OpenAI revendique trois avancées majeures en mathématiques, informatique et physique quantique

OpenAI affirme avoir obtenu grâce à ses modèles d’intelligence artificielle trois résultats scientifiques majeurs en mathématiques, en informatique théorique et en physique quantique. Des travaux potentiellement importants, mais qui doivent encore être examinés et validés de manière indépendante par la communauté scientifique.

Après avoir récemment utilisé des problèmes mathématiques ouverts pour tester les capacités de ses futurs modèles, l'entreprise poursuit ainsi son exploration de la recherche scientifique assistée par l'intelligence artificielle. Les tests traditionnels utilisés pour mesurer les performances des modèles d'intelligence artificielle deviennent progressivement moins discriminants à mesure que les systèmes progressent.

OpenAI expérimente donc une autre approche : confronter ses modèles à des problèmes scientifiques encore ouverts, pour lesquels aucune solution reconnue n'est disponible. L'entreprise avait déjà publié au début du mois plusieurs centaines de manuscrits mathématiques générés par ses systèmes et portant sur environ 300 problèmes. Cette approche avait suscité de nombreuses réactions dans la communauté scientifique, certains chercheurs s'interrogeant sur les conséquences de modèles capables d'explorer rapidement des problèmes nécessitant traditionnellement des années de travail.

OpenAI va désormais plus loin en présentant trois nouveaux résultats théoriques dans des domaines scientifiques particulièrement complexes. La première avancée revendiquée concerne l'informatique théorique et plus précisément l'Exponential Time Hypothesis, généralement désignée par l'acronyme ETH.

Cette hypothèse joue un rôle important dans l'étude de la complexité informatique. Elle suppose, de manière simplifiée, que certaines catégories de problèmes nécessitent intrinsèquement des temps de calcul extrêmement importants et qu'il n'existe donc pas d'algorithme permettant de les résoudre beaucoup plus rapidement.

OpenAI affirme que ses modèles ont produit un résultat remettant en cause cette hypothèse.

Si cette réfutation était confirmée par des spécialistes, ses conséquences pourraient être importantes pour la théorie de la complexité informatique. Elle pourrait notamment modifier la compréhension des limites théoriques de certains algorithmes.

Mais à ce stade, ce résultat doit encore faire l'objet d'une vérification scientifique indépendante.

 

Le deuxième résultat annoncé concerne les mathématiques.

OpenAI affirme avoir obtenu une preuve en toute dimension concernant la conjecture du lissage local de Sogge, un problème lié notamment à l'étude de la propagation et de la concentration des ondes.

Selon l'entreprise, cette démonstration aurait également des conséquences sur d'autres problèmes mathématiques importants, notamment les conjectures de Kakeya et de Stein.

Là encore, l'importance potentielle du résultat dépendra de sa validation par des mathématiciens spécialisés dans ces domaines.

 

Le troisième résultat revendiqué par OpenAI touche à la physique théorique et quantique.

L'entreprise affirme que ses systèmes ont identifié une preuve rigoureuse de l'existence de certaines théories des champs en quatre dimensions, qui concernerait notamment la chromodynamique quantique.

La chromodynamique quantique constitue la théorie utilisée pour décrire l'interaction forte entre les quarks et les gluons.

Si les résultats annoncés résistaient à une analyse approfondie, ils pourraient donc représenter une contribution théorique importante. Mais, comme pour les deux autres annonces, leur statut reste pour l'instant celui de travaux à vérifier.

 

Cette distinction est essentielle. Les documents publiés par OpenAI correspondent à des résultats produits par ses modèles et mis à disposition pour analyse, et non à trois découvertes déjà validées par la communauté scientifique.

Ils doivent encore être examinés, reproduits et évalués par des spécialistes indépendants avant de pouvoir être considérés comme des avancées scientifiques établies.

La publication de résultats particulièrement ambitieux générés par l'IA pose d'ailleurs un nouveau problème : comment vérifier suffisamment rapidement une quantité potentiellement considérable de démonstrations produites automatiquement ?

 

Pour répondre à cette difficulté, OpenAI expérimente une méthode faisant intervenir des groupes d'experts externes chargés d'examiner et d'encadrer l'analyse des résultats produits par ses modèles.

L'entreprise cherche également à faciliter la vérification informatique de certaines démonstrations.

Pour cela, plusieurs preuves sont publiées dans Lean, un langage et assistant de preuve permettant de formaliser des raisonnements mathématiques afin qu'ils puissent être vérifiés par ordinateur.

OpenAI indique par ailleurs ne pas vouloir revendiquer de « paternité scientifique » sur les éventuelles découvertes issues de ces travaux.

 

La manière dont ces résultats sont communiqués aux chercheurs fait néanmoins débat.

Des scientifiques alertent notamment sur le risque de créer des inégalités d'accès aux résultats générés par les modèles d'IA, particulièrement si certains chercheurs sont sélectionnés pour examiner des découvertes potentielles avant leurs confrères.

D'autres interrogations concernent l'attribution du mérite scientifique : lorsqu'une IA produit une démonstration, mais que des chercheurs humains la vérifient, la corrigent ou la transforment en publication scientifique, déterminer précisément la contribution de chacun devient plus complexe.

 

Au-delà de la validité des trois résultats annoncés, les expériences d'OpenAI illustrent ainsi une évolution plus profonde de l'intelligence artificielle.

Les modèles ne sont plus seulement évalués sur leur capacité à répondre à des questions dont la solution est déjà connue. Ils commencent à être confrontés à des problèmes scientifiques ouverts, avec l'ambition de produire de nouvelles connaissances.

La question centrale est désormais de savoir si ces résultats résisteront à l'examen des spécialistes. Si certains d'entre eux sont confirmés, l'utilisation de l'IA dans la recherche pourrait franchir une nouvelle étape, tout en obligeant le monde académique à repenser ses méthodes de validation, de publication et d'attribution des découvertes.