Les hommes aussi qu'est-ce qu'ils ont pu me chapitrer sur les hommes, avant même de vouloir m'y assimiler. Tout ce dont je parle, avec quoi je parle c'est d'eux que je le tiens. Moi je veux bien, mais ça ne sert à rien, ça n'en finit pas. C'est de moi maintenant que je dois parler, fût-ce avec leur langage, ce sera un commencement, un pas vers le silence, vers la fin de la folie, celle d'avoir à parler et de ne le pouvoir, sauf de choses qui ne me regardent pas, qui ne comptent pas, auxquelles je ne crois pas, dont ils m'ont gavé pour m'empêcher de dire qui je suis, où je suis, de faire ce que j'ai à faire de la seule manière qui puisse y mettre fin, de faire ce que j'ai à faire. Ils ne doivent pas m'aimer. Ah ils m'ont bien arrangé, mais ils ne m'ont pas eu, pas tout à fait encore. Témoigner pour eux, jusqu'à ce que j'en crève, comme si on pouvait crever à ce jeu-là, voilà ce qu'ils veulent que je fasse. Ne pas pouvoir ouvrir la bouche sans les proclamer, à titre de congénère, voilà ce à quoi ils croient m'avoir réduit. M'avoir collé un langage dont ils s'imaginent que je ne pourrai jamais me servir sans m'avouer de leur tribu, la belle astuce. Je vais le leur arranger, leur charabia. Auquel je n'ai jamais rien compris du reste, pas plus qu'aux histoires qu'il charrie, comme des chiens crevés. Mon incapacité d'absorption, ma faculté d'oubli, ils les ont sous-estimées. Chère incompréhension, c'est à toi que je devrai d'être moi à la fin. Il ne restera bientôt plus rien de leurs bourrages. C'est moi alors que je vomirai enfin, dans des rots retentissants et inodores de famélique, s'achevant dans le coma, un long coma délicieux.

Ce qu’il entend par bien, mon bien, c’est encore une histoire. Il est capable de vouloir que je sois content, ça s’est vu, paraît-il. Ou que je serve à quelque chose. Ou les deux à la fois, dans un méli-mélo incroyable.

Ce médecin s'efforce de créer une IA scientifiquement informée.

En formant des modèles d'apprentissage automatique avec des exemples de sciences fondamentales, Miles Cranmer espère accélérer le rythme des découvertes scientifiques.

La physique a ébloui Miles Cranmer dès son plus jeune âge, il recevait des livres sur le sujet de la part de son grand-père, professeur de physique à l'université de Toronto, et ses parents l'emmenaient à des journées portes ouvertes dans des universités proches de chez eux, dans le sud de l'Ontario, au Canada. L'Institut Perimeter de physique théorique était l'un de ses préférés. "Je me souviens que quelqu'un parlait de l'infini quand j'étais très jeune, et c'était tellement cool pour moi", a déclaré Cranmer. Au lycée, il a fait un stage à l'Institut d'informatique quantique de l'université de Waterloo, " le meilleur été de ma vie à ce moment-là ". Il a rapidement commencé à étudier la physique en tant qu'étudiant de premier cycle à l'université McGill.

Puis, un soir, au cours de sa deuxième année, Cranmer, alors âgé de 19 ans, a lu une interview de Lee Smolin dans Scientific American. qui disait qu'il faudrait " des générations " pour réconcilier la théorie quantique et la relativité. « Cela a déclenché quelque chose dans mon cerveau », a déclaré Cranmer. " Je ne peux pas accepter cela, il faut que ça aille plus vite. " Et pour lui, le seul moyen d'accélérer la chronologie des progrès scientifiques était d'utiliser l'intelligence numérique artificielle. " Cette nuit-là, j'ai décidé : "Nous devons faire de l'IA pour la science." Il a commencé à étudier l'apprentissage automatique , qu'il a finalement fusionné avec ses recherches doctorales en astrophysique à l'université de Princeton.

Près d'une décennie plus tard, Cranmer (aujourd'hui à l'Université de Cambridge) a vu l'IA commencer à transformer la science, mais pas autant qu'il l'imaginait. Des systèmes à usage unique comme AlphaFold peuvent générer des prédictions. scientifiques avec une précision révolutionnaire, mais les chercheurs manquent toujours de " modèles de base " conçus pour la découverte scientifique générale. Ces modèles fonctionneraient davantage comme une version scientifiquement précise de ChatGPT, générant de manière flexible des simulations et des prédictions dans plusieurs domaines de recherche. En 2023, Cranmer et plus de deux douzaines d'autres scientifiques ont lancé l'initiative IA polymathique visant à commencer à développer ces modèles de fondation.

La première étape consiste à doter le modèle des compétences scientifiques qui échappent encore à la plupart des systèmes d'IA de pointe. "Certaines personnes voulaient créer un modèle de langage pour l'astrophysique, mais j'étais vraiment sceptique à ce sujet", se souvient Cranmer. "Si on simule des systèmes fluides massifs, en étant mauvais en traitement numérique généralisé" - comme le sont sans doute les grands modèles de langage - "ce n'est pas satisfaisant". s'entraînent.

 Pourtant, Cranmer estime que ces obstacles sont surmontables. " Je suis loin d'être aussi intelligent qu'Einstein ou d'autres grands scientifiques ", at-il déclaré. " Donc, si je réfléchis à ce que je peux faire pour accélérer le rythme de la recherche, c'est vraiment en faisant progresser l'apprentissage automatique. C'est ce que je peux apporter. "

Quanta a discuté avec Cranmer de la possibilité de doter l'IA d'une mémoire scientifique, d'extraire des informations à partir de réseaux neuronaux et de ce que les scientifiques et les programmeurs pourraient bientôt avoir en commun. Cet entretien a été condensé et édité pour plus de clarté.

- Les chercheurs en IA ont remporté deux prix Nobel l'année dernière. N'avons-nous pas déjà une "IA pour la science" ? Que manque-t-il ?

Le plus grand défi, si l'on fait abstraction de tout, c'est que l'apprentissage automatique est mauvais pour la prédiction " hors distribution ". Cela signifie que si vous avez un nouveau point de données qui ne ressemble à rien de ce que vous avez vu auparavant, un modèle d'apprentissage automatique aura tendance à mal fonctionner. C'est la principale faiblesse de l'apprentissage automatique, par rapport à la science traditionnelle.

Pensez à la relativité générale d'Einstein. Les médecins n'avaient aucune idée de l'existence d'un trou noir en 1915. Les mathématiques produisent simplement cette prédiction de manière logique. Et nous pouvons voir des preuves qui la confirment plus d'un siècle plus tard. C'est quelque chose que l'apprentissage automatique ne pourrait pas faire – ce genre d'extrapolation est tout simplement hors de question.

J'ai toujours été très intéressé par l'amélioration de cette partie de l'apprentissage automatique, car je pense que c'est la pièce manquante.

- Mais les réseaux neuronaux ne sont eux aussi que des équations. Comment se fait-il que les mathématiques d'Einstein nous donnent des modèles de l'univers, alors que celles de l'IA ne le peuvent pas ?

Je dirais que ce deuxième type de mathématiques, l'apprentissage automatique, n'a pas de mémoire, alors que le premier type en a. Dans les sciences physiques, si vous proposez une nouvelle théorie, toutes les observations précédentes doivent toujours être satisfaites par le nouveau cadre. Nous devons obéir aux mêmes règles que celles que nous avons découvertes auparavant. Alors que dans l'apprentissage automatique, vous repartez de zéro à chaque fois que vous entraînez un modèle.



Comment intégrer la mémoire, dans ce sens abstrait d'"accumulation de connaissances", dans l'apprentissage automatique ? L'une des méthodes consiste à utiliser des règles symboliques, qui nous permettent d'imposer les modèles qui apparaissent dans les cadres physiques. Par exemple, je sais que si j'entre dans une autre pièce, le physique ne change pas. Un modèle d’apprentissage automatique ne sait pas.

- Comment faire pour qu'un réseau neuronal joue selon ces règles ?

- J'ai passé les quatre dernières années à travailler sur un logiciel appelé PySR. Il s'agit d'une bibliothèque de régression symbolique qui apprend des équations correspondantes à un ensemble de données. Plutôt que de cacher une prédiction dans un réseau neuronal, cela permet de traduire le comportement du réseau neuronal en une équation symbolique dans un langage plus familier aux scientifiques. Forcer le modèle d'apprentissage automatique à utiliser des mathématiques symboliques est essentiellement un moyen de lui donner un biais en faveur des idées existantes à partir desquelles nous avons construit le physique.

Ca présente de nombreux avantages. Les équations obtenues sont très interprétables et ont tendance à se généraliser pour vous donner de bonnes prédictions hors distribution. L'inconvénient est que ces algorithmes sont très coûteux en termes de calcul. Si vous disposez de ressources infinies, ce serait parfait.

- Et les " modèles fondamentaux " scientifiques sur lesquels vous travaillez contournent-ils ce problème ?

- Avec la régression symbolique, on donne à un réseau neuronal les symboles que les scientifiques utilisent, comme une bibliothèque de concepts avec laquelle il peut construire des choses. Une autre façon de procéder est beaucoup plus axée sur les données : fournir une bibliothèque d'exemples. Notre approche dans Polymathic AI consiste à prendre un modèle et à l'entraînement sur toutes les données scientifiques qu'on peut obtenir. Vous partez toujours de zéro, mais vous lui avez donné tellement de données que vous ancrez en quelque sorte ses prédictions.

Je pense que c'est la raison pour laquelle les modèles de langage comme ChatGPT semblent efficaces dans les scénarios hors distribution : ils ont en quelque sorte transformé tout en un problème de prédiction dans la distribution, car ils ont été pré-entraînés sur de nombreux éléments différents. Lorsque ChatGPT est sorti, nous étions tous très enthousiastes à l'idée de réfléchir à la manière dont ce type d'outil pourrait être utilisé dans le domaine scientifique. Et au fil de nos discussions, cette idée s'est cristallisée : pré-entraîner un modèle non pas sur le langage, mais sur des ensembles de données numériques scientifiques.

C'était le défi le plus difficile pour nous. Obtenir des données scientifiques de haute qualité, comme des spectres d'étoiles, n'est pas aussi simple que de simplement lancer des robots sur Internet pour extraire des sites Web de données d'entraînement, comme le font les entreprises d'IA. Heureusement, en astronomie, une grande partie des données est accessible au public. Il suffit de les mettre dans un format uniforme. Nous avons publié deux ensembles de données : le Wellpour les simulations de physique numérique et l'univers multimodal pour les observations astronomiques. Ces ensembles de données offrent une quantité massive de données scientifiques comme base pour construire ces modèles fondamentaux.

- Vont-ils " halluciner " – inventer en toute confiance de fausses réponses – comme le font d'autres modèles d'IA ?

La raison principale de cette préformation est de se faire une idée de ce qui est physiquement raisonnable. Si le modèle se retrouve dans une situation nouvelle qu'il n'a jamais vue auparavant, plutôt que de faire une prédiction insensée, il va faire quelque chose de physiquement raisonnable.

(image : Miles Cranmer est assis à un bureau et regarde un tableau noir avec des équations, il utilise des règles symboliques pour inculquer aux machines une meilleure compréhension des découvertes passées, les aidant à traiter de nouvelles données et à produire des résultats plus compréhensibles.)

Ca n'élimine pas le problème, mais on va vers une grande. Je pense que c'est là que la régression symbolique pourrait également intervenir : traduire des parties du modèle en expressions mathématiques analytiques permettant de fournir des garanties.

Que pensez-vous que les scientifiques puissent faire avec ce type de fondation ?

- L'apprentissage automatique est très efficace pour résoudre des problèmes impliquant des volumes de données considérables, mais il est moins efficace pour les problèmes comportant très peu d'exemples. C'est pourquoi je suis vraiment enthousiaste à l'idée d'utiliser ce genre de modèle de base, car il nous permet d'aborder des types de problèmes à faible volume de données. On peut entraîner le modèle sur des simulations, ce qui lui permet d'intégrer la majeure partie du physique. Mais il suffit ensuite d'ajouter quelques expériences pour affiner ses prédictions. Ce ne sera pas parfait, mais ce sera mieux qu'un modèle d'apprentissage automatique formé à partir de zéro. Ainsi, à partir de quelques points de données du monde réel, vous pouvez extraire plus de données scientifiques qu'auparavant. C'est l'idée.

- Cela pourrait-il aboutir à automatiser le travail des scientifiques ?

- Je pense vraiment que ce type d'outil permettra d'automatiser de nombreuses tâches. Mon objectif est de rendre tous les scientifiques capables de faire beaucoup, beaucoup plus. Cela pourrait changer la définition de ce qu'est un scientifique, mais je pense que cette définition a déjà changé au cours de l'histoire.

 C'est pareil avec les modèles de langage. Ils ne remplacent pas les programmeurs, ils modifient simplement la définition de ce qu'est la programmation, de la même manière qu'écrire en Python ne remplace pas quelqu'un qui écrit des compilateurs. Il s'agit simplement de niveaux d'abstraction différents.

En ce sens, je ne crains pas qu'une quelconque forme d'IA remplace les scientifiques. Elle nous permet simplement de faire plus avec le même laps de temps. C'est ce qui m'enthousiasme vraiment. Comprendre l'univers n'a pas vraiment de fin. Cela va continuer et nous allons continuer à en apprendre toujours plus.

Malheur aux bonheurs du monde. Une fois, deux fois. On a peur de l’épreuve. La joie est pourrie.

Malheur aux épreuves du monde. Une fois, deux fois, trois fois. On désire le bonheur. Dures épreuves. Le seuil de tolérance est brisé.

La vie humaine sur la terre est une provocation. Jamais de répit.

Prisonnier, j’aurais mimé une liberté mutilée en transgressant délibérément un interdit, sombre parodie de toute-puissance. 

...il entra dans le salon, mit un disque de Duke Ellington qu'il avait acheté après avoir vu Gene Hackman assis dans un bus de nuit dans Conversation Secrète sous la sonorité de quelques notes de piano fragiles qui étaient les plus solitaires qu'Harry ait jamais entendues.

Est-ce que la science du désir va rentrer dans le cadre qu’on nous prépare et qui, je vous assure, va être "soigné", le cadre des "Sciences humaines" ? Je désirerais bien une bonne fois, et pour vous quitter cette année, prendre position là-dessus. 

Je ne conçois pas qu’au train dont il se prépare, ce cadre, il puisse représenter autre chose qu’une méconnaissance systématique et principielle de tout ce dont il s’agit dans l’affaire, à savoir de ce dont je vous parle ici. Je ne vois pas d’autre fonction dans les programmes qui se dessinent comme devant être ceux des Sciences humaines, que d’être une branche sans doute avantageuse, quoique accessoire, du "service des biens". Autrement dit du service de pouvoirs plus ou moins branlants dans le manche, et en tous les cas dans une méconnaissance non moins systématique de tous les phénomènes de violence qui peuvent montrer dans le monde justement que la voie de cet avènement des biens n’est pas tracée comme sur des roulettes.

[…] Je crois que ce qui occupe actuellement la place qui est celle que je vous désigne comme celle du désir, en fait de science, c’est tout simplement ce qu’on appelle couramment la science, celle que vous voyez pour l’instant cavaler si allégrement dans le champ de toutes sortes de conquêtes dites physiques. Je crois qu’au long de cette période historique, le désir de l’homme... longuement tâté, anesthésié, endormi par les moralistes, domestiqué par des éducateurs, trahi par les académies ...s’est tout simplement réfugié et refoulé dans la passion la plus subtile et la plus aveugle aussi - comme nous le montre l’histoire d’ŒDIPE - celle du savoir, et que celle-là est en train de mener un train qui n’a pas dit son dernier mot.

L’un des traits les plus amusants de l’histoire des sciences est la propagande, qu’au temps où ils commençaient à battre un petit peu de l’aile, les savants, les alchimistes, ont fait auprès des pouvoirs pour leur dire : "Donnez-nous de l’argent, vous ne vous rendez pas compte que, si vous nous donniez un peu d’argent, qu’est-ce qu’on mettrait comme machines, comme trucs et machins à votre service !" C’est vraiment un problème d’effondrement de la sagesse de savoir comment les pouvoirs ont pu laisser faire. Il est un fait qu’ils se sont laissés faire et que la science a obtenu des crédits. Moyennant quoi, actuellement, nous avons cette vengeance sur le dos, c’est une chose fascinante, mais on ne peut pas dire que, pour ceux qui sont au point le plus avancé de la science, la chose n’aille pas sans une vive conscience qu’ils sont au pied du mur de la haine et qu’ils ne soient eux-mêmes chavirés par l’écoulement le plus vacillant d’une lourde culpabilité. 

"Manger le livre", c’est bien en effet où nous touchons du doigt ce que veut dire FREUD quand il parle de la sublimation non pas comme d’un changement d’objet, mais d’un changement de but. 

Mais cela ne se voit pas tout de suite. La faim dont il s’agit, la faim sublimée, tombe là dans l’intervalle entre les deux, parce qu’il est bien évident que ce n’est pas le livre qui nous remplit l’estomac. Quand j’ai mangé le livre je ne suis pas pour autant devenu livre, ni non plus le livre devenu chair. Le livre me devient, si je puis dire, mais pour que cette opération puisse se produire, et elle se produit tous les jours, il faut bien que je paye quelque chose, très exactement la différence que pèse FREUD dans un coin du Malaise dans la civilisation, sublimez tout ce que vous voudrez, mais il faut le payer avec quelque chose. 

Ce quelque chose s’appelle la jouissance et cette opération mystique, je la paie avec une "livre de chair". Ça, c’est l’objet, le bien qu’on paie pour la satisfaction du désir.

La trahison, ce qui caractérise en effet essentiellement ce que j’appelle "céder sur son désir", est toujours quelque chose, vous l’observerez, notez-en la dimension dans chaque cas, qui s’accompagne toujours dans la destinée du sujet de quelque trahison. Je veux dire : ou que le sujet trahit sa voie, et c’est sensible pour le sujet lui-même, ou beaucoup plus simplement - il n’y a pas du tout besoin de se trahir soi-même pour qu’une trahison exerce ses effets - que quelqu’un avec qui il s’est plus ou moins voué à quelque chose, ait trahi son attente, n’ait pas fait à son moment ce que comportait le pacte. Pacte quel qu’il soit, qui peut être un pacte faste ou néfaste, précaire, à courtes vues, voire de révolte, voire de fuite, qu’importe. Autour de la trahison quelque chose se joue, quand on la tolère. 

Celui qui, poussé même par l’idée du bien - j’entends du bien de celui qui l’a trahi à ce moment - cède au point de rabattre ses propres prétentions, au point de se dire, eh bien puisque c’est comme ça, renonçons à notre perspective, ni l’un ni l’autre, mais sans doute pas moi, nous ne valons mieux, rentrons dans la voie ordinaire, c’est là que vous pouvez être sûr que se retrouve la structure qui s’appelle céder sur son désir.

Et pour ce franchissement, cette limite où je vous ai lié en un même terme le mépris de l’autre et de soi-même, il n’y a pas de retour. Il peut s’agir de réparer, mais non pas de défaire. Ne voilà-t-il pas un fait de l’expérience qui peut bien nous montrer que l’analyse est capable de nous fournir une boussole efficace dans le champ de la direction éthique ?

[...] la définition du héros c’est celui qui peut impunément être trahi. Ceci n’est point à la portée de tout le monde. C’est là la différence entre l’homme du commun et le héros. Elle est donc plus mystérieuse qu’on ne le croit. Pour l’homme du commun, la trahison, qui se produit presque toujours a pour effet de le rejeter de façon décisive au service des biens, mais à cette condition qu’il n’en retrouvera jamais ce qui vraiment dans ce service, l’oriente.

Je propose que la seule chose dont on puisse être coupable, au moins dans la perspective analytique, c’est d’avoir cédé sur son désir. Cette proposition, recevable ou non dans telle ou telle éthique, a tout de même cette importance d’exprimer assez bien ce que nous constatons dans notre expérience, c’est qu’au dernier terme, ce dont - de façon recevable ou non pour le directeur de conscience - le sujet se sent effectivement coupable, et quand il fait de la culpabilité, c’est toujours, à l’origine, à la racine, pour autant qu’il a cédé sur son désir. 

Allons plus loin. Souvent il a cédé sur son désir pour le bon motif et même pour le meilleur. Ceci non plus n’est pas pour nous étonner. Depuis que la culpabilité existe, on a pu s’apercevoir déjà depuis longtemps que cette question du bon motif, de la bonne intention, pour constituer certaines zones de l’expérience historique, pour avoir été promue au premier plan des discussions de théologie morale, disons au temps d’ABÉLARD, n’en ont pourtant pas laissé les gens plus avancés, c’est à savoir que la question, à l’horizon, se reproduit toujours la même, et c’est bien pour cela que les chrétiens de la plus commune observance ne sont jamais bien tranquilles. 

Car s’il faut faire les choses "pour le bien", et c’est ce qui se passe en pratique, c’est bel et bien qu’on a toujours à se demander pour le bien de qui, et qu’à partir de là les choses ne vont pas toutes seules. Faire les choses au nom du bien, et plus encore au nom du bien de l’autre, voilà qui est bien loin de nous mettre à l’abri non seulement de la culpabilité, mais de toutes sortes de catastrophes intérieures, en particulier certainement pas à l’abri de la névrose et de ses conséquences. 

Si l’analyse a un sens et si le désir est ce qui supporte le thème inconscient, l’articulation propre de ce qui nous fait nous enraciner dans une destinée particulière - laquelle exige avec insistance que sa dette soit payée - revient, retourne pour nous ramener dans un certain sillage, dans quelque chose qui est proprement notre affaire. 

Et ce qui fait qu’il peut y avoir désir humain et que ce champ existe, c’est cette supposition que pour nous, pour compter, tout ce qui se passe de réel est comptabilisé quelque part. 

KANT a pu réduire à sa pureté toute l’essence du champ moral en son point central, il reste - et ce n’est rien d’autre que signifie l’horizon de son immortalité de l’âme - qu’il faut qu’il y ait quelque part place pour la comptabilisation. 

Nous n’avons pas été assez emmerdés sur cette terre avec le désir, il faut qu’une partie de l’éternité s’emploie à faire de tout cela les comptes.