Les algorithmes d’apprentissage automatique (ML) imprègnent de plus en plus notre quotidien. Ils font des prédictions, mais leurs décisions restent souvent opaques, c’est-à-dire inaccessibles ou incompréhensibles. Les instances réglementaires et les experts réclament davantage de transparence et d’explications, comme si les algorithmes d’apprentissage automatique étaient des interlocuteurs. 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 forme 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 de 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, ce processus est également réversible, et les systèmes physiques peuvent ainsi incarner de nouveaux types d’intelligence artificielle.

À propos des personnes : Le Dr 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 responsable de groupe au Centre des sciences de la simulation de Stuttgart (pôle d’excellence SimTech) à Stuttgart. Depuis 2023, elle est codirectrice (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 a présenté 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 travaille à l’université de Tübingen en tant que co-chercheur principal (Co-PI) du Philosophy and Ethics Lab au sein du pôle d’excellence « Apprentissage automatique pour la science ». 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 existe depuis plus de 20 ans et donne la parole à des chercheuses et chercheurs de l’Académie des sciences de Heidelberg ainsi que des sept académies sœurs. Les conférences s’adressent à un large public afin de donner un aperçu des travaux de recherche. À l’issue de chaque conférence, il est possible de discuter avec les chercheurs autour de bretzels et d’un verre de vin dans le Hofgarten de l’Académie.

Cette série est organisée en coopération avec la vhs Heidelberg.