Les algorithmes d'apprentissage automatique (ML) envahissent de plus en plus notre vie. Ils font des prédictions, mais leurs décisions restent souvent opaques, c'est-à-dire inaccessibles ou incompréhensibles. Les directives et les experts exigent plus de transparence et d'explications, comme si les algorithmes ML étaient des partenaires de communication. Nous les considérons comme des systèmes physiques qui interagissent avec leur environnement. Cela ouvre de nouvelles perspectives pour notre compréhension : l'apprentissage automatique est une sorte de comportement adaptatif. L'opacité résulte de la complexité, qui peut être réduite ou non selon le niveau d'abstraction. La compréhension ne résulte alors pas d'une plus grande transparence ou d'explications, ni d'une moindre complexité, mais d'un changement judicieux du niveau d'abstraction. La perspective physique donne également des impulsions pour une nouvelle génération d'IA : si les algorithmes d'apprentissage automatique peuvent simuler des systèmes physiques, cela est également réversible, et les systèmes physiques peuvent ainsi incarner de nouveaux types d'intelligence artificielle.

À propos des personnes : Miriam Klopotek a étudié la physique à Berlin et à Tübingen et a obtenu son doctorat à l'université de Tübingen en 2021. Depuis 2022, elle est chef de groupe au Centre des sciences de simulation de Stuttgart (cluster d'excellence SimTech). Depuis 2023, elle est co-directrice (avec Eric Raidl) du projet WIN « Réduction de la complexité, explicabilité et interprétabilité » de l'Académie des sciences de Heidelberg. Elle s'intéresse aux interactions et aux analogies entre l'intelligence artificielle et la dynamique physique, en particulier celle qui sous-tend la matière condensée.

Le Dr Eric Raidl a étudié la philosophie, l'informatique et la logique mathématique à Berlin et à Paris. Il a obtenu son doctorat à l'université Paris-Sorbonne en 2014 et son habilitation à l'université de Constance en 2022. Il a travaillé à l'École normale supérieure de Paris, à l'université de Constance et à l'University College de Fribourg. Depuis 2019, il est co-chercheur principal du Philosophy and Ethics Lab au sein du cluster d'excellence « Apprentissage automatique pour la science » de l'université de Tübingen. Ses domaines de recherche sont la théorie de la connaissance, la philosophie des sciences, la logique et l'IA.

À propos de la série de conférences : cette série de conférences publiques, qui existe depuis plus de 20 ans, donne la parole à des scientifiques de l'Académie des sciences de Heidelberg ainsi que des sept académies sœurs. Les conférences s'adressent à un large public afin de lui donner un aperçu des travaux de recherche. À l'issue de la conférence, il est possible de discuter avec les scientifiques dans le jardin de l'Académie, autour d'un bretzel et d'un verre de vin.

La série est organisée en coopération avec la vhs Heidelberg (université populaire de Heidelberg).