mémoire

Mettez vos données sur disque dur et elles seront peut être sûres pendant une décennie si rien ne casse. Mais que faire pour garder l'info des millions d'années ?
La puissance de l'ADN comme dispositif de stockage a été identifiée la première fois seulement six ans après la découverte de la molécule. Dans une conférence de 1959 au California Institute of Technology, Richard Feynman, un des physiciens les plus admiré du 20 ème siècle, prévoyait que la miniaturisation de la technologie changerait probablement le monde - essentiellement en prévoyant la révolution numérique. Il précisa alors que la nature avait déjà fait un chip bien meilleur sous forme d'acide désoxyribonucléique.
Dans un petit paquet d'atomes au centre de chaque cellule, Feynman remarqua que toute l'information requise pour créer un humain, une amibe ou une tomate y sont codés. En beaucoup de domaines Feynman était en avance sur son temps. Les scientifiques ont calculé que l'ADN pourrait être le support de stockage idéal. Une seule livre d'ADN pouvant contenir toutes les données de tous les ordinateur.
Mais gérer cette puissance informatique s'est avérée difficile. Le premier ordinateur fonctionnant entièrement comme l'ADN fut créé en 1994 par Leonard Adleman, informaticien à l'université de Californie. Dans une cuillère à café d'eau, il utilisa une série de réactions biochimiques pour résoudre le problème célèbre "du représentant de commerce" (en bref de combien de manières peut-on aller de New York à Cleveland en s'arrêtant dans 7 autres villes dans l'intervalle ?). La promesse de l'approche était due au fait que chaque morceau d'ADN peut fonctionner essentiellement comme ordinateur indépendant, il devrait lui être possible de faire près d'un quadrillion de calculs immédiatement. Plus facile à dire qu'a faire !. Et si Adleman est lui-même est parvenu à résoudre un problème à 20 variables avec son ordinateur ADN beaucoup de chercheurs depuis, dans ce champ de l'ADN, travaillant après ce papier initial d'Adleman, se sont maintenant déplacés vers la confection de machines minuscules au lieu d'utiliser des molécules d'ADN. Le problème : Accéder à toute l'information d’une molécule de l'ADN.
"Ma propre conclusion est que le paradigme du calcul de l'ADN ne fournira pas une plate-forme de calcul puissante pour résoudre des problèmes" dit Lloyd Smith, scientifique à l'université de Wisconsin-Madison qui a effectué ce travail de calcul ADN, mais il ne prévoit pas de remplacer ses applications liées à la matière. "c'est mignon, mais je ne sais pas si c'est un concept si important." Quelques chercheurs qui sont resté avec cette idée de stocker l'information par ADN s'éloignent actuellement de l'idée que la molécule puisse sauvegarder des quantités d'information massives. Au lieu de cela, ils se concentrent sur de plus petits messages correcteurs pendant de très longues périodes - peut-être destinés à survivre à tous les livres et disques durs que la civilisation a produits.
L'ADN des organismes évolue constamment, mais les messages correcteurs d'erreurs destinés à protéger les organismes - restent très longtemps. Pak Chung Wong, chercheur aux Pacific National Laboratories, précise que quelques unes de ces contraintes de bactéries ont maintenu leur ADN quasi intact pendant des millions d'années. Lui et ses collègues ont développé une technique pour implanter au moins 100 mots dans le génome d'un organisme de sorte que le message soit protégé contre des erreurs. Wong et ses collègues ont prouvé qu'ils pourraient implanter un message (ils ont employé "c'est un petit monde après tout") dans le génome de bactérie. Une famille entière de bactéries avec le message put être créée, et même après des centaines de générations, le message était encore intact. Wong note qu'il devrait être possible d'envoyer un message au futur dans un organisme particulièrement robuste - tel que les bactéries ou autres cancrelats, qui survivraient à une guerre nucléaire. Plus pratiquement, les compagnies qui créent des organismes génétiquement modifiés pourraient employer cette technologie pour créer un genre de filigrane ADN pour protéger leur propriété intellectuelle. Au delà de fournir de la manière pour Genentech ou Monsanto afin d’empêcher d'autres compagnies de voler leurs organismes génétiquement modifiés, une telle technologie pourrait être la meilleure manière que nous ayons d'envoyer un message au futur éloigné. Oublions les gravures sur le satellites Voyager. Ce message pourrait durer aussi longtemps que n'importe quelle vie sur terre. La seule question : qu’y mettrons nous ?

Auteur: Internet

Info: Fortean Times, Message dans une bouteille d'ADN, 10.24.05

[ conservation ]

enfant gâté

Mme d'Estourmel, âgée de cinquante-sept ans, avait un fils unique de cinq ans. Cet Isaac de cette moderne Sara était l'enfant le plus gâté et le plus insoutenable que j'aie jamais rencontré. On lui permettait tout, on ne lui refusait rien, il était le maître absolu du salon et du château.
J'arrivai au Frétoy deux heures après le dîner; il y avait beaucoup de monde de Paris. J'avais un chapeau de villageoise, comme on disait alors ; il était neuf, tout couvert de fleurs charmantes, et attaché sur l'oreille gauche avec beaucoup d'épingles. A peine étais je assise, que le terrible enfant du château vint m'arracher des mains un superbe éventail et le mît en pièces. Mme d'Estourmel fit une petite réprimande à son fils, non pas d'avoir brisé mon éventail, mais de ne pas me l'avoir demandé poliment.
Un instant après, l'enfant alla confier à sa mère qu'il avait envie de mon chapeau, et Eh bien, mon fils, répondit gravement madame d'Estourmel, allez le demander bien honnêtement. " Il accourut aussitôt vers moi en disant : et Je veux votre chapeau. " On le reprit d'avoir dit je veux ; c'est ce que sa mère appelait ne lui rien passer. Elle lui dicta sa formule de demande : et Madame, voulez-vous bien avoir la bonté de me prêter votre chapeau ? " Tout ce qui était dans le salon se récria sur cette fantaisie : la mère et l'enfant y persistèrent; M. de Genlis s'en moqua un peu aigrement. Je vis que Mme d'Estourmel allait se fâcher ; alors je me levai, et, sacrifiant généreusement mon joli chapeau, j'allai prier Mme d'Estourmel de me le détacher, ce qu'elle fit avec empressement, car l'enfant s'impatientait violemment. Mme d'Estourmel m'embrassa, loua beaucoup ma douceur, ma complaisance et mes beaux cheveux.
Elle soutint que j'étais cent fois mieux sans chapeau, quoique je fusse tout ébouriffée, et que j'eusse une figure très ridicule, avec une grande parure et celte coiffure en désordre. Mon chapeau fut livré à l'enfant, sous la condition de ne pas le gâter. Mais en moins de dix minutes, le chapeau fut déchiré, écrasé, et hors d'état d'être jamais porté. J'eus grand soin, les jours suivants, de me coiffer en cheveux, sans chapeau et sans fleurs. Mais, par malheur, cet enfant gâté était reconnaissant; il s'attacha à moi avec une passion démesurée et ne voulut plus me quitter. Dès que j'étais dans le salon, il s'établissait sur mes genoux : il était fort gras et fort lourd ; il m'assommait, chiffonnait mes robes, et même les déchirait en posant sur moi des quantités de joujoux. Je ne pouvais ni parler à qui que ce fût ni entendre un mot de la conversation, et il m'était impossible de m'en débarrasser, même pour jouer aux cartes. Dans tous mes petits voyages je portais toujours ma harpe : on voulut m'entendre; il n'y eut pas moyen, tandis que je jouais, d'empêcher l'enfant (qui se tenait debout près de la harpe) de jouer aussi avec les cordes de la basse, ce qui formait un accompagnement peu agréable. Lorsque j'eus fini, on vint prendre ma harpe pour l'emporter : l'enfant s'y opposa en faisant des cris terribles. La harpe resta ; il en joua à sa manière, il égratigna les cordes, en cassa plusieurs, et dérangea totalement l'accord. Quand on représentait à Mme d'Estourmel que cet enfant devait m'importuner beaucoup, elle me demandait si cela était vrai, et elle prenait au pied de la lettre la politesse de ma réponse, en ajoutant qu'à mon âge on était charmé d'avoir un prétexte des amuser d'une manière enfantine, et que je formais avec son fils un tableau délicieux. Au vrai, cet enfant ne m'était pas aussi désagréable que tout le monde le croyait, non que j'aimasse ses jeux, mais sa personne m'intéressait et me divertissait.
Il était joli, caressant, original, et il n'avait rien de méchant. Avec une éducation passable, on en aurait facilement fait un enfant charmant. Sa pauvre mère a bien payé la folie de cette mauvaise éducation : l'année d'ensuite, l'enfant, pour la première fois de sa vie, eut un peu de fièvre ; il refusa toute boisson, et demanda avec fureur les aliments les plus malsains. Une légère indisposition devint une maladie sérieuse, et bientôt, mortelle, parce qu'il fut impossible de lui faire prendre une seule drogue, et que toutes les tentatives en ce genre lui causaient des accès de colère qui allaient jusqu'aux convulsions. Il mourut à six ans, et il était naturellement très robuste et parfaitement bien constitué.

Auteur: Genlis Madame de

Info: Mémoires

[ mort ] [ anecdote ]

secours

Je suis assis à l'arrière d'un C17 de la RAAF sur le chemin du retour en Australie avec Craig et les étonnants membres de l'équipe australienne du ministère des Affaires étrangères et du Commerce, de la Police fédérale australienne et des Forces de défense australiennes. C'est maintenant la première occasion de s'arrêter et de réfléchir sur les événements extraordinaires des 8 derniers jours depuis que Craig et moi avons été déployés en tant que petite équipe AUSMAT à la rescousse dans les grottes de Tham Luang (Chang Rai) au nord de la Thaïlande.

Quand nous sommes arrivés sur le site, des plongeurs locaux comme Ben Reymenants et l'impressionnant quatuor britannique (John Volanthen, Rick Stanton, Jason Mallinson et Chris Jewell) avaient déjà effectué les plongées les plus extraordinaires à travers la grotte et posé la corde très robuste qui a rendu toutes les plongées ultérieures non seulement possibles, mais aussi sûres. On ne peut sous-estimer les efforts et l'habileté de ces gars pour ouvrir la voie. Suivre la ligne de quelqu'un d'autre est beaucoup plus facile que de trouver son propre chemin. Rick et John n'ont pas seulement trouvé les enfants et l'entraîneur vivants, mais ils ont communiqué la gravité de la situation au reste du monde. Les 4 Britanniques ont ensuite effectué d'autres plongées pour amener matériel et vivres aux joueurs de football, à l'entraîneur et aux quatre plongeurs de la marine thaïlandaise, ce qui a permis de se préparer et de subvenir à la suite du sauvetage.

Pendant ce temps sur le terrain, les Thaïlandais et la communauté internationale ont envoyé des essaims d'hommes et de femmes pour assurer la restauration, les communications, les médias et, bien sûr, d'énormes équipes d'ouvriers qui ont rempli la grotte de tonnes et de tonnes d'équipement pour essayer d'abaisser l'eau et soutenir les opérations de plongée. Je n'ai jamais rien vu de tel quant à la lutte de l'homme pour contrôler les forces naturelles des eaux de la mousson. Les travailleurs locaux et autres escaladeurs ont gréé la section sèche de la grotte avec des cordes pour simplifier le sauvetage et ont fouillé la brousse au-dessus pour trouver d'autres entrées de la grotte. Les équipes de forage ont tenté de traverser près d'un kilomètre de roche jusqu'à l'endroit où se trouvait les garçons. Pendant tout ce temps, 4 braves plongeurs de la Marine Thailandaise sont restés avec l'équipe des sangliers, sachant qu'ils étaient aussi en danger que les enfants.

Lorsque toutes les autres options semblèrent épuisées, la décision de sortir les garçons à la nage a été prise. Pour la sortie des enfants, les 4 plongeurs sauveteurs britanniques furent soutenus par Craig et moi ainsi que trois autres jeunes plongeurs très talentueux du Royaume-Uni (Connor, Josh et Jim) avec des plongeurs européens (Erik, Ivan, notre bon ami Claus et Nikko). La pression exercée sur ces gars était immense, ils n'ont jamais baissé les bras une seconde.

Lorsque les enfants et l'entraîneur étaient amenés dans la chambre 3, les équipes américaines de parachutistes, les plongeurs de l'AFP SRG, le CD australien, les plongeurs chinois et les médecins de la marine de l'armée thaïlandaise les évaluaient, avant de les emmener hors de la grotte vers un hôpital de campagne et les transférer ensuite dans l'immense hôpital du centre de Chang Rai. Sur le chemin du retour à la maison nous avons eu la chance de visiter les garçons, l'entraîneur et les Seals ainsi que tout le beau personnel médical et infirmier de l'hôpital

Je voulais écrire ceci afin de donner crédit à toutes les personnes impliquées d'une manière ou d'une autre. Craig et moi avons eu un coup de projecteur sur nos efforts et nous voulons faire comprendre que bien que nous soyons devenus le visage de ce sauvetage pour quelque raison que ce soit, tout le monde doit savoir que le rôle que nous avons joué ne fut ni plus ni moins important que les centaines (peut-être milliers) mentionnées. Un rôle donné comme beaucoup plus noble qu'il ne le fut en réalité. Nous nous considérons chanceux d'avoir eu des compétences pour pouvoir contribuer à ce merveilleux résultat.

Remerciements particuliers au NCCTRC et à l'AUSMAT, DFAT, au personnel de l'ambassade d'Australie en Thaïlande, à la police touristique thaïlandaise (nos protecteurs !), à la liaison locale, aux spéléologues locaux. Nos sincères condoléances à la famille de l'ex Navy Seal Saman Gunan, décédé au cours des opérations de sauvetage.

Chez nous, nous devons remercier nos familles d'avoir traité avec les médias et de l'inquiétude que nous leur avons causé (elles y sont habituées je le crains). À MedSTAR et au SA Ambulance Service pour l'aide et le soutien importants, en particulier les Drs James Doube et Andrew Pearce. À l'équipe des Services d'anesthésie spécialisée. A l'Association des plongeurs spéléo de l'île de Cave. L'Australie pour la gestion de la vague d'intérêt pour notre sport... L'équipe dirigeante de ce pays a a été incroyable, surtout notre meilleur pote John Dalla-Zuanna. A la communauté mondiale des spéléologues et plongeurs qui se sont comportés avec grâce et dignité et ont essayé d'expliquer quelques faits aux médias de temps en temps ! Enfin, aux milliers de sympathisants de Thaïlande et du monde entier, nous promettons d'avoir lu tous les messages !

Auteur: Harris Richard

Info: En compagnie de Craig Challen

[ solidarité internationale ]

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 ]

Intelligence artificielle

OpenAI présente Super Alignment : Ouvrir la voie à une IA sûre et alignée

La présentation par OpenAI de son développement du super alignement est extrêmement prometteuse pour l'humanité. Grâce à ses capacités étendues, il est en mesure de répondre à certains des problèmes les plus urgents auxquels notre planète est confrontée. Le risque de déresponsabilisation, voire d'anéantissement de l'humanité, est l'un des graves dangers associés à l'émergence de la superintelligence.

L'arrivée du super-alignement

Le super-alignement peut sembler une possibilité lointaine, mais il pourrait se matérialiser dans les dix prochaines années. Nous devons créer de nouvelles structures de gouvernance et traiter le problème de l'alignement des superintelligences afin de maîtriser efficacement les risques qui y sont associés.

Superalignement de l'IA et de l'homme : Le défi actuel

Garantir que les systèmes d'IA, qui sont beaucoup plus intelligents que les humains, s'alignent sur les intentions de ces derniers constitue un obstacle de taille. Actuellement, nos techniques d'alignement de l'IA, telles que l'apprentissage par renforcement à partir du retour d'information humain, reposent sur la supervision humaine. Cependant, lorsqu'il s'agit de systèmes d'IA dépassant l'intelligence humaine, nos méthodes d'alignement actuelles deviennent inadéquates. Pour y remédier, nous avons besoin de nouvelles percées scientifiques et techniques.

OpenAI a mis à disposition ses modèles de cohérence pour la génération d'œuvres d'art par l'IA

Surmonter les hypothèses et intensifier les efforts d'alignement

Plusieurs hypothèses qui guident actuellement le développement de l'IA risquent d'échouer lorsque nous entrerons dans l'ère de la superintelligence. Il s'agit notamment de la capacité de nos modèles à identifier et à contourner la supervision au cours de la formation, ainsi que de leurs caractéristiques de généralisation favorables au cours du déploiement.

Un chercheur d'alignement automatique doté d'une intelligence proche de celle de l'homme, c'est ce que l'OpenAI vise à construire. L'objectif est d'intensifier les efforts et d'aligner itérativement la superintelligence en utilisant une grande puissance de calcul.

Construire les bases d'un super-alignement

Pour atteindre son objectif de chercheur en alignement automatisé, l'OpenAI a identifié trois étapes clés :

Se transformer en expert et avoir un impact significatif sur le monde de la science des données.

1. Développer une méthode de formation évolutive

OpenAI se concentrera sur la création d'une stratégie de formation qui s'adapte bien. Cette méthode sera essentielle pour apprendre aux systèmes d'IA à effectuer des activités difficiles à évaluer pour les humains.

2. Validation du modèle résultant

Il est essentiel de valider l'efficacité du chercheur d'alignement après sa construction. Pour s'assurer que le modèle est conforme aux intentions humaines et qu'il fonctionne comme prévu, l'OpenAI le soumettra à des tests rigoureux.

3. Test de stress du pipeline d'alignement

OpenAI soumettra son pipeline d'alignement à des tests de stress approfondis pour s'assurer de sa durabilité. En soumettant ses systèmes à des situations difficiles, elle pourra trouver d'éventuelles failles et les corriger.

Exploiter les systèmes d'IA pour la supervision et la généralisation

L'OpenAI utilisera des systèmes d'IA pour aider à l'évaluation d'autres systèmes d'IA afin de résoudre la difficulté de superviser des tâches qui sont difficiles à juger pour les humains. Cette méthode de supervision évolutive vise à garantir la réussite de l'alignement. Les chercheurs se pencheront également sur la généralisation de la surveillance, qui permettra aux systèmes d'IA de gérer des activités qui ne sont pas sous le contrôle de l'homme.

Validation de l'alignement : Robustesse et interprétabilité

Pour garantir l'alignement des systèmes d'IA, il est nécessaire de se concentrer sur deux facteurs essentiels : la robustesse et l'interprétabilité. Afin de découvrir d'éventuels problèmes d'alignement, l'OpenAI examinera les éléments internes de ses systèmes et automatisera la recherche de comportements problématiques.

Tests adverses : Détection des désalignements

OpenAI entraînera délibérément des modèles mal alignés pour évaluer l'efficacité de ses méthodes d'alignement. Elle peut évaluer l'efficacité de ses stratégies d'identification et de résolution des désalignements en testant ces modèles de manière rigoureuse et contradictoire.

Évolution des priorités de recherche et collaboration

L'OpenAI est consciente qu'à mesure qu'elle en apprendra davantage sur la question de l'alignement des superintelligences, ses objectifs de recherche évolueront. Les meilleurs chercheurs et ingénieurs en apprentissage automatique seront réunis pour travailler sur ce projet. Afin de créer de nouvelles techniques et de les déployer à grande échelle, l'OpenAI encourage les contributions d'autres équipes et souhaite publier plus d'informations sur sa feuille de route à l'avenir.

L'OpenAI est néanmoins optimiste, même si le défi de l'alignement de la superintelligence est ambitieux et que le succès n'est pas garanti. Elle a réalisé des tests préliminaires encourageants et dispose de mesures utiles pour suivre le développement. L'OpenAI est d'avis qu'un effort ciblé et coopératif peut aboutir à une résolution.

L'équipe dédiée de l'OpenAI : Leaders et collaboration

Le cofondateur et scientifique en chef d'OpenAI, Ilya Sutskever, a fait de l'alignement de la superintelligence le principal sujet de son étude. Il codirigera le groupe avec Jan Leike, responsable de l'alignement. L'équipe est composée de chercheurs et d'ingénieurs talentueux issus de l'ancienne équipe d'alignement de l'OpenAI ainsi que de chercheurs d'autres équipes de l'entreprise.

OpenAI recherche activement des universitaires et des ingénieurs de haut niveau pour se joindre à ses efforts. Ils souhaitent diffuser largement les résultats de leurs travaux, qu'ils considèrent comme essentiels à leur objectif d'aider à l'alignement et à la sécurité des modèles non-OpenAI.

Notre avis

Les efforts de la nouvelle équipe Superalignment complètent ceux d'OpenAI pour rendre les modèles existants comme ChatGPT plus sûrs. Les différents problèmes posés par l'IA, tels que les abus, les perturbations économiques, la désinformation, les préjugés, la discrimination, la dépendance et la surdépendance, sont également au centre des préoccupations de l'OpenAI. Elle collabore avec des professionnels pluridisciplinaires pour s'assurer que ses solutions techniques répondent à des problèmes sociétaux et humains plus importants.

En se consacrant à la création de systèmes d'IA sûrs et compatibles, OpenAI est à l'origine de technologies révolutionnaires qui influenceront la manière dont l'humanité fonctionnera à l'avenir.

Auteur: Sakshi Khanna

Info: https://www.analyticsvidhya.com/blog/author/sakshi_raheja/ - Publié le 8 juillet 2023

[ homme-machine ] [ machine-homme ] [ conservation du pouvoir ] [ prépondérance de l'humain ]

fin de vie

Une nouvelle étude révèle que les survivants rapportent des "expériences de mort imminente" lucides

Chez certains patients ayant subi un arrêt cardiaque, une activité cérébrale intense pendant la réanimation cardio-pulmonaire peut être le signe d'une "expérience de mort imminente".

Que se passe-t-il lorsque nous mourons réellement, c'est-à-dire lorsque notre cœur s'arrête et que l'activité électrique de notre cerveau se stabilise ?

L'homme se pose cette question depuis des temps immémoriaux. C'est une question difficile, car les morts ne nous répondent généralement pas sur la nature de leurs expériences. Les textes religieux sont capables de fournir une multitude d'explications. Mais les scientifiques n'ont pas renoncé à apporter leurs propres réponses et ils progressent dans la compréhension du processus cérébral de transition entre la vie et la mort.

Tout récemment, ces progrès ont été rendus possibles grâce à des recherches qui ont permis d'observer le cerveau de personnes qui se trouvaient au seuil de la mort. Certaines de ces personnes ont été en mesure de raconter ce qu'elles ont vécu. Selon des résultats publiés le 14 septembre dans la revue Resuscitation, le cerveau de certains patients ayant subi un arrêt cardiaque s'est mis à fonctionner à plein régime pendant la réanimation cardio-pulmonaire, même si leur cœur s'est arrêté de battre pendant près d'une heure. Un petit groupe de participants à l'étude qui ont survécu ont pu se souvenir de l'expérience, et une personne a pu identifier un stimulus audio diffusé pendant que les médecins tentaient de la réanimer.

Les chercheurs interprètent les enregistrements cérébraux qu'ils ont effectués sur ces patients comme des marqueurs d'"expériences lucides de la mort" - une observation qui "n'avait jamais été possible auparavant", déclare l'auteur principal, Sam Parnia, professeur agrégé de médecine à la NYU Langone Health et chercheur de longue date sur ce qui arrive aux gens lorsqu'ils meurent. "Nous avons également été en mesure d'avancer une explication cohérente et mécaniste pour expliquer ce phénomène.

Les "expériences de mort remémorées" - terme que Parnia préfère à celui d'"expériences de mort imminente" pour des raisons de précision - ont été rapportées dans diverses cultures tout au long de l'histoire. Certains scientifiques occidentaux ont rejeté ces récits en les qualifiant d'hallucinations ou de rêves, mais récemment, quelques équipes de recherche ont commencé à accorder une attention plus sérieuse à ces phénomènes en les considérant comme un moyen d'étudier la conscience et de faire la lumière sur les mystères de la mort.

Dans cette nouvelle étude, Parnia et ses collègues ont cherché à trouver une signature biologique des expériences de mort dont on se souvient. Ils ont collaboré avec 25 hôpitaux, principalement aux États-Unis et au Royaume-Uni. Le personnel médical a utilisé des appareils portables pouvant être placés sur la tête des patients en situation d'urgence cardiaque afin de mesurer les niveaux d'oxygène et l'activité électrique de leur cerveau sans interférer avec leur traitement médical. Les chercheurs ont également testé les perceptions conscientes et inconscientes en plaçant des écouteurs sur les patients qui diffusaient un enregistrement répété des noms de trois fruits : banane, poire et pomme. En termes d'apprentissage inconscient, une personne qui ne se souvient pas d'avoir entendu ces noms de fruits mais à qui l'on demande de "penser à trois fruits au hasard" peut tout de même donner la bonne réponse, explique Mme Parnia. Des recherches antérieures ont montré, par exemple, que même des personnes plongées dans un coma profond peuvent apprendre inconsciemment le nom de fruits ou de villes si ces mots leur sont chuchotés à l'oreille.

Entre mai 2017 et mars 2020, 567 personnes ont subi un arrêt cardiaque dans les hôpitaux participants. Le personnel médical a réussi à recueillir des données exploitables sur l'oxygène et l'activité cérébrale de 53 de ces patients, dont la plupart présentaient un état électrique plat sur les moniteurs cérébraux électroencéphalographiques (EEG). Mais environ 40 % d'entre eux ont ensuite connu une activité électrique qui a réapparu à un moment donné avec des ondes cérébrales normales ou proches de la normale, compatibles avec la conscience. Cette activité a parfois été rétablie jusqu'à 60 minutes après la RCP (CPR*).

Sur les 567 patients, seuls 53 ont survécu. Les chercheurs ont interrogé 28 des survivants. Ils ont également interrogé 126 personnes de la communauté qui avaient subi un arrêt cardiaque, car l'échantillon de survivants de la nouvelle étude était très réduit. Près de 40 % d'entre eux ont déclaré avoir perçu l'événement sans en avoir de souvenirs précis, et 20 % ont semblé se souvenir de la mort. Dans ce dernier groupe, beaucoup ont décrit l'événement comme une "évaluation morale" de "leur vie entière et de la manière dont ils se sont comportés", explique Mme Parnia.

Lors des entretiens avec les survivants, les chercheurs ont constaté qu'une seule personne était capable de se souvenir des noms des fruits qui avaient été joués pendant la réanimation cardio-pulmonaire. M. Parnia reconnaît que cette personne aurait pu deviner les bons fruits par hasard.

Lui et ses collègues ont élaboré une hypothèse de travail pour expliquer leurs résultats. Normalement, le cerveau dispose de "systèmes de freinage" qui filtrent la plupart des éléments de la fonction cérébrale hors de notre expérience de la conscience. Cela permet aux gens d'agir efficacement dans le monde, car dans des circonstances normales, "vous ne pourriez pas fonctionner en ayant accès à toute l'activité de votre cerveau dans le domaine de la conscience", explique-t-il.

Dans le cerveau mourant, cependant, les chercheurs supposent que le système de freinage est supprimé. Les parties normalement dormantes deviennent actives et le mourant a accès à l'ensemble de sa conscience - "toutes ses pensées, tous ses souvenirs, tout ce qui a été stocké auparavant", explique M. Parnia. "Nous ne connaissons pas les avantages évolutifs de cette méthode, mais elle semble préparer les gens à passer de la vie à la mort.

Ces résultats soulèvent également des questions sur la résistance du cerveau au manque d'oxygène. Il se pourrait, selon Mme Parnia, que certaines personnes que l'on considère traditionnellement comme irrécupérables puissent en fait être ramenées à la vie. "Les médecins pensent généralement que le cerveau meurt lorsqu'il est privé d'oxygène pendant cinq à dix minutes", explique-t-il. "Nous avons pu montrer que le cerveau est assez robuste en termes de capacité à résister à la privation d'oxygène pendant des périodes prolongées, ce qui ouvre de nouvelles voies pour trouver des traitements pour les lésions cérébrales à l'avenir.

La nouvelle étude "représente un effort herculéen pour comprendre aussi objectivement que possible la nature de la fonction cérébrale telle qu'elle peut s'appliquer à la conscience et aux expériences de mort imminente pendant un arrêt cardiaque", déclare Lakhmir Chawla, médecin de l'unité de soins intensifs au Jennifer Moreno Department of Veterans Affairs Medical Center à San Diego (Californie), qui n'a pas participé à la recherche mais a publié des articles sur les pics d'activité EEG au moment de la mort chez certains patients.

Si les résultats obtenus par Parnia et ses collègues sont "frappants" d'un point de vue scientifique, "je pense que nous devrions permettre à ces données d'éclairer notre humanité", ajoute-t-il. D'une part, ces résultats devraient "obliger les cliniciens à traiter les patients qui reçoivent une RCP (CPR*) comme s'ils étaient éveillés", ce que "nous faisons rarement".

Et pour les personnes qui semblent ne plus pouvoir être sauvées, les médecins pourraient inviter leur famille à venir leur dire au revoir, "car le patient est peut-être encore capable de les entendre", ajoute M. Chawla.

Auteur: Internet

Info: https://www.scientificamerican.com/, Rachel Nuwer on September 14, 2023 *Réanimation cardio-pulmonaire La réanimation cardio-pulmonaire consiste à effectuer des compressions thoraciques et des respirations de secours pour maintenir la circulation de l'oxygène dans le corps.

[ e.m.i ]

subatomique

Des scientifiques font exploser des atomes avec un laser de Fibonacci pour créer une dimension temporelle "supplémentaire"

Cette technique pourrait être utilisée pour protéger les données des ordinateurs quantiques contre les erreurs.

(Photo avec ce texte : La nouvelle phase a été obtenue en tirant des lasers à 10 ions ytterbium à l'intérieur d'un ordinateur quantique.)

En envoyant une impulsion laser de Fibonacci à des atomes à l'intérieur d'un ordinateur quantique, des physiciens ont créé une phase de la matière totalement nouvelle et étrange, qui se comporte comme si elle avait deux dimensions temporelles.

Cette nouvelle phase de la matière, créée en utilisant des lasers pour agiter rythmiquement un brin de 10 ions d'ytterbium, permet aux scientifiques de stocker des informations d'une manière beaucoup mieux protégée contre les erreurs, ouvrant ainsi la voie à des ordinateurs quantiques capables de conserver des données pendant une longue période sans les déformer. Les chercheurs ont présenté leurs résultats dans un article publié le 20 juillet dans la revue Nature.

L'inclusion d'une dimension temporelle "supplémentaire" théorique "est une façon complètement différente de penser les phases de la matière", a déclaré dans un communiqué l'auteur principal, Philipp Dumitrescu, chercheur au Center for Computational Quantum Physics de l'Institut Flatiron, à New York. "Je travaille sur ces idées théoriques depuis plus de cinq ans, et les voir se concrétiser dans des expériences est passionnant.

Les physiciens n'ont pas cherché à créer une phase dotée d'une dimension temporelle supplémentaire théorique, ni à trouver une méthode permettant d'améliorer le stockage des données quantiques. Ils souhaitaient plutôt créer une nouvelle phase de la matière, une nouvelle forme sous laquelle la matière peut exister, au-delà des formes standard solide, liquide, gazeuse ou plasmatique.

Ils ont entrepris de construire cette nouvelle phase dans le processeur quantique H1 de la société Quantinuum, qui se compose de 10 ions d'ytterbium dans une chambre à vide, contrôlés avec précision par des lasers dans un dispositif connu sous le nom de piège à ions.

Les ordinateurs ordinaires utilisent des bits, c'est-à-dire des 0 et des 1, pour constituer la base de tous les calculs. Les ordinateurs quantiques sont conçus pour utiliser des qubits, qui peuvent également exister dans un état de 0 ou de 1. Mais les similitudes s'arrêtent là. Grâce aux lois étranges du monde quantique, les qubits peuvent exister dans une combinaison, ou superposition, des états 0 et 1 jusqu'au moment où ils sont mesurés, après quoi ils s'effondrent aléatoirement en 0 ou en 1.

Ce comportement étrange est la clé de la puissance de l'informatique quantique, car il permet aux qubits de se lier entre eux par l'intermédiaire de l'intrication quantique, un processus qu'Albert Einstein a baptisé d'"action magique à distance". L'intrication relie deux ou plusieurs qubits entre eux, connectant leurs propriétés de sorte que tout changement dans une particule entraîne un changement dans l'autre, même si elles sont séparées par de grandes distances. Les ordinateurs quantiques sont ainsi capables d'effectuer plusieurs calculs simultanément, ce qui augmente de manière exponentielle leur puissance de traitement par rapport à celle des appareils classiques.

Mais le développement des ordinateurs quantiques est freiné par un gros défaut : les Qubits ne se contentent pas d'interagir et de s'enchevêtrer les uns avec les autres ; comme ils ne peuvent être parfaitement isolés de l'environnement extérieur à l'ordinateur quantique, ils interagissent également avec l'environnement extérieur, ce qui leur fait perdre leurs propriétés quantiques et l'information qu'ils transportent, dans le cadre d'un processus appelé "décohérence".

"Même si tous les atomes sont étroitement contrôlés, ils peuvent perdre leur caractère quantique en communiquant avec leur environnement, en se réchauffant ou en interagissant avec des objets d'une manière imprévue", a déclaré M. Dumitrescu.

Pour contourner ces effets de décohérence gênants et créer une nouvelle phase stable, les physiciens se sont tournés vers un ensemble spécial de phases appelées phases topologiques. L'intrication quantique ne permet pas seulement aux dispositifs quantiques d'encoder des informations à travers les positions singulières et statiques des qubits, mais aussi de les tisser dans les mouvements dynamiques et les interactions de l'ensemble du matériau - dans la forme même, ou topologie, des états intriqués du matériau. Cela crée un qubit "topologique" qui code l'information dans la forme formée par de multiples parties plutôt que dans une seule partie, ce qui rend la phase beaucoup moins susceptible de perdre son information.

L'une des principales caractéristiques du passage d'une phase à une autre est la rupture des symétries physiques, c'est-à-dire l'idée que les lois de la physique sont les mêmes pour un objet en tout point du temps ou de l'espace. En tant que liquide, les molécules d'eau suivent les mêmes lois physiques en tout point de l'espace et dans toutes les directions. Mais si vous refroidissez suffisamment l'eau pour qu'elle se transforme en glace, ses molécules choisiront des points réguliers le long d'une structure cristalline, ou réseau, pour s'y disposer. Soudain, les molécules d'eau ont des points préférés à occuper dans l'espace et laissent les autres points vides ; la symétrie spatiale de l'eau a été spontanément brisée.

La création d'une nouvelle phase topologique à l'intérieur d'un ordinateur quantique repose également sur la rupture de symétrie, mais dans cette nouvelle phase, la symétrie n'est pas brisée dans l'espace, mais dans le temps.

En donnant à chaque ion de la chaîne une secousse périodique avec les lasers, les physiciens voulaient briser la symétrie temporelle continue des ions au repos et imposer leur propre symétrie temporelle - où les qubits restent les mêmes à travers certains intervalles de temps - qui créerait une phase topologique rythmique à travers le matériau.

Mais l'expérience a échoué. Au lieu d'induire une phase topologique à l'abri des effets de décohérence, les impulsions laser régulières ont amplifié le bruit provenant de l'extérieur du système, le détruisant moins d'une seconde et demie après sa mise en marche.

Après avoir reconsidéré l'expérience, les chercheurs ont réalisé que pour créer une phase topologique plus robuste, ils devaient nouer plus d'une symétrie temporelle dans le brin d'ion afin de réduire les risques de brouillage du système. Pour ce faire, ils ont décidé de trouver un modèle d'impulsion qui ne se répète pas de manière simple et régulière, mais qui présente néanmoins une sorte de symétrie supérieure dans le temps.

Cela les a conduits à la séquence de Fibonacci, dans laquelle le nombre suivant de la séquence est créé en additionnant les deux précédents. Alors qu'une simple impulsion laser périodique pourrait simplement alterner entre deux sources laser (A, B, A, B, A, B, etc.), leur nouveau train d'impulsions s'est déroulé en combinant les deux impulsions précédentes (A, AB, ABA, ABAAB, ABAABAB, ABAABABA, etc.).

Cette pulsation de Fibonacci a créé une symétrie temporelle qui, à l'instar d'un quasi-cristal dans l'espace, est ordonnée sans jamais se répéter. Et tout comme un quasi-cristal, les impulsions de Fibonacci écrasent également un motif de dimension supérieure sur une surface de dimension inférieure. Dans le cas d'un quasi-cristal spatial tel que le carrelage de Penrose, une tranche d'un treillis à cinq dimensions est projetée sur une surface à deux dimensions. Si l'on examine le motif des impulsions de Fibonacci, on constate que deux symétries temporelles théoriques sont aplaties en une seule symétrie physique.

"Le système bénéficie essentiellement d'une symétrie bonus provenant d'une dimension temporelle supplémentaire inexistante", écrivent les chercheurs dans leur déclaration. Le système apparaît comme un matériau qui existe dans une dimension supérieure avec deux dimensions de temps, même si c'est physiquement impossible dans la réalité.

Lorsque l'équipe l'a testé, la nouvelle impulsion quasi-périodique de Fibonacci a créé une phase topographique qui a protégé le système contre la perte de données pendant les 5,5 secondes du test. En effet, ils ont créé une phase immunisée contre la décohérence pendant beaucoup plus longtemps que les autres.

"Avec cette séquence quasi-périodique, il y a une évolution compliquée qui annule toutes les erreurs qui se produisent sur le bord", a déclaré Dumitrescu. "Grâce à cela, le bord reste cohérent d'un point de vue mécanique quantique beaucoup plus longtemps que ce à quoi on s'attendrait.

Bien que les physiciens aient atteint leur objectif, il reste un obstacle à franchir pour que leur phase devienne un outil utile pour les programmeurs quantiques : l'intégrer à l'aspect computationnel de l'informatique quantique afin qu'elle puisse être introduite dans les calculs.

"Nous avons cette application directe et alléchante, mais nous devons trouver un moyen de l'intégrer dans les calculs", a déclaré M. Dumitrescu. "C'est un problème ouvert sur lequel nous travaillons.

 

Auteur: Internet

Info: livesciences.com, Ben Turner, 17 août 2022

[ anions ] [ cations ]

homme-machine

Une nouvelle approche du calcul réinvente l'intelligence artificielle

Par l'imprégnation d'énormes vecteurs de sens sémantique, nous pouvons amener les machines à raisonner de manière plus abstraite et plus efficace qu'auparavant.

Malgré le succès retentissant de ChatGPT et d'autres grands modèles de langage, les réseaux de neurones artificiels (ANN) qui sous-tendent ces systèmes pourraient être sur la mauvaise voie.

D'une part, les ANN sont "super gourmands en énergie", a déclaré Cornelia Fermüller , informaticienne à l'Université du Maryland. "Et l'autre problème est [leur] manque de transparence." De tels systèmes sont si compliqués que personne ne comprend vraiment ce qu'ils font, ou pourquoi ils fonctionnent si bien. Ceci, à son tour, rend presque impossible de les amener à raisonner par analogie, ce que font les humains - en utilisant des symboles pour les objets, les idées et les relations entre eux.

Ces lacunes proviennent probablement de la structure actuelle des RNA et de leurs éléments constitutifs : les neurones artificiels individuels. Chaque neurone reçoit des entrées, effectue des calculs et produit des sorties. Les RNA modernes sont des réseaux élaborés de ces unités de calcul, formés pour effectuer des tâches spécifiques.

Pourtant, les limites des RNA sont évidentes depuis longtemps. Considérez, par exemple, un ANN qui sépare les cercles et les carrés. Une façon de le faire est d'avoir deux neurones dans sa couche de sortie, un qui indique un cercle et un qui indique un carré. Si vous voulez que votre ANN discerne également la couleur de la forme - bleu ou rouge - vous aurez besoin de quatre neurones de sortie : un pour le cercle bleu, le carré bleu, le cercle rouge et le carré rouge. Plus de fonctionnalités signifie encore plus de neurones.

Cela ne peut pas être la façon dont notre cerveau perçoit le monde naturel, avec toutes ses variations. "Vous devez proposer que, eh bien, vous avez un neurone pour toutes les combinaisons", a déclaré Bruno Olshausen , neuroscientifique à l'Université de Californie à Berkeley. "Donc, vous auriez dans votre cerveau, [disons,] un détecteur Volkswagen violet."

Au lieu de cela, Olshausen et d'autres soutiennent que l'information dans le cerveau est représentée par l'activité de nombreux neurones. Ainsi, la perception d'une Volkswagen violette n'est pas codée comme les actions d'un seul neurone, mais comme celles de milliers de neurones. Le même ensemble de neurones, tirant différemment, pourrait représenter un concept entièrement différent (une Cadillac rose, peut-être).

C'est le point de départ d'une approche radicalement différente de l'informatique connue sous le nom d'informatique hyperdimensionnelle. La clé est que chaque élément d'information, comme la notion d'une voiture, ou sa marque, son modèle ou sa couleur, ou tout cela ensemble, est représenté comme une seule entité : un vecteur hyperdimensionnel.

Un vecteur est simplement un tableau ordonné de nombres. Un vecteur 3D, par exemple, comprend trois nombres : les coordonnées x , y et z d'un point dans l'espace 3D. Un vecteur hyperdimensionnel, ou hypervecteur, pourrait être un tableau de 10 000 nombres, par exemple, représentant un point dans un espace à 10 000 dimensions. Ces objets mathématiques et l'algèbre pour les manipuler sont suffisamment flexibles et puissants pour amener l'informatique moderne au-delà de certaines de ses limites actuelles et favoriser une nouvelle approche de l'intelligence artificielle.

"C'est ce qui m'a le plus enthousiasmé, pratiquement de toute ma carrière", a déclaré Olshausen. Pour lui et pour beaucoup d'autres, l'informatique hyperdimensionnelle promet un nouveau monde dans lequel l'informatique est efficace et robuste, et les décisions prises par les machines sont entièrement transparentes.

Entrez dans les espaces de grande dimension

Pour comprendre comment les hypervecteurs rendent le calcul possible, revenons aux images avec des cercles rouges et des carrés bleus. Nous avons d'abord besoin de vecteurs pour représenter les variables SHAPE et COLOR. Ensuite, nous avons également besoin de vecteurs pour les valeurs pouvant être affectées aux variables : CERCLE, CARRÉ, BLEU et ROUGE.

Les vecteurs doivent être distincts. Cette distinction peut être quantifiée par une propriété appelée orthogonalité, ce qui signifie être à angle droit. Dans l'espace 3D, il existe trois vecteurs orthogonaux entre eux : un dans la direction x , un autre dans la direction y et un troisième dans la direction z . Dans un espace à 10 000 dimensions, il existe 10 000 vecteurs mutuellement orthogonaux.

Mais si nous permettons aux vecteurs d'être presque orthogonaux, le nombre de ces vecteurs distincts dans un espace de grande dimension explose. Dans un espace à 10 000 dimensions, il existe des millions de vecteurs presque orthogonaux.

Créons maintenant des vecteurs distincts pour représenter FORME, COULEUR, CERCLE, CARRÉ, BLEU et ROUGE. Parce qu'il y a tellement de vecteurs presque orthogonaux possibles dans un espace de grande dimension, vous pouvez simplement assigner six vecteurs aléatoires pour représenter les six éléments ; ils sont presque garantis d'être presque orthogonaux. "La facilité de créer des vecteurs presque orthogonaux est une raison majeure d'utiliser la représentation hyperdimensionnelle", a écrit Pentti Kanerva , chercheur au Redwood Center for Theoretical Neuroscience de l'Université de Californie à Berkeley, dans un article influent de 2009.

L'article s'appuyait sur des travaux effectués au milieu des années 1990 par Kanerva et Tony Plate, alors étudiant au doctorat avec Geoff Hinton à l'Université de Toronto. Les deux ont développé indépendamment l'algèbre pour manipuler les hypervecteurs et ont fait allusion à son utilité pour le calcul en haute dimension.

Étant donné nos hypervecteurs pour les formes et les couleurs, le système développé par Kanerva et Plate nous montre comment les manipuler à l'aide de certaines opérations mathématiques. Ces actions correspondent à des manières de manipuler symboliquement des concepts.

La première opération est la multiplication. C'est une façon de combiner les idées. Par exemple, multiplier le vecteur FORME par le vecteur CERCLE lie les deux en une représentation de l'idée "LA FORME est CERCLE". Ce nouveau vecteur "lié" est presque orthogonal à la fois à SHAPE et à CIRCLE. Et les composants individuels sont récupérables - une caractéristique importante si vous souhaitez extraire des informations à partir de vecteurs liés. Étant donné un vecteur lié qui représente votre Volkswagen, vous pouvez dissocier et récupérer le vecteur pour sa couleur : VIOLET.

La deuxième opération, l'addition, crée un nouveau vecteur qui représente ce qu'on appelle une superposition de concepts. Par exemple, vous pouvez prendre deux vecteurs liés, "SHAPE is CIRCLE" et "COLOR is RED", et les additionner pour créer un vecteur qui représente une forme circulaire de couleur rouge. Là encore, le vecteur superposé peut être décomposé en ses constituants.

La troisième opération est la permutation ; cela implique de réorganiser les éléments individuels des vecteurs. Par exemple, si vous avez un vecteur tridimensionnel avec des valeurs étiquetées x , y et z , la permutation peut déplacer la valeur de x vers y , y vers z et z vers x. "La permutation vous permet de construire une structure", a déclaré Kanerva. "Ça permet de gérer des séquences, des choses qui se succèdent." Considérons deux événements, représentés par les hypervecteurs A et B. Nous pouvons les superposer en un seul vecteur, mais cela détruirait les informations sur l'ordre des événements. La combinaison de l'addition et de la permutation préserve l'ordre ; les événements peuvent être récupérés dans l'ordre en inversant les opérations.

Ensemble, ces trois opérations se sont avérées suffisantes pour créer une algèbre formelle d'hypervecteurs permettant un raisonnement symbolique. Mais de nombreux chercheurs ont été lents à saisir le potentiel de l'informatique hyperdimensionnelle, y compris Olshausen. "Cela n'a tout simplement pas été pris en compte", a-t-il déclaré.

Exploiter le pouvoir

En 2015, un étudiant d'Olshausen nommé Eric Weiss a démontré un aspect des capacités uniques de l'informatique hyperdimensionnelle. Weiss a compris comment représenter une image complexe comme un seul vecteur hyperdimensionnel contenant des informations sur tous les objets de l'image, y compris leurs propriétés, telles que les couleurs, les positions et les tailles.

"Je suis pratiquement tombé de ma chaise", a déclaré Olshausen. "Tout d'un coup, l'ampoule s'est allumée."

Bientôt, d'autres équipes ont commencé à développer des algorithmes hyperdimensionnels pour reproduire des tâches simples que les réseaux de neurones profonds avaient commencé à effectuer environ deux décennies auparavant, comme la classification d'images.

Considérons un ensemble de données annotées composé d'images de chiffres manuscrits. Un algorithme analyse les caractéristiques de chaque image en utilisant un schéma prédéterminé. Il crée ensuite un hypervecteur pour chaque image. Ensuite, l'algorithme ajoute les hypervecteurs pour toutes les images de zéro pour créer un hypervecteur pour l'idée de zéro. Il fait ensuite la même chose pour tous les chiffres, créant 10 hypervecteurs "de classe", un pour chaque chiffre.

Maintenant, l'algorithme reçoit une image non étiquetée. Il crée un hypervecteur pour cette nouvelle image, puis compare l'hypervecteur aux hypervecteurs de classe stockés. Cette comparaison détermine le chiffre auquel la nouvelle image ressemble le plus.

Pourtant, ce n'est que le début. Les points forts de l'informatique hyperdimensionnelle résident dans la capacité de composer et de décomposer des hypervecteurs pour le raisonnement. La dernière démonstration en date a eu lieu en mars, lorsqu'Abbas Rahimi et ses collègues d'IBM Research à Zurich ont utilisé l'informatique hyperdimensionnelle avec des réseaux de neurones pour résoudre un problème classique de raisonnement visuel abstrait - un défi important pour les RNA typiques, et même certains humains. Connu sous le nom de matrices progressives de Raven, le problème présente des images d'objets géométriques dans, disons, une grille 3 par 3. Une position dans la grille est vide. Le sujet doit choisir, parmi un ensemble d'images candidates, l'image qui correspond le mieux au blanc.

"Nous avons dit:" C'est vraiment ... l'exemple qui tue pour le raisonnement abstrait visuel, allons-y "", a déclaré Rahimi.

Pour résoudre le problème à l'aide de l'informatique hyperdimensionnelle, l'équipe a d'abord créé un dictionnaire d'hypervecteurs pour représenter les objets dans chaque image ; chaque hypervecteur du dictionnaire représente un objet et une combinaison de ses attributs. L'équipe a ensuite formé un réseau de neurones pour examiner une image et générer un hypervecteur bipolaire - un élément peut être +1 ou -1 - aussi proche que possible d'une superposition d'hypervecteurs dans le dictionnaire ; l'hypervecteur généré contient donc des informations sur tous les objets et leurs attributs dans l'image. "Vous guidez le réseau de neurones vers un espace conceptuel significatif", a déclaré Rahimi.

Une fois que le réseau a généré des hypervecteurs pour chacune des images de contexte et pour chaque candidat pour l'emplacement vide, un autre algorithme analyse les hypervecteurs pour créer des distributions de probabilité pour le nombre d'objets dans chaque image, leur taille et d'autres caractéristiques. Ces distributions de probabilité, qui parlent des caractéristiques probables à la fois du contexte et des images candidates, peuvent être transformées en hypervecteurs, permettant l'utilisation de l'algèbre pour prédire l'image candidate la plus susceptible de remplir l'emplacement vacant.

Leur approche était précise à près de 88 % sur un ensemble de problèmes, tandis que les solutions de réseau neuronal uniquement étaient précises à moins de 61 %. L'équipe a également montré que, pour les grilles 3 par 3, leur système était presque 250 fois plus rapide qu'une méthode traditionnelle qui utilise des règles de logique symbolique pour raisonner, car cette méthode doit parcourir un énorme livre de règles pour déterminer la bonne prochaine étape.

Un début prometteur

Non seulement l'informatique hyperdimensionnelle nous donne le pouvoir de résoudre symboliquement des problèmes, mais elle résout également certains problèmes épineux de l'informatique traditionnelle. Les performances des ordinateurs d'aujourd'hui se dégradent rapidement si les erreurs causées, par exemple, par un retournement de bit aléatoire (un 0 devient 1 ou vice versa) ne peuvent pas être corrigées par des mécanismes de correction d'erreurs intégrés. De plus, ces mécanismes de correction d'erreurs peuvent imposer une pénalité sur les performances allant jusqu'à 25 %, a déclaré Xun Jiao , informaticien à l'Université de Villanova.

Le calcul hyperdimensionnel tolère mieux les erreurs, car même si un hypervecteur subit un nombre important de retournements de bits aléatoires, il reste proche du vecteur d'origine. Cela implique que tout raisonnement utilisant ces vecteurs n'est pas significativement impacté face aux erreurs. L'équipe de Jiao a montré que ces systèmes sont au moins 10 fois plus tolérants aux pannes matérielles que les ANN traditionnels, qui sont eux-mêmes des ordres de grandeur plus résistants que les architectures informatiques traditionnelles. "Nous pouvons tirer parti de toute [cette] résilience pour concevoir du matériel efficace", a déclaré Jiao.

Un autre avantage de l'informatique hyperdimensionnelle est la transparence : l'algèbre vous indique clairement pourquoi le système a choisi la réponse qu'il a choisie. Il n'en va pas de même pour les réseaux de neurones traditionnels. Olshausen, Rahimi et d'autres développent des systèmes hybrides dans lesquels les réseaux de neurones cartographient les éléments du monde physique en hypervecteurs, puis l'algèbre hyperdimensionnelle prend le relais. "Des choses comme le raisonnement analogique vous tombent dessus", a déclaré Olshausen. "C'est ce que nous devrions attendre de tout système d'IA. Nous devrions pouvoir le comprendre comme nous comprenons un avion ou un téléviseur.

Tous ces avantages par rapport à l'informatique traditionnelle suggèrent que l'informatique hyperdimensionnelle est bien adaptée à une nouvelle génération de matériel extrêmement robuste et à faible consommation d'énergie. Il est également compatible avec les "systèmes informatiques en mémoire", qui effectuent le calcul sur le même matériel qui stocke les données (contrairement aux ordinateurs von Neumann existants qui transfèrent inefficacement les données entre la mémoire et l'unité centrale de traitement). Certains de ces nouveaux appareils peuvent être analogiques, fonctionnant à très basse tension, ce qui les rend économes en énergie mais également sujets aux bruits aléatoires. Pour l'informatique de von Neumann, ce caractère aléatoire est "le mur que vous ne pouvez pas franchir", a déclaré Olshausen. Mais avec l'informatique hyperdimensionnelle, "vous pouvez simplement percer".

Malgré ces avantages, l'informatique hyperdimensionnelle en est encore à ses balbutiements. "Il y a un vrai potentiel ici", a déclaré Fermüller. Mais elle souligne qu'il doit encore être testé contre des problèmes du monde réel et à des échelles plus grandes, plus proches de la taille des réseaux de neurones modernes.

"Pour les problèmes à grande échelle, cela nécessite un matériel très efficace", a déclaré Rahimi. "Par exemple, comment [faites-vous] une recherche efficace sur plus d'un milliard d'articles ?"

Tout cela devrait venir avec le temps, a déclaré Kanerva. "Il y a d'autres secrets [que] les espaces de grande dimension détiennent", a-t-il déclaré. "Je vois cela comme le tout début du temps pour le calcul avec des vecteurs."

Auteur: Ananthaswamy Anil

Info: https://www.quantamagazine.org/ Mais 2023

[ machine learning ]

symphonie des équations

Des " murmurations " de courbe elliptique découvertes grâce à l'IA prennent leur envol

Les mathématiciens s’efforcent d’expliquer pleinement les comportements inhabituels découverts grâce à l’intelligence artificielle.

(photo - sous le bon angle les courbes elliptiques peuvent se rassembler comme les grands essaims d'oiseaux.)

Les courbes elliptiques font partie des objets les plus séduisants des mathématiques modernes. Elle ne semblent pas compliqués, mais  forment une voie express entre les mathématiques que beaucoup de gens apprennent au lycée et les mathématiques de recherche dans leur forme la plus abstruse. Elles étaient au cœur de la célèbre preuve du dernier théorème de Fermat réalisée par Andrew Wiles dans les années 1990. Ce sont des outils clés de la cryptographie moderne. Et en 2000, le Clay Mathematics Institute a désigné une conjecture sur les statistiques des courbes elliptiques comme l'un des sept " problèmes du prix du millénaire ", chacun d'entre eux étant récompensé d'un million de dollars pour sa solution. Cette hypothèse, formulée pour la première fois par Bryan Birch et Peter Swinnerton-Dyer dans les années 1960, n'a toujours pas été prouvée.

Comprendre les courbes elliptiques est une entreprise aux enjeux élevés qui est au cœur des mathématiques. Ainsi, en 2022, lorsqu’une collaboration transatlantique a utilisé des techniques statistiques et l’intelligence artificielle pour découvrir des modèles complètement inattendus dans les courbes elliptiques, cela a été une contribution bienvenue, bien qu’inattendue. "Ce n'était qu'une question de temps avant que l'apprentissage automatique arrive à notre porte avec quelque chose d'intéressant", a déclaré Peter Sarnak , mathématicien à l'Institute for Advanced Study et à l'Université de Princeton. Au départ, personne ne pouvait expliquer pourquoi les modèles nouvellement découverts existaient. Depuis lors, dans une série d’articles récents, les mathématiciens ont commencé à élucider les raisons derrière ces modèles, surnommés " murmures " en raison de leur ressemblance avec les formes fluides des étourneaux en troupeaux, et ont commencé à prouver qu’ils ne doivent pas se produire uniquement dans des cas particuliers. exemples examinés en 2022, mais dans les courbes elliptiques plus généralement.

L'importance d'être elliptique

Pour comprendre ces modèles, il faut jeter les bases de ce que sont les courbes elliptiques et de la façon dont les mathématiciens les catégorisent.

Une courbe elliptique relie le carré d'une variable, communément écrite comme y , à la troisième puissance d'une autre, communément écrite comme x : y 2  =  x 3  + Ax + B , pour une paire de nombres A et B , tant que A et B remplissent quelques conditions simples. Cette équation définit une courbe qui peut être représentée graphiquement sur le plan, comme indiqué ci-dessous. (Photo : malgré la similitude des noms, une ellipse n'est pas une courbe elliptique.)

Introduction

Bien qu’elles semblent simples, les courbes elliptiques s’avèrent être des outils incroyablement puissants pour les théoriciens des nombres – les mathématiciens qui recherchent des modèles dans les nombres entiers. Au lieu de laisser les variables x et y s'étendre sur tous les nombres, les mathématiciens aiment les limiter à différents systèmes numériques, ce qu'ils appellent définir une courbe " sur " un système numérique donné. Les courbes elliptiques limitées aux nombres rationnels – nombres qui peuvent être écrits sous forme de fractions – sont particulièrement utiles. "Les courbes elliptiques sur les nombres réels ou complexes sont assez ennuyeuses", a déclaré Sarnak. "Seuls les nombres rationnels sont profonds."

Voici une façon qui est vraie. Si vous tracez une ligne droite entre deux points rationnels sur une courbe elliptique, l’endroit où cette ligne coupe à nouveau la courbe sera également rationnel. Vous pouvez utiliser ce fait pour définir " addition " dans une courbe elliptique, comme indiqué ci-dessous. 

(Photo -  Tracez une ligne entre P et Q . Cette ligne coupera la courbe en un troisième point, R . (Les mathématiciens ont une astuce spéciale pour gérer le cas où la ligne ne coupe pas la courbe en ajoutant un " point à l'infini ".) La réflexion de R sur l' axe des x est votre somme P + Q . Avec cette opération d'addition, toutes les solutions de la courbe forment un objet mathématique appelé groupe.)

Les mathématiciens l'utilisent pour définir le " rang " d'une courbe. Le rang d'une courbe est lié au nombre de solutions rationnelles dont elle dispose. Les courbes de rang 0 ont un nombre fini de solutions. Les courbes de rang supérieur ont un nombre infini de solutions dont la relation les unes avec les autres à l'aide de l'opération d'addition est décrite par le rang.

Les classements (rankings) ne sont pas bien compris ; les mathématiciens n'ont pas toujours le moyen de les calculer et ne savent pas quelle taille ils peuvent atteindre. (Le plus grand rang exact connu pour une courbe spécifique est 20.) Des courbes d'apparence similaire peuvent avoir des rangs complètement différents.

Les courbes elliptiques ont aussi beaucoup à voir avec les nombres premiers, qui ne sont divisibles que par 1 et par eux-mêmes. En particulier, les mathématiciens examinent les courbes sur des corps finis – des systèmes d’arithmétique cyclique définis pour chaque nombre premier. Un corps fini est comme une horloge dont le nombre d'heures est égal au nombre premier : si vous continuez à compter vers le haut, les nombres recommencent. Dans le corps fini de 7, par exemple, 5 plus 2 est égal à zéro et 5 plus 3 est égal à 1.

(Photo : Les motifs formés par des milliers de courbes elliptiques présentent une similitude frappante avec les murmures des étourneaux.)

Une courbe elliptique est associée à une séquence de nombres, appelée a p , qui se rapporte au nombre de solutions qu'il existe à la courbe dans le corps fini défini par le nombre premier p . Un p plus petit signifie plus de solutions ; un p plus grand signifie moins de solutions. Bien que le rang soit difficile à calculer, la séquence a p est beaucoup plus simple.

Sur la base de nombreux calculs effectués sur l'un des tout premiers ordinateurs, Birch et Swinnerton-Dyer ont conjecturé une relation entre le rang d'une courbe elliptique et la séquence a p . Quiconque peut prouver qu’il avait raison gagnera un million de dollars et l’immortalité mathématique.

Un modèle surprise émerge

Après le début de la pandémie, Yang-Hui He , chercheur au London Institute for Mathematical Sciences, a décidé de relever de nouveaux défis. Il avait étudié la physique à l'université et avait obtenu son doctorat en physique mathématique du Massachusetts Institute of Technology. Mais il s'intéressait de plus en plus à la théorie des nombres et, étant donné les capacités croissantes de l'intelligence artificielle, il pensait essayer d'utiliser l'IA comme un outil permettant de trouver des modèles inattendus dans les nombres. (Il avait déjà utilisé l'apprentissage automatique pour classifier les variétés de Calabi-Yau , des structures mathématiques largement utilisées en théorie des cordes.

(Photo ) Lorsque Kyu-Hwan Lee (à gauche) et Thomas Oliver (au centre) ont commencé à travailler avec Yang-Hui He (à droite) pour utiliser l'intelligence artificielle afin de trouver des modèles mathématiques, ils s'attendaient à ce que ce soit une plaisanterie plutôt qu'un effort qui mènerait à de nouveaux découvertes. De gauche à droite : Grace Lee ; Sophie Olivier ; gracieuseté de Yang-Hui He.

En août 2020, alors que la pandémie s'aggravait, l'Université de Nottingham l'a accueilli pour une conférence en ligne . Il était pessimiste quant à ses progrès et quant à la possibilité même d’utiliser l’apprentissage automatique pour découvrir de nouvelles mathématiques. "Son récit était que la théorie des nombres était difficile parce qu'on ne pouvait pas apprendre automatiquement des choses en théorie des nombres", a déclaré Thomas Oliver , un mathématicien de l'Université de Westminster, présent dans le public. Comme il se souvient : " Je n'ai rien trouvé parce que je n'étais pas un expert. Je n’utilisais même pas les bons éléments pour examiner cela."

Oliver et Kyu-Hwan Lee , mathématicien à l'Université du Connecticut, ont commencé à travailler avec He. "Nous avons décidé de faire cela simplement pour apprendre ce qu'était l'apprentissage automatique, plutôt que pour étudier sérieusement les mathématiques", a déclaré Oliver. "Mais nous avons rapidement découvert qu'il était possible d'apprendre beaucoup de choses par machine."

Oliver et Lee lui ont suggéré d'appliquer ses techniques pour examiner les fonctions L , des séries infinies étroitement liées aux courbes elliptiques à travers la séquence a p . Ils pourraient utiliser une base de données en ligne de courbes elliptiques et de leurs fonctions L associées , appelée LMFDB , pour former leurs classificateurs d'apprentissage automatique. À l’époque, la base de données contenait un peu plus de 3 millions de courbes elliptiques sur les rationnels. En octobre 2020, ils avaient publié un article utilisant les informations glanées à partir des fonctions L pour prédire une propriété particulière des courbes elliptiques. En novembre, ils ont partagé un autre article utilisant l’apprentissage automatique pour classer d’autres objets en théorie des nombres. En décembre, ils étaient capables de prédire les rangs des courbes elliptiques avec une grande précision.

Mais ils ne savaient pas vraiment pourquoi leurs algorithmes d’apprentissage automatique fonctionnaient si bien. Lee a demandé à son étudiant de premier cycle Alexey Pozdnyakov de voir s'il pouvait comprendre ce qui se passait. En l’occurrence, la LMFDB trie les courbes elliptiques en fonction d’une quantité appelée conducteur, qui résume les informations sur les nombres premiers pour lesquels une courbe ne se comporte pas correctement. Pozdnyakov a donc essayé d’examiner simultanément un grand nombre de courbes comportant des conducteurs similaires – disons toutes les courbes comportant entre 7 500 et 10 000 conducteurs.

Cela représente environ 10 000 courbes au total. Environ la moitié d'entre eux avaient le rang 0 et l'autre moitié le rang 1. (Les rangs supérieurs sont extrêmement rares.) Il a ensuite fait la moyenne des valeurs de a p pour toutes les courbes de rang 0, a fait la moyenne séparément de a p pour toutes les courbes de rang 1 et a tracé la résultats. Les deux ensembles de points formaient deux vagues distinctes et facilement discernables. C’est pourquoi les classificateurs d’apprentissage automatique ont été capables de déterminer correctement le rang de courbes particulières.

" Au début, j'étais simplement heureux d'avoir terminé ma mission", a déclaré Pozdnyakov. "Mais Kyu-Hwan a immédiatement reconnu que ce schéma était surprenant, et c'est à ce moment-là qu'il est devenu vraiment excitant."

Lee et Oliver étaient captivés. "Alexey nous a montré la photo et j'ai dit qu'elle ressemblait à ce que font les oiseaux", a déclaré Oliver. "Et puis Kyu-Hwan l'a recherché et a dit que cela s'appelait une murmuration, puis Yang a dit que nous devrions appeler le journal ' Murmurations de courbes elliptiques '."

Ils ont mis en ligne leur article en avril 2022 et l’ont transmis à une poignée d’autres mathématiciens, s’attendant nerveusement à se faire dire que leur soi-disant « découverte » était bien connue. Oliver a déclaré que la relation était si visible qu'elle aurait dû être remarquée depuis longtemps.

Presque immédiatement, la prépublication a suscité l'intérêt, en particulier de la part d' Andrew Sutherland , chercheur scientifique au MIT et l'un des rédacteurs en chef de la LMFDB. Sutherland s'est rendu compte que 3 millions de courbes elliptiques n'étaient pas suffisantes pour atteindre ses objectifs. Il voulait examiner des gammes de conducteurs beaucoup plus larges pour voir à quel point les murmures étaient robustes. Il a extrait des données d’un autre immense référentiel d’environ 150 millions de courbes elliptiques. Toujours insatisfait, il a ensuite extrait les données d'un autre référentiel contenant 300 millions de courbes.

"Mais même cela ne suffisait pas, j'ai donc calculé un nouvel ensemble de données de plus d'un milliard de courbes elliptiques, et c'est ce que j'ai utilisé pour calculer les images à très haute résolution", a déclaré Sutherland. Les murmures indiquaient s'il effectuait en moyenne plus de 15 000 courbes elliptiques à la fois ou un million à la fois. La forme est restée la même alors qu’il observait les courbes sur des nombres premiers de plus en plus grands, un phénomène appelé invariance d’échelle. Sutherland s'est également rendu compte que les murmures ne sont pas propres aux courbes elliptiques, mais apparaissent également dans des fonctions L plus générales . Il a écrit une lettre résumant ses découvertes et l'a envoyée à Sarnak et Michael Rubinstein de l'Université de Waterloo.

"S'il existe une explication connue, j'espère que vous la connaîtrez", a écrit Sutherland.

Ils ne l'ont pas fait.

Expliquer le modèle

Lee, He et Oliver ont organisé un atelier sur les murmurations en août 2023 à l'Institut de recherche informatique et expérimentale en mathématiques (ICERM) de l'Université Brown. Sarnak et Rubinstein sont venus, tout comme l'étudiante de Sarnak, Nina Zubrilina .

LA THÉORIE DU NOMBRE

Zubrilina a présenté ses recherches sur les modèles de murmuration dans des formes modulaires , des fonctions complexes spéciales qui, comme les courbes elliptiques, sont associées à des fonctions L. Dans les formes modulaires dotées de grands conducteurs, les murmurations convergent vers une courbe nettement définie, plutôt que de former un motif perceptible mais dispersé. Dans un article publié le 11 octobre 2023, Zubrilina a prouvé que ce type de murmuration suit une formule explicite qu'elle a découverte.

" La grande réussite de Nina est qu'elle lui a donné une formule pour cela ; Je l’appelle la formule de densité de murmuration Zubrilina ", a déclaré Sarnak. "En utilisant des mathématiques très sophistiquées, elle a prouvé une formule exacte qui correspond parfaitement aux données."

Sa formule est compliquée, mais Sarnak la salue comme un nouveau type de fonction important, comparable aux fonctions d'Airy qui définissent des solutions aux équations différentielles utilisées dans divers contextes en physique, allant de l'optique à la mécanique quantique.

Bien que la formule de Zubrilina ait été la première, d'autres ont suivi. "Chaque semaine maintenant, un nouvel article sort", a déclaré Sarnak, "utilisant principalement les outils de Zubrilina, expliquant d'autres aspects des murmurations."

(Photo - Nina Zubrilina, qui est sur le point de terminer son doctorat à Princeton, a prouvé une formule qui explique les schémas de murmuration.)

Jonathan Bober , Andrew Booker et Min Lee de l'Université de Bristol, ainsi que David Lowry-Duda de l'ICERM, ont prouvé l'existence d'un type différent de murmuration sous des formes modulaires dans un autre article d'octobre . Et Kyu-Hwan Lee, Oliver et Pozdnyakov ont prouvé l'existence de murmures dans des objets appelés caractères de Dirichlet qui sont étroitement liés aux fonctions L.

Sutherland a été impressionné par la dose considérable de chance qui a conduit à la découverte des murmurations. Si les données de la courbe elliptique n'avaient pas été classées par conducteur, les murmures auraient disparu. "Ils ont eu la chance de récupérer les données de la LMFDB, qui étaient pré-triées selon le chef d'orchestre", a-t-il déclaré. « C'est ce qui relie une courbe elliptique à la forme modulaire correspondante, mais ce n'est pas du tout évident. … Deux courbes dont les équations semblent très similaires peuvent avoir des conducteurs très différents. Par exemple, Sutherland a noté que y 2 = x 3 – 11 x + 6 a un conducteur 17, mais en retournant le signe moins en signe plus, y 2 = x 3  + 11 x + 6 a un conducteur 100 736.

Même alors, les murmures n'ont été découverts qu'en raison de l'inexpérience de Pozdniakov. "Je ne pense pas que nous l'aurions trouvé sans lui", a déclaré Oliver, "parce que les experts normalisent traditionnellement a p pour avoir une valeur absolue de 1. Mais il ne les a pas normalisés… donc les oscillations étaient très importantes et visibles."

Les modèles statistiques que les algorithmes d’IA utilisent pour trier les courbes elliptiques par rang existent dans un espace de paramètres comportant des centaines de dimensions – trop nombreuses pour que les gens puissent les trier dans leur esprit, et encore moins les visualiser, a noté Oliver. Mais même si l’apprentissage automatique a découvert les oscillations cachées, " ce n’est que plus tard que nous avons compris qu’il s’agissait de murmures ".



 

Auteur: Internet

Info: Paul Chaikin pour Quanta Magazine, 5 mars 2024 - https://www.quantamagazine.org/elliptic-curve-murmurations-found-with-ai-take-flight-20240305/?mc_cid=797b7d1aad&mc_eid=78bedba296

[ résonance des algorithmes ] [ statistiques en mouvement ] [ chants des fractales ] [ bancs de poissons ]