Nous vous avons souvent parlé des dégâts que l’intelligence artificielle peut infliger au cerveau, l’éteignant et aplatissant notre manière de parler et de penser. Cependant, si elles sont utilisées avec discernement, les LLM peuvent se révéler un précieux télescope pour l’esprit, pour reprendre les mots du journaliste scientifique Mark Buchanan, et aider des cerveaux déjà très brillants comme ceux du prix Nobel de physique Giorgio Parisi et du physicien Francesco Zamponi à résoudre des problèmes qui les taraudent depuis des années.
Comme le montrent les auteurs dans un article publié sur le Journal of Statistical Mechanics: Theory and Experiment, les deux experts ont demandé l’aide de Claude pour trouver l’explication du pourquoi d’une relation mathématique qu’ils connaissaient depuis plus de dix ans mais qu’ils n’arrivaient pas à démontrer.
Au-delà du résultat, très complexe à comprendre pour ceux qui ne font pas ce métier, il est intéressant de comprendre comment l’IA est en train de transformer le travail de recherche scientifique (ce qui est mené correctement, pas ce qui ressemble à une “bixonimania”, pour parler clair).
Le problème
En 2014, Parisi et Zamponi, avec d’autres collaborateurs, avaient décrit théoriquement le jamming, un phénomène physique qui se présente comme une sorte d’encombrement de particules. Les deux physiciens avaient rapidement remarqué que deux paramètres mathématiques du modèle, a et b, avaient une somme toujours égale à 1. Ce qui était surprenant, c’est que l’application de cette équation (a+b=1) produisait les mêmes lois physiques même en suivant une autre théorie, développée selon une méthode différente par un autre savant pour expliquer le même phénomène de jamming. Comment cela était-il possible ?
Pendant des années, l’explication a échappé aux experts. « Cela agaçait (à Giorgio Parisi) le fait que nous n’ayons pas été capables de démontrer cela », raconte Zamponi. Ainsi, avec l’arrivée des LLM, est née l’idée d’une collaboration entre l’intelligence humaine et l’intelligence artificielle pour tenter de trouver la solution.
Une fructueuse collaboration
Parisi a demandé au modèle de reproduire les calculs numériques développés par le groupe il y a plus de dix ans, afin de vérifier si l’IA pouvait être digne de confiance dans ses réponses. Une fois confirmé que Claude obtenait le même résultat, les chercheurs l’ont interrogé sur « pourquoi a+b=1 ? ». L’IA a rapidement avancé une première piste, fondamentalement correcte mais comportant quelques erreurs.
Après plusieurs vérifications et diverses interactions entre experts et IA, la solution est apparue: pour simplifier au maximum, a+b=1 est la conséquence mathématique inévitable d’un fait physique bien connu appelé marginal stability, soit l’équilibre au seuil qui caractérise le jamming – ni trop stable ni trop instable. Si l’équation ne donnait pas 1 comme résultat, elle ne serait pas cohérente avec ce fait physique. « La chose était là et nous ne l’avions pas vue », explique Zamponi.
Collaborer, non se faire remplacer
Cette expérience positive de collaboration entre chercheurs et IA doit servir d’exemple pour comprendre comment il est juste d’utiliser ces nouveaux outils à notre disposition: non pas comme des substituts des savants, mais comme des systèmes capables d’élargir les possibilités de recherche. Le regard humain, toutefois, reste fondamental: « Si nous ne l’avions pas instruit et guidé pendant des jours et des jours, même Claude n’aurait jamais abouti à la solution », explique Parisi.
