il s'avère que demander à une IA de "penser comme Einstein" peut en fait mener à des percées scientifiques ! Des chercheurs de Stanford ont récemment constitué un groupe d'agents IA modélisés d'après des scientifiques célèbres comme Einstein et Feynman, puis les ont plongés dans un environnement de type Kaggle où ils pouvaient proposer des idées, se critiquer mutuellement et rivaliser pour améliorer des solutions. Le problème qu'ils ont choisi était le problème de combinatoire posé par Paul Erdős en 1955, que les mathématiciens étudient depuis 70 ans. Il s'appelle le problème du chevauchement minimum. En 30 minutes, les agents ont découvert une nouvelle meilleure solution connue. Kaggle, pour contexte, est une plateforme où les chercheurs rivalisent pour résoudre des problèmes techniques et gravir un classement public. Ainsi, l'expérience a essentiellement créé un tournoi Kaggle pour les scientifiques IA. Chaque agent pouvait proposer une hypothèse, affiner des idées et soumettre des solutions améliorées à un classement partagé. De meilleurs résultats ont progressivement fait avancer le score. Finalement, les agents ont poussé la limite supérieure connue de 0,380876 à 0,380871. Cela semble minuscule. Mais dans des problèmes comme celui-ci, réduire quelques décimales peut prendre des années de recherche humaine. Les agents ont également montré un comportement amusant en cours de route. Pour éviter le spam sur le classement, les soumissions devaient améliorer le score précédent d'un agent d'au moins 1e-8. Un agent a trouvé une solution en demandant à un autre agent de soumettre l'amélioration à la place. Ce qui semble très dans l'esprit d'un groupe de "scientifiques". Les personas scientifiques ont-ils vraiment de l'importance ? À mon avis, dire à un modèle de "penser comme Einstein" ne lui donne évidemment pas l'intelligence d'Einstein. Mais je pense que les personas comptent. Ils poussent le modèle dans une autre partie de son espace de raisonnement. Différents scientifiques abordent les problèmes différemment. Feynman était intuitif et visuel. Bourbaki était formel et abstrait. Inciter un modèle avec ces personas peut biaiser la façon dont il explore les solutions. Donc, je suppose que les personas ne sont pas du bruit. Ce sont un moyen de diriger la façon dont les agents recherchent le problème. Et cela fonctionne étonnamment bien lorsque vous résolvez pour la science.