Comment l’IA traque-t-elle les contre-exemples en maths ?

Intervenant 10:00

Bienvenue dans le podcast du magazine Tangente. Quelle joie absolue de lancer cette immersion aujourd'hui.

Intervenant 20:06

Bonjour Sam. Oui, je suis ravie d'être là. Le sujet est juste passionnant.

Intervenant 10:10

Parce qu'on va plonger dans une dynamique vraiment fascinante. Imaginons une seconde le quotidien d'un chercheur en mathématiques.

Intervenant 20:18

Un quotidien fait d'une patience infinie, très clairement.

Intervenant 10:22

C'est ça. On peut passer 30 ans de sa vie, des décennies entières, à construire une preuve logique. On rédige des centaines de pages pour montrer qu'une règle s'applique à absolument tous les nombres de l'univers.

Intervenant 20:34

Et c'est souvent l'œuvre de toute une carrière.

Intervenant 10:37

Mais la règle mathématique est cruelle. Il suffit qu'une seule personne trouve une unique exception, un seul petit cas isolé où ça ne marche pas, pour que tout l'édifice s'effondre.

Intervenant 20:48

Un seul contre-exemple et bam, 30 ans de travail détruits en une seconde. C'est rude, mais c'est la beauté de la discipline.

Intervenant 10:56

Exactement. Et justement, dans notre exploration d'aujourd'hui, on va décortiquer des recherches très récentes menées par Adam Zolt Wagner. C'est un chercheur à l'université de Tel Aviv et il a transformé l'intelligence artificielle en un impitoyable chasseur de contre-exemples.

Intervenant 21:13

Et ce qui bouscule absolument tout ici, c'est que cette approche s'attaque directement à la limite fondamentale de notre cerveau. Et même, j'ai envie de dire, à celle de l'informatique classique.

Intervenant 11:23

Parce qu'historiquement, chercher une anomalie mathématique, c'est comme chercher une aiguille dans une botte de foin infinie.

Intervenant 21:30

C'est exactement ça les grandes conjectures historiques, comme celles de Fermat ou de Loehr. Elles ont résisté des siècles précisément parce que la quantité de nombres à tester dépassait totalement l'entendement humain.

Intervenant 11:41

Mais avec l'arrivée des supercalculateurs d'aujourd'hui, on pourrait se dire qu'il suffit d'utiliser la force brute ?

Intervenant 21:48

On l'a cru. On s'est dit qu'on allait tester des milliards de cas par seconde et que ça réglerait le problème. Mais la réalité mathématique possède un mécanisme de défense redoutable.

Intervenant 11:58

Le fameux mur sur lequel tout le monde s'écrase. Avant même de parler d'IA, il faut qu'on explique ça à ceux qui nous écoutent. Pourquoi une machine à plusieurs millions d'euros finit par s'essouffler et abandonner ?

Intervenant 22:08

À cause de ce qu'on appelle l'explosion combinatoire. Le concept donne un peu le vertige en fait. Dès qu'on ajoute un tout petit élément à un problème, le nombre de possibilités ne s'additionne pas, il se multiplie.

Intervenant 12:19

Il explose littéralement.

Intervenant 22:20

Oui, de façon exponentielle. Prenons un réseau tout simple, juste des points reliés par des lignes. Avec seulement 30 points, si on cherche toutes les manières possibles de les relier entre eux, on dépasse déjà le nombre d'atomes dans l'univers observable.

Intervenant 12:35

C'est ahurissant. En essayant de vulgariser, c'est comme si on cherchait un grain de sable toxique bien précis sur une plage. On fait un pas en avant et la taille de la plage est multipliée par 10.

Intervenant 22:45

Voilà, c'est une excellente image. Au bout de trois pas, on ne fouille plus une plage, mais un continent entier.

Intervenant 12:51

Et au dixième pas, c'est une galaxie de sable. Donc un ordinateur classique, programmé pour vérifier chaque grain l'un après l'autre, il va juste planter en fait.

Intervenant 22:59

Il va manquer de mémoire et de temps, même s'il calcule jusqu'à la fin des temps. Donc face à un océan de possibilités de cette taille, la méthode d'Adam Zolt-Wagner change complètement de paradigme.

Intervenant 13:10

Et comment l'IA fait-elle pour ne pas se noyer là-dedans ?

Intervenant 23:14

Elle renonce tout simplement à la recherche exhaustive. Puisqu'il est physiquement impossible de regarder chaque grain de sable, l'algorithme doit apprendre à flairer la bonne direction. C'est ce qu'on appelle l'apprentissage par renforcement.

Intervenant 13:28

L'apprentissage par renforcement, c'est la même technologie de base qui a permis de terrasser les champions humains au jeu de go, non ?

Intervenant 23:34

Absolument, c'est la même architecture fondamentale.

Intervenant 13:37

Mais comment ça marche mécaniquement ici au jeu de go ? On a un plateau, des pions et surtout un adversaire. Là, on a juste une conjecture abstraite.

Intervenant 23:46

Eh bien, l'adversaire, c'est la conjecture elle-même. Et le mécanisme est super élégant. On ne donne aucune règle mathématique stricte à la machine.

Intervenant 13:54

On la laisse se débrouiller.

Intervenant 23:56

Exactement. On lui donne simplement la capacité de générer une structure, disons un réseau de points, de manière totalement aléatoire au départ. Et ensuite, on évalue cette structure en lui donnant une note, un score de performance.

Intervenant 14:09

D'accord, donc plus la structure s'approche de ce qu'il faut pour briser la conjecture, plus le score monte ?

Intervenant 24:14

C'est ça. L'algorithme calcule un gradient. Il observe quelle petite modification de ses paramètres internes a fait monter le score juste avant, et il renforce cette direction précise.

Intervenant 14:24

Genre s'il coupe une connexion entre deux points et que le score baisse, il arrête de creuser par là.

Intervenant 24:28

Ouais. Et s'il ajoute une connexion et que le score grimpe, il fonce dans cette voie. En répétant ce processus des millions de fois, la machine apprend d'elle-même la meilleure stratégie.

Intervenant 14:37

Et si le score maximal dépasse la limite fixée par la conjecture, bingo, la preuve est détruite.

Intervenant 24:42

Exactement.

Intervenant 14:43

Je vois très bien, ça me fait penser à une métaphore assez visuelle. C'est comme si on lâchait un parachutiste en plein milieu de l'Himalaya, de nuit, dans un brouillard total.

Intervenant 24:53

Ah oui, l'analogie du terrain accidenté.