendant des millénaires, les gens savaient que les objets se déplaçaient rapidement ou lentement, mais ce n’est que lorsque la notion de vitesse et d’accélération a été formellement quantifiée que Newton a pu découvrir sa célèbre loi du mouvement F = ma.
De même, les variables de température et de pression ont dû être décrites avant que les lois de la thermodynamique puissent être formalisées. Il en va de même pour toute théorie scientifique. Pour élaborer une théorie, il faut d’abord disposer des variables. « Quelles sont les autres lois qui nous échappent simplement parce que nous n’avons pas les variables ? » se demande Qiang Du, coauteur et professeur de mathématiques.
Présentation de la recherche.
Hod Lipson décrit comment le programme d’IA a pu découvrir de nouvelles variables physiques. (Hod Lipson/ Columbia Engineering)
Les résultats de ces expériences sont publiés dans la revue Nature Computational Science : Automated discovery of fundamental variables hidden in experimental data et présentée sur le site de l’Université Columbia : Columbia Engineering Roboticists Discover Alternative Physics.
L’IA a donné 4,7 comme nombre minimal de variables écrivant la cinématique du double pendule alors que la physique humaine n’en donne que 4.
Je vois plusieurs explications à ce résultat:
1- Elle n’a pas interprété le mot « variable » exactement de la même façon que nous.
2- La réalité qu’elle décrit (celle dont elle a accès) n’est pas la même que la nôtre.
En effet, dans cette expérience, le seul lien dont elle dispose avec la réalité est une caméra. Son fonctionnement est donc basé sur un ensemble de captures successives qui forment pour nous un film en continu. Elle n’a donc accès qu’à une réalité dans laquelle le temps est discontinu. Dans ce cas le dernier paramètre est le pas de temps entre les différentes captures. Elle a très bien pu en faire une nouvelle variable. Une modification de cette variable modifie en effet la précision des calculs et in fine la trajectoire chaotique du double pendule.
3- Elle a trouvé quelque chose sur la nature chaotique de sa trajectoire que vous n’avez pas pris en compte, notamment le lien entre le chaos et les fractales, ce qui expliquerait pourquoi le résultat est fractionnaire.