{"id":9823,"date":"2024-01-21T10:43:49","date_gmt":"2024-01-21T08:43:49","guid":{"rendered":"https:\/\/toukiela.com\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/"},"modified":"2024-01-21T10:43:50","modified_gmt":"2024-01-21T08:43:50","slug":"la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable","status":"publish","type":"post","link":"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/","title":{"rendered":"La derni\u00e8re IA de DeepMind r\u00e9sout les probl\u00e8mes de g\u00e9om\u00e9trie de mani\u00e8re incroyable !"},"content":{"rendered":"<p><em><\/em><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_82_2 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Sommaire<\/p>\n<label for=\"ez-toc-cssicon-toggle-item-69f1d95cafe00\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-69f1d95cafe00\"  aria-label=\"Alternar\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#DeepMind_devoile_AlphaGeometry_un_systeme_dIA_qui_resout_des_problemes_de_geometrie\" >DeepMind d\u00e9voile AlphaGeometry, un syst\u00e8me d\u2019IA qui r\u00e9sout des probl\u00e8mes de g\u00e9om\u00e9trie<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#Pourquoi_se_concentrer_sur_la_geometrie\" >Pourquoi se concentrer sur la g\u00e9om\u00e9trie ?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#Les_defis_de_lentrainement_dun_systeme_dIA_pour_resoudre_des_problemes_de_geometrie\" >Les d\u00e9fis de l\u2019entra\u00eenement d\u2019un syst\u00e8me d\u2019IA pour r\u00e9soudre des probl\u00e8mes de g\u00e9om\u00e9trie<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#La_conception_dAlphaGeometry\" >La conception d\u2019AlphaGeometry<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#Le_debat_sur_les_approches_symboliques_et_neuronales\" >Le d\u00e9bat sur les approches symboliques et neuronales<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/toukiela.com\/es\/la-derniere-ia-de-deepmind-resout-les-problemes-de-geometrie-de-maniere-incroyable\/#AlphaGeometry_une_approche_hybride_symbolique-neuronale\" >AlphaGeometry : une approche hybride symbolique-neuronale<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"DeepMind_devoile_AlphaGeometry_un_systeme_dIA_qui_resout_des_problemes_de_geometrie\"><\/span>DeepMind d\u00e9voile AlphaGeometry, un syst\u00e8me d\u2019IA qui r\u00e9sout des probl\u00e8mes de g\u00e9om\u00e9trie<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>DeepMind, le laboratoire de recherche en IA de Google, pense que la cl\u00e9 de syst\u00e8mes d\u2019IA plus performants pourrait r\u00e9sider dans la d\u00e9couverte de nouvelles fa\u00e7ons de r\u00e9soudre des probl\u00e8mes de g\u00e9om\u00e9trie complexes.<\/p>\n<p><\/p>\n<p>Ainsi, DeepMind a d\u00e9voil\u00e9 aujourd\u2019hui AlphaGeometry \u2013 un syst\u00e8me qui, selon le laboratoire, peut r\u00e9soudre autant de probl\u00e8mes de g\u00e9om\u00e9trie qu\u2019un m\u00e9daill\u00e9 d\u2019or moyen de l\u2019Olympiade internationale de math\u00e9matiques. Le code source d\u2019AlphaGeometry a \u00e9t\u00e9 rendu public ce matin et ce syst\u00e8me r\u00e9sout 25 probl\u00e8mes de g\u00e9om\u00e9trie de l\u2019Olympiade dans les d\u00e9lais impartis, surpassant ainsi les 10 probl\u00e8mes r\u00e9solus par le syst\u00e8me pr\u00e9c\u00e9dent, \u00e0 la pointe de la technologie.<\/p>\n<p><\/p>\n<p>\u00ab\u00a0R\u00e9soudre des probl\u00e8mes de g\u00e9om\u00e9trie de niveau Olympiade est une \u00e9tape importante dans le d\u00e9veloppement du raisonnement math\u00e9matique approfondi sur la voie de syst\u00e8mes d\u2019IA plus avanc\u00e9s et plus g\u00e9n\u00e9raux\u00a0\u00bb, ont \u00e9crit Trieu Trinh et Thang Luong, chercheurs en IA chez Google, dans un article de blog publi\u00e9 ce matin. \u00ab\u00a0[Nous] esp\u00e9rons que \u2026 AlphaGeometry ouvre de nouvelles possibilit\u00e9s dans les domaines des math\u00e9matiques, de la science et de l\u2019IA.\u00a0\u00bb<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Pourquoi_se_concentrer_sur_la_geometrie\"><\/span>Pourquoi se concentrer sur la g\u00e9om\u00e9trie ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>DeepMind affirme que prouver des th\u00e9or\u00e8mes math\u00e9matiques, ou expliquer logiquement pourquoi un th\u00e9or\u00e8me (comme le th\u00e9or\u00e8me de Pythagore) est vrai, n\u00e9cessite \u00e0 la fois du raisonnement et la capacit\u00e9 de choisir parmi une gamme d\u2019\u00e9tapes possibles vers une solution. Cette approche de r\u00e9solution de probl\u00e8mes pourrait, si DeepMind a raison, s\u2019av\u00e9rer utile dans les syst\u00e8mes d\u2019IA \u00e0 usage g\u00e9n\u00e9ral.<\/p>\n<p><\/p>\n<p>\u00ab\u00a0D\u00e9montrer qu\u2019une conjecture particuli\u00e8re est vraie ou fausse met \u00e0 l\u2019\u00e9preuve les capacit\u00e9s m\u00eame des syst\u00e8mes d\u2019IA les plus avanc\u00e9s aujourd\u2019hui\u00a0\u00bb, indiquent les documents de presse de DeepMind partag\u00e9s avec nous. \u00ab\u00a0Dans cette optique, \u00eatre capable de prouver des th\u00e9or\u00e8mes math\u00e9matiques\u2026 est une \u00e9tape importante car cela d\u00e9montre la ma\u00eetrise du raisonnement logique et la capacit\u00e9 \u00e0 d\u00e9couvrir de nouvelles connaissances.\u00a0\u00bb<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Les_defis_de_lentrainement_dun_systeme_dIA_pour_resoudre_des_problemes_de_geometrie\"><\/span>Les d\u00e9fis de l\u2019entra\u00eenement d\u2019un syst\u00e8me d\u2019IA pour r\u00e9soudre des probl\u00e8mes de g\u00e9om\u00e9trie<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>Former un syst\u00e8me d\u2019IA \u00e0 r\u00e9soudre des probl\u00e8mes de g\u00e9om\u00e9trie pose des d\u00e9fis uniques.<\/p>\n<p><\/p>\n<p>En raison des complexit\u00e9s de la traduction des preuves en un format compr\u00e9hensible par les machines, il y a un manque de donn\u00e9es d\u2019entra\u00eenement en g\u00e9om\u00e9trie utilisables. De plus, de nombreux mod\u00e8les d\u2019IA g\u00e9n\u00e9ratifs de pointe d\u2019aujourd\u2019hui, bien qu\u2019exceptionnels pour identifier des sch\u00e9mas et des relations dans les donn\u00e9es, manquent de la capacit\u00e9 de raisonner logiquement \u00e0 travers des th\u00e9or\u00e8mes.<\/p>\n<p><\/p>\n<p>La solution de DeepMind \u00e9tait double.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"La_conception_dAlphaGeometry\"><\/span>La conception d\u2019AlphaGeometry<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>Pour concevoir AlphaGeometry, le laboratoire a associ\u00e9 un mod\u00e8le de \u00ab\u00a0langage neuronal\u00a0\u00bb \u2013 un mod\u00e8le architecturalement similaire \u00e0 ChatGPT \u2013 \u00e0 un \u00ab\u00a0moteur de d\u00e9duction symbolique\u00a0\u00bb, un moteur qui utilise des r\u00e8gles (par exemple, des r\u00e8gles math\u00e9matiques) pour d\u00e9duire des solutions aux probl\u00e8mes. Les moteurs symboliques peuvent \u00eatre rigides et lents, surtout lorsqu\u2019ils traitent des ensembles de donn\u00e9es volumineux ou complexes. Mais DeepMind a att\u00e9nu\u00e9 ces probl\u00e8mes en permettant au mod\u00e8le neuronal de \u00ab\u00a0guider\u00a0\u00bb le moteur de d\u00e9duction \u00e0 travers les r\u00e9ponses possibles aux probl\u00e8mes de g\u00e9om\u00e9trie donn\u00e9s.<\/p>\n<p><\/p>\n<p>\u00c0 d\u00e9faut de donn\u00e9es d\u2019entra\u00eenement, DeepMind a cr\u00e9\u00e9 ses propres donn\u00e9es synth\u00e9tiques, g\u00e9n\u00e9rant 100 millions de \u00ab\u00a0th\u00e9or\u00e8mes synth\u00e9tiques\u00a0\u00bb et de preuves de complexit\u00e9 variable. Le laboratoire a ensuite entra\u00een\u00e9 AlphaGeometry \u00e0 partir de z\u00e9ro sur les donn\u00e9es synth\u00e9tiques et l\u2019a \u00e9valu\u00e9 sur des probl\u00e8mes de g\u00e9om\u00e9trie de l\u2019Olympiade.<\/p>\n<p><\/p>\n<p>Les probl\u00e8mes de g\u00e9om\u00e9trie de l\u2019Olympiade sont bas\u00e9s sur des diagrammes auxquels il faut ajouter des \u00ab\u00a0constructions\u00a0\u00bb avant de pouvoir les r\u00e9soudre, telles que des points, des lignes ou des cercles. Appliqu\u00e9 \u00e0 ces probl\u00e8mes, le mod\u00e8le neuronal d\u2019AlphaGeometry pr\u00e9dit quelles constructions pourraient \u00eatre utiles \u00e0 ajouter \u2013 des pr\u00e9dictions que le moteur symbolique d\u2019AlphaGeometry utilise pour faire des d\u00e9ductions sur les diagrammes afin d\u2019identifier des solutions similaires.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Le_debat_sur_les_approches_symboliques_et_neuronales\"><\/span>Le d\u00e9bat sur les approches symboliques et neuronales<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>Les r\u00e9sultats de la r\u00e9solution de probl\u00e8mes d\u2019AlphaGeometry, qui ont \u00e9t\u00e9 publi\u00e9s dans une \u00e9tude dans la revue Nature cette semaine, sont susceptibles de nourrir le d\u00e9bat de longue date sur la question de savoir si les syst\u00e8mes d\u2019IA doivent \u00eatre construits sur la manipulation de symboles \u2013 c\u2019est-\u00e0-dire la manipulation de symboles qui repr\u00e9sentent des connaissances \u00e0 l\u2019aide de r\u00e8gles \u2013 ou sur les r\u00e9seaux neuronaux, qui sont plus proches du fonctionnement du cerveau.<\/p>\n<p><\/p>\n<p>Les partisans de l\u2019approche des r\u00e9seaux neuronaux soutiennent que le comportement intelligent \u2013 de la reconnaissance vocale \u00e0 la g\u00e9n\u00e9ration d\u2019images \u2013 peut \u00e9merger de rien d\u2019autre que de vastes quantit\u00e9s de donn\u00e9es et de calcul. Par opposition aux syst\u00e8mes symboliques, qui r\u00e9solvent des t\u00e2ches en d\u00e9finissant des ensembles de r\u00e8gles de manipulation de symboles d\u00e9di\u00e9es \u00e0 des t\u00e2ches particuli\u00e8res (comme l\u2019\u00e9dition d\u2019une ligne dans un logiciel de traitement de texte), les r\u00e9seaux neuronaux essaient de r\u00e9soudre des t\u00e2ches par approximation statistique et apprentissage \u00e0 partir d\u2019exemples.<\/p>\n<p><\/p>\n<p>Les r\u00e9seaux neuronaux sont la pierre angulaire de puissants syst\u00e8mes d\u2019IA tels que le DALL-E 3 d\u2019OpenAI et le GPT-4. Mais, selon les partisans de l\u2019IA symbolique, ils ne sont pas la panac\u00e9e ; l\u2019IA symbolique pourrait \u00eatre mieux plac\u00e9e pour encoder efficacement les connaissances du monde, raisonner dans des sc\u00e9narios complexes et \u00ab\u00a0expliquer\u00a0\u00bb comment elle est arriv\u00e9e \u00e0 une r\u00e9ponse.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"AlphaGeometry_une_approche_hybride_symbolique-neuronale\"><\/span>AlphaGeometry : une approche hybride symbolique-neuronale<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><\/p>\n<p>En tant que syst\u00e8me hybride symbolique-r\u00e9seau neuronal similaire \u00e0 AlphaFold 2 et AlphaGo de DeepMind, AlphaGeometry d\u00e9montre peut-\u00eatre que les deux approches \u2013 manipulation de symboles et r\u00e9seaux neuronaux \u2013 combin\u00e9es sont la meilleure voie \u00e0 suivre dans la recherche d\u2019une IA g\u00e9n\u00e9ralisable.<\/p>\n<p><\/p>\n<p>\u00ab\u00a0Notre objectif \u00e0 long terme reste de construire des syst\u00e8mes d\u2019IA capables de g\u00e9n\u00e9raliser dans tous les domaines math\u00e9matiques, en d\u00e9veloppant des capacit\u00e9s de r\u00e9solution de probl\u00e8mes sophistiqu\u00e9es et de raisonnement sur lesquelles les syst\u00e8mes d\u2019IA g\u00e9n\u00e9raux d\u00e9pendront, tout en repoussant les fronti\u00e8res de la connaissance humaine\u00a0\u00bb, \u00e9crivent Trinh et Luong. \u00ab\u00a0Cette approche pourrait fa\u00e7onner la mani\u00e8re dont les syst\u00e8mes d\u2019IA du futur d\u00e9couvrent de nouvelles connaissances, en math\u00e9matiques et au-del\u00e0.\u00a0\u00bb<\/p>\n\n\n","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":9825,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":""},"categories":[608],"tags":[],"class_list":["post-9823","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualite-intelligence-artificielle","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50"],"_links":{"self":[{"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/posts\/9823","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/comments?post=9823"}],"version-history":[{"count":1,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/posts\/9823\/revisions"}],"predecessor-version":[{"id":9824,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/posts\/9823\/revisions\/9824"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/media\/9825"}],"wp:attachment":[{"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/media?parent=9823"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/categories?post=9823"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/toukiela.com\/es\/wp-json\/wp\/v2\/tags?post=9823"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}