chimie organique

Des chercheurs créent un nouveau composé chimique pour résoudre un problème vieux de 120 ans

L’accès à ces molécules peut avoir des impacts majeurs sur l’agriculture, les produits pharmaceutiques et l’électronique.

(Image - graphique qui représente le composé chimique découvert)  

Pour la première fois, des chimistes du Twin Cities College of Science and Engineering de l'Université du Minnesota ont créé un composé chimique hautement réactif qui échappe aux scientifiques depuis plus de 120 ans. Cette découverte pourrait conduire à de nouveaux traitements médicamenteux, à des produits agricoles plus sûrs et à une meilleure électronique.

Depuis des décennies, les chercheurs étudient des molécules appelées N-hétéroarènes, qui sont des composés chimiques en forme d'anneau contenant un ou plusieurs atomes d'azote. Les molécules bioactives ayant un noyau N-hétéroarène sont largement utilisées pour de nombreuses applications médicales, pharmaceutiques vitales, pesticides et herbicides, et même dans l'électronique.

"Bien que la personne moyenne ne pense pas quotidiennement aux hétérocycles, ces molécules uniques contenant de l'azote sont largement utilisées dans toutes les facettes de la vie humaine", a déclaré Courtney Roberts, auteur principal de l'étude et professeur au département de chimie de l'Université du Minnesota.

Ces molécules sont très recherchées par de nombreuses industries, mais sont extrêmement difficiles à fabriquer pour les chimistes. Les stratégies précédentes ont pu cibler ces molécules spécifiques, mais les scientifiques n’ont pas réussi à créer une série de ces molécules. L’une des raisons à cela est que ces molécules sont extrêmement réactives. Elles sont si actives que les chimistes ont utilisé la modélisation informatique pour prédire qu’elles devraient être impossibles à réaliser. Cela a créé des défis pendant plus d’un siècle et a empêché de trouver une solution pour créer cette substance chimique.

"Ce que nous avons pu faire, c'est exécuter ces réactions chimiques avec un équipement spécialisé tout en éliminant les éléments couramment présents dans notre atmosphère", a déclaré Jenna Humke, étudiante diplômée en chimie à l'Université du Minnesota et auteur principal de l'article. " Heureusement, nous disposons des outils nécessaires pour le faire à l’Université du Minnesota. Nous avons mené des expériences sous azote dans une boîte à gants à chambre fermée, ce qui crée un environnement chimiquement inactif pour tester et déplacer les échantillons."

Ces expériences ont été réalisées en utilisant la catalyse organométallique, l'interaction entre les métaux et les molécules organiques. La recherche a nécessité une collaboration entre des chimistes organiques et inorganiques. C'est quelque chose de courant à l'Université du Minnesota.

"Nous avons pu résoudre ce défi de longue date parce que le département de chimie de l'Université du Minnesota est unique en ce sens que nous n'avons pas de divisions formelles", a ajouté Roberts. " Cela nous permet de constituer une équipe d’experts dans tous les domaines de la chimie, ce qui a été un élément essentiel pour mener à bien ce projet. "

Après avoir présenté le composé chimique dans cet article, les prochaines étapes consisteront à le rendre largement accessible aux chimistes de plusieurs domaines afin de rationaliser le processus de création. Cela pourrait aider à résoudre des problèmes importants tels que la prévention de la pénurie alimentaire et le traitement des maladies pour sauver des vies.

Aux côtés de Roberts et Humke, l'équipe de recherche de l'Université du Minnesota comprenait le chercheur postdoctoral Roman Belli, les étudiants diplômés Erin Plasek, Sallu S. Kargbo et l'ancienne chercheuse postdoctorale Annabel Ansel.  



(Résumé : jusqu'à quel point une triple liaison carbone-carbone peut-elle être confinée ? Avec les réactions motrices appropriées, il est devenu simple de comprimer le motif dans des anneaux à six chaînons tels que le benzyne et de récolter les bénéfices de la réactivité rapide favorisée par la contrainte. Cependant, les anneaux à cinq chaînons ont eu tendance à être trop serrés. Humke et al. rapportent maintenant que la coordination par le nickel peut soulager la contrainte juste assez pour stabiliser une triple liaison dans la partie pentagonale des azaindoles. Ces complexes azaindolynes ont été caractérisés cristallographiquement et ont réagi avec des nucléophiles et des électrophiles.  Jake S. Yeston

La liaison au nickel permet d'isoler et de réactiver des 7-aza-2,3-indolynes auparavant inaccessibles

Les N-hétéroaromatiques sont des éléments clés des produits pharmaceutiques, agrochimiques et des matériaux. Les N-hétéroarynes fournissent un échafaudage pour construire ces molécules essentielles, mais ils sont sous-utilisés parce que les N-hétéroarynes à cinq chaînons ont été largement inaccessibles en raison de la contrainte d'une triple liaison dans un anneau aussi petit. Sur la base des principes d'interactions métal-ligand qui sont fondamentaux pour la chimie organométallique, nous rapportons dans ce travail la stabilisation des N-hétéroarynes à cinq chaînons dans la sphère de coordination du nickel. Une série de complexes 1,2-bis(dicyclohexylphosphino)éthane-nickel 7-azaindol-2,3-yne ont été synthétisés et caractérisés par cristallographie et spectroscopie. La réactivité ambiphile des complexes de nickel 7-azaindol-2,3-yne a été observée avec de multiples partenaires de couplage nucléophiles, électrophiles et énophiles.)

Auteur: Internet

Info: https://www.eurekalert.org/ https://www.science.org/doi/10.1126/science.adi1606?adobe_mc=MCMID%3D03744988943267014683426377033153538910%7CMCORGID%3D242B6472541199F70A4C98A6%2540AdobeOrg%7CTS%3D1714721362, 2 mai 2024

[ nanomonde ] [ N-hétéroarènes ] [ N-heterocycles ]

homme-végétal

Nous sommes dans une secte de la performance 

Le biologiste français Olivier Hamant, directeur de l’institut Michel Serres à Lyon, était de passage en Belgique pour une série de conférences. Devant un public nombreux, il a fait l’éloge de la lenteur et expliqué comment le monde du vivant pouvait nous inspirer. Il signe, aujourd’hui, un nouvel essai, De l’incohérence, philosophie politique de la robustesse (Odile Jacob).

Rencontre avec un penseur atypique qui prône les vertus de l’incohérence et de la contradiction.

Il propose, au micro de Pascal Claude, de "passer de l’abondance matérielle à l’abondance relationnelle" qui serait "la revanche du lien sur le rien". Mais, selon Olivier Hamant, pour atteindre ce dessein, le monde se doit d’opérer un basculement, celui d’une société de la performance à une société qui valorise, au contraire, la robustesse.

- Quelle est la différence entre la performance et la robustesse ?

La performance, c’est la somme de l’efficacité et de l’efficience. L’efficacité, c’est atteindre son objectif. L’efficience, c’est l’atteindre avec le moins de moyens possibles, c’est une forme d’optimisation. Alors que la robustesse, c’est maintenir le système viable malgré les fluctuations à plus long terme, c’est diversifier et expérimenter. Pour moi, c’est le contraire de la performance.

Si on regarde le monde du vivant, on voit qu’il fonctionne de façon sous-optimale. Hétérogénéités, incohérences, inachèvements, lenteurs, c’est ce qui fait la structure et la fonction du vivant. Je prends souvent l’exemple de la température corporelle. Quand on est à 37 degrés, on peut penser qu’on est à l’optimum. Pas du tout. Nos enzymes, leur optimum est plutôt à 40 degrés. C’est lorsque l’on a de la fièvre que nous atteignons vraiment un niveau de performance. Cette marge de manœuvre nous permet de lutter au cas où il y aurait une fluctuation, notamment un pathogène qui rentre. Et là, la fièvre sera utile !

- La nature, davantage du côté de la robustesse que de la performance ?

"Oui et la meilleure image, c’est celle de la plante : elle croît en freinant. La plante pousse grâce à un apport d’eau, à une pression hydraulique. Avec la photosynthèse, avec le soleil, elle fabrique des fibres de cellulose. Et plus la plante pousse, plus elle freine parce qu’elle se rigidifie. En fait, elle synthétise la cellulose pour ralentir sa croissance.

Quand on est dans la performance, on canalise les initiatives, on les optimise et dans le même temps, on les stérilise. Un monde d’abondance stable induit la compétition et la compétition induit la violence contre les écosystèmes et les défavorisés. La croissance donne l’impression d’abondance alors qu’elle crée la pénurie. Elle conduit à l’épuisement des ressources non renouvelables et des ressources renouvelables à long terme. Alors qu’un monde qui va vers le moins, qui est plus instable, va vers la coopération. Coopérer signifie que l’objectif commun l’emporte sur les objectifs individuels et, parfois, implique d’aller même contre son objectif individuel : c’est un exemple typique d’incohérence, une contradiction interne pour le bien collectif. Dans le monde scientifique, entre autres, la cohérence est la valeur ultime, c’est un bel objectif mais une mauvaise stratégie car elle n’autorise pas le débat. Pour construire de la cohérence, il faut passer par des chemins incohérents."

- Quels sont les freins à ce passage vers une société plus coopérative ?

"Le coût de la robustesse, c’est que ça prend plus de temps. Il s’agit d’une injonction quasi paradoxale : face à l’urgence, il faut ralentir ! On a tendance à apporter les meilleures réponses aux mauvaises questions. Prenez par exemple le cas d’Ikea qui va sans doute atteindre sa neutralité carbone en 2030 mais en ayant déforesté à tout va. Il nous faut prendre du temps pour questionner les questions, c’est un ralentissement nécessaire.

J’ose le dire, nous sommes dans une secte de la performance : on n’est plus capable de la questionner alors qu’on sait scientifiquement qu’elle induit une dégradation, c’est le burn-out des humains et celui des écosystèmes ! Et les solutions actuelles proposées tiennent plutôt de l’hyper performance que du ralentissement : c’est Elon Musk qui veut aller sur Mars, c’est Mark Zuckerberg qui veut faire un bunker à Hawaï. Ce sont eux les gourous de cette secte de la performance et, lorsqu’on analyse leurs projets, on se rend compte que ce sont des projets de mort."

- Comment bifurquer concrètement vers le monde de la robustesse ?

"Il faut créer du désir ! Le problème, c’est que, souvent, affirmer que la voie qu’on a prise n’est pas la bonne, cela fait peur. Et puis lâcher la performance crée encore davantage de peur car nous sommes addicts à la performance. Il faut montrer ce que l’on gagne en quittant la société de la performance : un lien aux non-humains et une reconnexion aux vivants. Le monde de la robustesse, c’est le monde de la richesse, des interactions.

Les initiatives les plus intéressantes se situent au niveau local. Les petites entreprises et associations ont compris que nous sommes dans un monde fluctuant et elles s’adaptent. Les plus gros freins à la société de la robustesse sont les États et les grands groupes car ils sont encore coincés dans le monde de la performance.

Il n’existe pas de système qui ne se transforme pas. Tout se transforme tout le temps ! Est-ce qu’on laisse jouer la main invisible et qu’on laisse le système se diriger vers une trajectoire exponentielle ? Car ne pas critiquer la société de performance, c’est laisser se faire une transformation par défaut. Il est parfois très utile de désobéir !

Auteur: Internet

Info: 13 avr. 2024 Nathalie Dekeyser & Pascal Claude

[ durabilité ]

prospective technologique

9 Tendances de l'intelligence artificielle que vous devriez surveiller en 2019

1) Les puces activées par l'intelligence artificielle seront généralisées
Contrairement à d'autres technologies et outils logiciels, l'IA dépend fortement de processeurs spécialisés. Pour répondre aux exigences complexes de l'IA, les fabricants de puces créeront des puces spécialisées capables d'exécuter des applications compatibles avec l'IA.
Même les géants de la technologie comme Google, Facebook et Amazon dépenseront plus d'argent pour ces puces spécialisées. Ces puces seraient utilisées à des fins comme le traitement du langage naturel, la vision par ordinateur et la reconnaissance vocale.

2) L'IA et l'IdO (Internet des objets) se rencontrent
2019 sera l'année de la convergence des différentes technologies avec l'IA. L'IdO se joindra à l'IA sur la couche informatique de pointe. L'IdO industriel exploitera la puissance de l'IA pour l'analyse des causes profondes, la maintenance prédictive des machines et la détection automatique des problèmes.
Nous verrons la montée de l'IA distribuée en 2019. Le renseignement sera décentralisé et situé plus près des biens et des dispositifs qui effectuent les vérifications de routine. Des modèles d'apprentissage machine hautement sophistiqués, alimentés par des réseaux neuronaux, seront optimisés pour fonctionner à la fine pointe de la technologie.

3) Dites "Bonjour" à AutoML.
L'une des plus grandes tendances qui domineront l'industrie de l'IA en 2019 sera l'apprentissage automatique automatisé (AutoML). Grâce à ces capacités les développeurs seront en mesure de modifier les modèles d'apprentissage machine et de créer de nouveaux modèles prêts à relever les défis futurs de l'IA.
AutoML (Cloud AutoMLB, modèles de machine learning personnalisés de haute qualité) trouvera le juste milieu entre les API cognitives et les plates-formes d'apprentissage sur mesure. Le plus grand avantage de l'apprentissage automatique sera d'offrir aux développeurs les options de personnalisation qu'ils exigent sans les forcer à passer par un flux de travail complexe. Lorsque vous combinez les données avec la portabilité, AutoML peut vous donner la flexibilité que vous ne trouverez pas avec d'autres technologies AI.

4) Bienvenue chez AIOps (intelligence artificielle pour les opérations informatiques)
Lorsque l'intelligence artificielle est appliquée à la façon dont nous développons les applications, elle transforme la façon dont nous gérions l'infrastructure. DevOps sera remplacé par AIOps et permettra au personnel de votre service informatique d'effectuer une analyse précise des causes profondes. De plus, cela vous permettra de trouver facilement des idées et des modèles utiles à partir d'un vaste ensemble de données en un rien de temps. Les grandes entreprises et les fournisseurs de cloud computing bénéficieront de la convergence de DevOps avec AI.

5) Intégration du réseau neuronal
L'un des plus grands défis auxquels les développeurs d'IA seront confrontés lors du développement de modèles de réseaux neuronaux sera de choisir le meilleur framework. Mais, avec des douzaines d'outils d'IA disponibles sur le marché, choisir le meilleur outil d'IA pourrait ne pas être aussi facile qu'avant. Le manque d'intégration et de compatibilité entre les différentes boîtes à outils des réseaux de neurones entrave l'adoption de l'IA. Des géants technologiques tels que Microsoft et Facebook travaillent déjà au développement d'un réseau neuronal ouvert (ONNX). Cela permettra aux développeurs de réutiliser les modèles de réseaux neuronaux sur plusieurs frameworks.

6) Les systèmes d'IA spécialisés deviennent une réalité.
La demande de systèmes spécialisés augmentera de façon exponentielle en 2019. Les organisations ont peu de données à leur disposition, mais ce qu'elles veulent, ce sont des données spécialisées.
Cela obligera les entreprises à se doter d'outils qui peuvent les aider à produire des données d'IA de grande qualité à l'interne. En 2019, l'accent sera mis sur la qualité des données plutôt que sur la quantité. Cela jettera les bases d'une IA qui pourra fonctionner dans des situations réelles. Les entreprises se tourneront vers des fournisseurs de solutions d'IA spécialisés qui ont accès à des sources de données clés et qui pourraient les aider à donner du sens à leurs données non structurées.

7) Les compétences en IA détermineront votre destin.
Même si l'IA a transformé toutes les industries auxquelles vous pouvez penser, il y a une pénurie de talents avec des compétences en IA. Pat Calhoun, PDG d'Espressive a déclaré : " La plupart des organisations souhaitent intégrer l'IA dans leur transformation numérique, mais n'ont pas les développeurs, les experts en IA et les linguistes pour développer leurs propres solutions ou même former les moteurs des solutions préconçues pour tenir leurs promesses ".
Rahul Kashyap, PDG d'Awake Security, ajoute : "Avec autant de solutions'AI-powered' disponibles pour répondre à une myriade de préoccupations commerciales, il est temps que les entreprises deviennent plus intelligentes sur ce qui se passe dans la 'boîte noire' de leurs solutions AI". La façon dont les algorithmes d'IA sont formés, structurés ou informés peut conduire à des différences significatives dans les résultats, poursuit-il. La bonne équation pour une entreprise ne sera pas la bonne pour une autre."

8) L'IA tombera dans de mauvaises mains
Tout comme une pièce de monnaie à deux faces, l'IA a un côté positif et un côté négatif. Les professionnels de la sécurité informatique utiliseront l'intelligence artificielle pour détecter rapidement les activités malveillantes. Vous pouvez réduire les faux positifs de 90 % à l'aide d'algorithmes de réponse et d'apprentissage machine pilotés par l'intelligence artificielle.
L'intelligence artificielle tombera entre de mauvaises mains et les cybercriminels aux desseins malveillants en abuseront pour réaliser leurs objectifs. Avec l'automatisation, les armées de cyberattaquants peuvent lancer des attaques mortelles avec plus de succès. Cela obligera les entreprises à combattre le feu par le feu et à investir dans des solutions de sécurité alimentées par l'IA capables de les protéger contre de telles attaques.

9) Transformation numérique alimentée par l'IA
En 2019, l'IA sera partout. Des applications Web aux systèmes de soins de santé, des compagnies aériennes aux systèmes de réservation d'hôtels et au-delà, nous verrons des nuances de l'IA partout et elle sera à l'avant-garde de la transformation numérique.
Tung Bui, président du département informatique et professeur à l'Université d'Hawaii a déclaré : "Contrairement à la plupart des prédictions et des discussions sur la façon dont les véhicules et les robots autonomes finiront par affecter le marché du travail - ceci est vrai mais prendra du temps pour des raisons institutionnelles, politiques et sociales - je soutiens que la tendance principale en IA sera une accélération dans la transformation numérique, rendant plus intelligent les systèmes commerciaux existants".

Auteur: Internet

Info: zero hedge, 1 mars 2019

homme-machine

Un pas de géant pour une machine à jouer aux échecs

Le succès stupéfiant d’AlphaZero, un algorithme d’apprentissage profond, annonce une nouvelle ère de la compréhension – une ère qui, en ce qui concerne les humains, qui pourrait ne pas durer longtemps. Début décembre, des chercheurs de DeepMind, la société d’intelligence artificielle appartenant à la société mère de Google, Alphabet Inc. ont diffusé une dépêche depuis les zones avancées du monde des échecs.

Un an plus tôt, le 5 décembre 2017, l’équipe avait stupéfié ce monde des échecs en annonçant AlphaZero, un algorithme d’apprentissage machine qui maîtrisait non seulement les échecs mais aussi le shogi, ou échecs japonais, et le Go. L’algorithme a commencé sans aucune connaissance des jeux hormis leurs règles de base. Il a ensuite joué contre lui-même des millions de fois et a appris par essais et erreurs. Il a suffi de quelques heures pour que l’algorithme devienne le meilleur joueur, humain ou ordinateur, que le monde ait jamais vu.

Les détails des capacités d’AlphaZero et de son fonctionnement interne ont maintenant été officiellement examinés par des pairs et publiés dans la revue Science ce mois-ci. Le nouvel article aborde plusieurs critiques graves à l’égard de l’allégation initiale (entre autres choses, il était difficile de dire si AlphaZero jouait l’adversaire qu’il s’était choisi, une entité computationnelle nommée Stockfish, en toute équité). Considérez que ces soucis sont maintenant dissipés. AlphaZero ne s’est pas amélioré davantage au cours des douze derniers mois, mais la preuve de sa supériorité s’est bien renforcée. Il fait clairement montre d’un type d’intellect que les humains n’ont jamais vue auparavant, et que nous allons avoir à méditer encore longtemps.

Les échecs par ordinateur ont fait beaucoup de chemin au cours des vingt dernières années. En 1997, le programme de jeu d’échecs d’I.B.M., Deep Blue, a réussi à battre le champion du monde humain en titre, Garry Kasparov, dans un match en six parties. Rétrospectivement, il y avait peu de mystère dans cette réalisation. Deep Blue pouvait évaluer 200 millions de positions par seconde. Il ne s’est jamais senti fatigué, n’a jamais fait d’erreur de calcul et n’a jamais oublié ce qu’il pensait un instant auparavant.

Pour le meilleur et pour le pire, il a joué comme une machine, brutalement et matériellement. Il pouvait dépasser M. Kasparov par le calcul, mais il ne pouvait pas le dépasser sur le plan de la pensée elle-même. Dans la première partie de leur match, Deep Blue a accepté avec avidité le sacrifice d’une tour par M. Kasparov pour un fou, mais a perdu la partie 16 coups plus tard. La génération actuelle des programmes d’échecs les plus forts du monde, tels que Stockfish et Komodo, joue toujours dans ce style inhumain. Ils aiment à capturer les pièces de l’adversaire. Ils ont une défense d’acier. Mais bien qu’ils soient beaucoup plus forts que n’importe quel joueur humain, ces "moteurs" d’échecs n’ont aucune réelle compréhension du jeu. Ils doivent être instruits explicitement pour ce qui touche aux principes de base des échecs. Ces principes, qui ont été raffinés au fil de décennies d’expérience de grands maîtres humains, sont programmés dans les moteurs comme des fonctions d’év

aluation complexes qui indiquent ce qu’il faut rechercher dans une position et ce qu’il faut éviter : comment évaluer le degré de sécurité du roi, l’activité des pièces, la structure dessinée par les pions, le contrôle du centre de l’échiquier, et plus encore, comment trouver le meilleur compromis entre tous ces facteurs. Les moteurs d’échecs d’aujourd’hui, inconscients de façon innée de ces principes, apparaissent comme des brutes : extrêmement rapides et forts, mais sans aucune perspicacité.

Tout cela a changé avec l’essor du machine-learning. En jouant contre lui-même et en mettant à jour son réseau neuronal au fil de son apprentissage, AlphaZero a découvert les principes des échecs par lui-même et est rapidement devenu le meilleur joueur connu. Non seulement il aurait pu facilement vaincre tous les maîtres humains les plus forts – il n’a même pas pris la peine d’essayer – mais il a écrasé Stockfish, le champion du monde d’échecs en titre par ordinateur. Dans un match de cent parties contre un moteur véritablement impressionnant, AlphaZero a remporté vingt-huit victoires et fait soixante-douze matchs nuls. Il n’a pas perdu une seule partie.

Le plus troublant, c’est qu’AlphaZero semblait être perspicace. Il a joué comme aucun ordinateur ne l’a jamais fait, intuitivement et magnifiquement, avec un style romantique et offensif. Il acceptait de sacrifier des pions et prenait des risques. Dans certaines parties, cela paralysait Stockfish et il s’est joué de lui. Lors de son attaque dans la partie n°10, AlphaZero a replacé sa reine dans le coin du plateau de jeu de son propre côté, loin du roi de Stockfish, pas là où une reine à l’offensive devrait normalement être placée.

Et cependant, cette retraite inattendue s’avéra venimeuse : peu importe comment Stockfish y répondait, ses tentatives étaient vouées à l’échec. C’était presque comme si AlphaZero attendait que Stockfish se rende compte, après des milliards de calculs intensifs bruts, à quel point sa position était vraiment désespérée, pour que la bête abandonne toute résistance et expire paisiblement, comme un taureau vaincu devant un matador. Les grands maîtres n’avaient jamais rien vu de tel. AlphaZero avait la finesse d’un virtuose et la puissance d’une machine. Il s’agissait du premier regard posé par l’humanité sur un nouveau type prodigieux d’intelligence.

Lorsque AlphaZero fut dévoilé pour la première fois, certains observateurs se sont plaints que Stockfish avait été lobotomisé en ne lui donnant pas accès à son livre des ouvertures mémorisées. Cette fois-ci, même avec son livre, il a encore été écrasé. Et quand AlphaZero s’est handicapé en donnant dix fois plus de temps à Stockfish qu’à lui pour réfléchir, il a quand même démoli la bête.

Ce qui est révélateur, c’est qu’AlphaZero a gagné en pensant plus intelligemment, pas plus vite ; il n’a examiné que 60 000 positions par seconde, contre 60 millions pour Stockfish. Il était plus avisé, sachant ce à quoi on devait penser et ce qu’on pouvait ignorer. En découvrant les principes des échecs par lui-même, AlphaZero a développé un style de jeu qui "reflète la vérité profonde" du jeu plutôt que "les priorités et les préjugés des programmeurs", a expliqué M. Kasparov dans un commentaire qui accompagne et introduit l’article dans Science.

La question est maintenant de savoir si l’apprentissage automatique peut aider les humains à découvrir des vérités similaires sur les choses qui nous tiennent vraiment à coeur : les grands problèmes non résolus de la science et de la médecine, comme le cancer et la conscience ; les énigmes du système immunitaire, les mystères du génome.

Les premiers signes sont encourageants. En août dernier, deux articles parus dans Nature Medicine ont exploré comment l’apprentissage automatique pouvait être appliqué au diagnostic médical. Dans l’un d’entre eux, des chercheurs de DeepMind se sont associés à des cliniciens du Moorfields Eye Hospital de Londres pour mettre au point un algorithme d’apprentissage profond qui pourrait classer un large éventail de pathologies de la rétine aussi précisément que le font les experts humains (l’ophtalmologie souffre en effet d’une grave pénurie d’experts à même d’interpréter les millions de scans ophtalmologiques effectués chaque année en vue d’un diagnostic ; des assistants numériques intelligents pourraient apporter une aide énorme).

L’autre article concernait un algorithme d’apprentissage machine qui décide si un tomodensitogramme (CT scan) d’un patient admis en urgence montre des signes d’un accident vasculaire cérébral (AVC), ou d’une hémorragie intracrânienne ou encore d’un autre événement neurologique critique. Pour les victimes d’AVC, chaque minute compte ; plus le traitement tarde, plus le résultat clinique se dégrade. (Les neurologistes ont ce sombre dicton: "time is brain"). Le nouvel algorithme a étiqueté ces diagnostics et d’autres diagnostics critiques avec une précision comparable à celle des experts humains – mais il l’a fait 150 fois plus rapidement. Un diagnostic plus rapide pourrait permettre aux cas les plus urgents d’être aiguillés plus tôt, avec une vérification par un radiologiste humain.

Ce qui est frustrant à propos de l’apprentissage machine, cependant, c’est que les algorithmes ne peuvent pas exprimer ce qu’ils pensent. Nous ne savons pas pourquoi ils marchent, donc nous ne savons pas si on peut leur faire confiance. AlphaZero donne l’impression d’avoir découvert quelques principes importants sur les échecs, mais il ne peut pas partager cette compréhension avec nous. Pas encore, en tout cas. En tant qu’êtres humains, nous voulons plus que des réponses. Nous voulons de la perspicacité. Voilà qui va créer à partir de maintenant une source de tension dans nos interactions avec ces ordinateurs.

De fait, en mathématiques, c’est une chose qui s’est déjà produite depuis des années. Considérez le problème mathématique du "théorème des quatre couleurs", qui défie de longue date les cerveaux des mathématiciens. Il énonce que, sous certaines contraintes raisonnables, toute carte de pays contigus puisse toujours être coloriée avec seulement quatre couleurs, en n’ayant jamais deux fois la même couleur pour des pays adjacents.

Bien que le théorème des quatre couleurs ait été prouvé en 1977 avec l’aide d’un ordinateur, aucun humain ne pouvait vérifier toutes les étapes de la démonstration. Depuis lors, la preuve a été validée et simplifiée, mais il y a encore des parties qui impliquent un calcul de force brute, du genre de celui employé par les ancêtres informatiques d’AlphaZero qui jouent aux échecs. Ce développement a gêné de nombreux mathématiciens. Ils n’avaient pas besoin d’être rassurés que le théorème des quatre couleurs était vrai ; ils le croyaient déjà. Ils voulaient comprendre pourquoi c’était vrai, et cette démonstration ne les y a pas aidés.

Mais imaginez un jour, peut-être dans un avenir pas si lointain, où AlphaZero aura évolué vers un algorithme de résolution de problèmes plus général ; appelez-le AlphaInfinity. Comme son ancêtre, il aurait une perspicacité suprême : il pourrait trouver de belles démonstrations, aussi élégantes que les parties d’échecs qu’AlphaZero jouait contre Stockfish. Et chaque démonstration révélerait pourquoi un théorème était vrai ; l’AlphaInfinity ne vous l’enfoncerait pas juste dans la tête avec une démonstration moche et ardue.

Pour les mathématiciens et les scientifiques humains, ce jour marquerait l’aube d’une nouvelle ère de perspicacité. Mais ça ne durera peut-être pas. Alors que les machines deviennent de plus en plus rapides et que les humains restent en place avec leurs neurones fonctionnant à des échelles de temps de quelques millisecondes, un autre jour viendra où nous ne pourrons plus suivre. L’aube de la perspicacité humaine peut rapidement se transformer en crépuscule.

Supposons qu’il existe des régularités ou des modèles plus profonds à découvrir – dans la façon dont les gènes sont régulés ou dont le cancer progresse ; dans l’orchestration du système immunitaire ; dans la danse des particules subatomiques. Et supposons que ces schémas puissent être prédits, mais seulement par une intelligence bien supérieure à la nôtre. Si AlphaInfinity pouvait les identifier et les comprendre, cela nous semblerait être un oracle.

Nous nous assiérions à ses pieds et écouterions attentivement. Nous ne comprendrions pas pourquoi l’oracle a toujours raison, mais nous pourrions vérifier ses calculs et ses prédictions par rapport aux expériences et aux observations, et confirmer ses révélations. La science, cette entreprise de l’homme qui le caractérise par-dessus tout, aurait réduit notre rôle à celui de spectateurs, bouches bées dans l’émerveillement et la confusion.

Peut-être qu’un jour, notre manque de perspicacité ne nous dérangerait plus. Après tout, AlphaInfinity pourrait guérir toutes nos maladies, résoudre tous nos problèmes scientifiques et faire arriver tous nos autres trains intellectuels à l’heure avec succès. Nous nous sommes assez bien débrouillés sans trop de perspicacité pendant les quelque 300.000 premières années de notre existence en tant qu’Homo sapiens. Et nous ne manquerons pas de mémoire : nous nous souviendrons avec fierté de l’âge d’or de la perspicacité humaine, cet intermède glorieux, long de quelques milliers d’années, entre un passé où nous ne pouvions rien appréhender et un avenir où nous ne pourrons rien comprendre.

Auteur: Strogatz Steven

Info: Infinite Powers : How Calculus Reveals the Secrets of the Universe, dont cet essai est adapté sur le blog de Jorion

[ singularité ]