L’Intelligence Artificielle (IA) est un domaine en essor rapide avec des enjeux sociétaux et économiques majeurs. La solution technique la plus courante est basée sur les réseaux de neurones profonds. Malheureusement, aujourd’hui il n’existe pas de formalisme mathématique de leur fonctionnement permettant d’expliquer leurs performances.
A cette fin nous nous orientons vers une approche à l’interface entre le Machine Learning (ML) et la physique théorique. Cela est motivé par le fait que la problématique du ML, visant à extraire une information intelligible d’un grand nombre de données, trouve un écho en physique statistique. En effet, cette dernière a pour objet l’extraction d’une description effective en termes d’un jeu restreint de paramètre de systèmes physiques comportant un nombre arbitrairement grands de degrés de libertés.
Cette journée aura pour but de promouvoir cette approche alternative et de discuter son potentiel en termes d’interdisciplinarité.