Des problèmes mathématiques étudiés depuis des décennies, une hypothèse fondamentale de l'informatique remise en cause et une avancée potentielle en physique quantique. OpenAI affirme que ses modèles d'intelligence artificielle ont obtenu trois résultats scientifiques majeurs. Aux chercheurs, désormais, d'en mesurer la portée réelle.
Et si l'intelligence artificielle commençait à produire des découvertes que les scientifiques doivent ensuite s'efforcer de comprendre ? C'est la situation inhabituelle que décrit OpenAI dans une publication datée du 26 octobre. L'entreprise affirme que ses modèles internes ont trouvé des solutions à trois problèmes de recherche fondamentale, dans des domaines où certaines questions restent ouvertes depuis des décennies.
Pour examiner ces travaux, OpenAI a sollicité plusieurs spécialistes reconnus, dont un prix Nobel de physique et des chercheurs à l'origine d'une hypothèse que son IA prétend réfuter.
Trois problèmes scientifiques majeurs, trois résultats inattendus
La première avancée concerne les mathématiques. OpenAI affirme avoir démontré une conjecture formulée en 1991 sur le comportement des ondes. Le résultat permettrait également de résoudre deux autres problèmes majeurs, dont la conjecture de Kakeya, un problème étudié depuis plus d'un siècle et qui n'avait jusqu'ici été résolu que dans certains cas. Une avancée potentiellement considérable pour l'analyse mathématique.
La deuxième annonce concerne l'informatique théorique. OpenAI affirme que son IA a réfuté l'hypothèse du temps exponentiel (ETH), selon laquelle certains problèmes deviennent extrêmement longs à résoudre à mesure que leur taille augmente. Il peut s'agir, par exemple, de trouver une solution parmi un nombre gigantesque de combinaisons possibles. Cette hypothèse, liée au célèbre problème P vs NP, sert de fondement à des centaines de travaux scientifiques. Si le résultat est confirmé, il pourrait remettre en cause plusieurs décennies de recherches, sans pour autant résoudre P vs NP ni rendre immédiatement nos ordinateurs plus rapides.
Enfin, OpenAI revendique une démonstration mathématique de l'existence de certaines théories décrivant les interactions entre particules fondamentales, notamment la chromodynamique quantique (QCD), ainsi que d'une extension unifiée du Modèle standard de la physique. Ces travaux incluent une partie du célèbre problème de Yang-Mills, sans pour autant le résoudre intégralement.
Des preuves vérifiées par logiciel, mais encore à comprendre
OpenAI affirme avoir formalisé ses démonstrations avec Lean, un logiciel capable d'en vérifier la cohérence logique. Les travaux en mathématiques et en informatique ont été rendus publics, permettant aux chercheurs de les examiner.
En physique, la situation est différente. Bien qu'OpenAI affirme avoir achevé une formalisation de ses travaux sur Yang-Mills, les documents produits par son IA ne sont pas encore accessibles publiquement. Un groupe dirigé par David Gross, prix Nobel de physique 2004, doit d'abord les étudier et les rendre compréhensibles.
En informatique, Russell Impagliazzo, Ramamohan Paturi, deux des auteurs de l'ETH, et Ryan Williams participeront à l'examen du résultat qui prétend la réfuter.
Car une preuve vérifiée par logiciel n'est pas nécessairement une découverte dont toute la portée scientifique est établie. Les chercheurs doivent encore s'assurer que les énoncés vérifiés correspondent bien aux problèmes étudiés, comprendre les méthodes employées et déterminer ce que les résultats changent réellement.
OpenAI précise d'ailleurs ne revendiquer aucun crédit académique pour ces découvertes. L'entreprise confie à des scientifiques extérieurs le soin d'en développer la compréhension, tout en expérimentant différentes méthodes de publication. Dans le cas de la physique, le choix de ne pas rendre immédiatement les travaux publics pose aussi la question de leur vérification indépendante.
Au-delà de ces trois annonces, c'est peut-être là que se trouve le véritable tournant : si les IA deviennent capables de produire des résultats scientifiques majeurs, la difficulté pourrait progressivement se déplacer de la recherche de solutions vers leur compréhension et leur validation par les humains.
