L'univers à portée de l'Intelligence Artificielle ? Des astrophysiciens ont en effet réussi à générer pour la première fois des simulations complexes en 3D de l'univers grâce à des techniques d'IA.

Des simulations de l'univers rapides et précises comme jamais auparavant, tout cela grâce à des techniques d'Intelligence Artificielle utilisées par des astrophysiciens du centre d'astrophysique computationnelle de l'Institut Flatiron à New York. Mais ne leur en demandez pas trop non plus car ces derniers semblent eux-mêmes dépassés par le fonctionnement de leur propre bébé !

Le 24 juin dernier à l'Académie Nationale des Sciences, Siyu He, analyste de recherche à l'Institut Flatiron, et Shirley Ho, coauteure de l'étude, cheffe de groupe au même centre d'astrophysique computationnelle et professeure auxiliaire à l'Université de Carnegie Mellon, ont ainsi présenté leur nouveau projet baptisé D3M pour Deep Density Displacement Model. Un travail effectué en collaboration avec d'autres scientifiques comme leur collègue de l'Institut Flatiron Wei Chen, Yu Feng et Yin Li du centre de physique cosmologique de l'Université de Berkeley en Californie et de l'Institut Kavli de la physique et des mathématiques de l'Univers à Kashiwa, près de Tokyo, pour le second, Barnabás Póczos de l'Université de Carnegie Mellon à Pittsburgh ou encore Siamak Ravanbakhsh de l'Université de Colombie-Britannique à Vancouver.

L'IA peut maintenant simuler l'univers...

Leur nouveau modèle est une véritable avancée dans le monde de l'astrophysique qui cherche depuis toujours à allier vitesse et précision dans la génération de simulations. A titre de comparaison et pour bien se rendre compte de la performance réalisée par le D3M, une simulation de l'univers la plus précise possible pouvait nécessiter quelques 300 heures de calcul contre quelques minutes pour la moins précise.

A comparison of accuracy between D3M, the new one, and 2LPT, two models of universe

Le D3M réalise lui une simulation de l'univers en 30 millisecondes pour une précision, me direz-vous, alors aléatoire ? Pour une erreur relative de 2,8% par rapport aux modèles les plus précis (300 heures de calcul donc). Le modèle le plus rapide existant (quelques minutes de calcul) avait lui jusque-là une erreur relative de 9,3% par rapport aux plus précis. "Nous pouvons effectuer ces simulations en quelques millisecondes, tandis que d'autres simulations rapides prennent quelques minutes ", confirme d'ailleurs Ho. Non seulement ça, mais nous sommes également beaucoup plus précis."

8 000 simulations pour entraîner un réseau neuronal

Comment sont-ils parvenus à une telle prouesse ? En nourrissant la bête d'abord, ou l'Intelligence Artificielle tout du moins. Siyue He, Shirley Ho et leur équipe ont en effet alimenté le réseau neuronal profond avec 8 000 simulations différentes issues de l'un des modèles de la plus haute précision, rapporte la Simons Foundation dans un article du 26 juin dernier (The First AI Simulation of the Universe Is Fast and Accurate — and Even Its Creators Don’t Know How It Works). Le D3M a ensuite pris ces données pour réaliser ses propres calculs et pousser de plus en plus loin ses entraînements jusqu'à la simulation finale d'un univers de 600 millions d'années-lumière sous la forme d'une boîte (voir schéma ci-dessus). Une simulation de l'univers basée sur la gravité, la force qui influence le plus l'évolution du cosmos.

Mais le D3M ne s'est donc pas contenté de réaliser des simulations de l'univers alliant précision et rapidité. L'Intelligence Artificielle a ainsi réussi d'autres simulations de l'univers en prenant en compte la modification de certains paramètres, comme la quantité de matière noire par exemple, sans jamais avoir eu de telles données sur le sujet à sa disposition pour s'entraîner ! Le réseau neuronal profond a dès lors dépassé toutes les attentes.

Image recognition of a dog

Et c'est paradoxalement là que le bât blesse. Si rapide, précis et solide soit-il, le D3M laisse ses créateurs sur leur faim. Ils ne sont pour l'instant pas capables de répondre à certaines questions sur le propre fonctionnement de leur machine !

De là à penser qu'une Intelligence Artificielle pourrait dans ce cas dépasser les limites de l'être humain ? Il n'y a qu'un pas que certain(e)s, au nom de l'éthique, seraient prêt(e)s à franchir. "C'est comme entraîner un logiciel de reconnaissance d'images avec beaucoup de photos de chats et chiens et qu'il soit capable ensuite de reconnaître des éléphants", explique Ho. Personne ne sait comment il fait ça, c'est un grand mystère à résoudre." Et de conclure : "Nous pouvons être un terrain de jeu intéressant pour les machine learner utilisant notre modèle pour voir pourquoi il extrapole si bien, allant jusqu'à reconnaître des éléphants au lieu de simplement reconnaître des chats et des chiens".


blog comments powered by Disqus