L'IA Aletheia de DeepMind franchit un jalon mathématique en résolvant 13 problèmes d'Erdős (Erdős Problems)

Dans une avancée historique pour les mathématiques computationnelles, Google DeepMind a annoncé que son dernier système d'intelligence artificielle (Artificial Intelligence, AI), Aletheia, a résolu avec succès 13 problèmes ouverts de la célèbre collection d'Erdős. Cette percée, réalisée en collaboration avec des chercheurs de l'UC Berkeley, marque un changement significatif dans le rôle de l'IA — passant d'un simple outil de calcul à un véritable partenaire collaboratif dans la recherche théorique.

Le projet, qui visait plus de 700 conjectures non résolues proposées par le prolifique mathématicien Paul Erdős, démontre la puissance de la combinaison de modèles de langage de grande taille (Large Language Models, LLMs) avancés avec une supervision humaine rigoureuse. En identifiant des preuves inédites, en redécouvrant des solutions perdues et en corrigeant des idées fausses historiques, Aletheia a établi une nouvelle norme pour la synergie humain-IA dans les sciences.

L'architecture Aletheia : au-delà de la force brute

Contrairement aux IA mathématiques précédentes qui s'appuyaient fortement sur le calcul par force brute ou sur des assistants de preuve strictement formels, Aletheia est construit sur une version spécialisée de l'architecture Gemini de Google. Il utilise une méthodologie « Générateur-Critique » (Generator-Critic) conçue pour imiter le processus d'examen par les pairs inhérent à la recherche académique.

Le système fonctionne via un entonnoir semi-autonome. Tout d'abord, le module « Générateur » propose des preuves ou des contre-exemples potentiels pour des énoncés de problèmes formels. Ensuite, un module « Critique » distinct évalue ces propositions pour leur cohérence logique, les hallucinations et la validité mathématique. Cette boucle adverse interne permet à Aletheia de filtrer les arguments qui semblent plausibles mais sont incorrects avant même qu'ils n'atteignent les chercheurs humains.

Pour le projet Erdős, le système a traité environ 700 énoncés de problèmes. Parmi ceux-ci, il a généré 200 solutions candidates. Après la phase de critique interne, 63 réponses techniquement correctes ont été transmises à des mathématiciens humains pour une vérification finale. Le résultat a été 13 solutions mathématiquement significatives qui ont maintenant été acceptées par la communauté.

Une nouvelle ère de découverte collaborative

Le succès d'Aletheia ne réside pas dans le remplacement des mathématiciens humains mais dans l'augmentation de leurs capacités. Les 13 problèmes résolus révèlent que l'IA peut remplir plusieurs rôles distincts dans le processus de recherche, allant d'un découvreur autonome à un archiviste numérique.

Les solutions ont été classées en quatre types distincts, soulignant la polyvalence du système :

Répartition des contributions d'Aletheia

Étude de cas : Résolution de Erdős-1051

L'une des réalisations les plus notables de ce projet a été la résolution de Erdős-1051, un problème concernant les propriétés des séries infinies et la mesure de Mahler. Pendant des décennies, la communauté mathématique ne savait pas si une condition spécifique concernant la queue de la série pouvait être remplie.

Aletheia a proposé une construction inédite utilisant une combinaison de théorie analytique des nombres et de bornes combinatoires. La preuve était non seulement correcte mais a été décrite par les mathématiciens réviseurs comme « élégante » et « non triviale ». Ce cas spécifique sert de preuve de concept (proof-of-concept) que les systèmes basés sur les LLM peuvent s'engager dans un raisonnement créatif de haut niveau, naviguant dans des concepts abstraits qui étaient auparavant considérés comme le domaine exclusif de l'intuition humaine.

La valeur de l'« identification de la littérature »

Le résultat le plus surprenant du projet a peut-être été la capacité de l'IA à agir comme un historiographe. Cinq des treize solutions étaient des cas où le problème était techniquement déjà résolu, mais les preuves étaient enfouies dans des actes de conférence ou des revues obscures qui n'avaient pas été largement indexées.

En croisant de vastes ensembles de données de littérature mathématique, Aletheia a pu signaler ces problèmes comme « résolus » et orienter les chercheurs vers les citations originales. Cette capacité répond à une crise croissante des mathématiques modernes : la fragmentation des connaissances. À mesure que le volume de recherche publiée croît de manière exponentielle, la capacité d'une IA à synthétiser l'histoire et à prévenir les travaux redondants devient aussi précieuse que la génération de nouvelles preuves.

Implications pour l'avenir des mathématiques

La collaboration entre Google DeepMind et les institutions académiques signale une transformation dans la manière dont la recherche mathématique est menée. Le modèle de « l'humain dans la boucle » (human-in-the-loop) garantit que les hallucinations de l'IA sont vérifiées tout en maximisant la capacité de la machine à explorer de vastes espaces de recherche logique.

Les chercheurs prévoient que les futures versions d'Aletheia seront directement intégrées dans les logiciels d'assistance à la preuve, offrant des suggestions en temps réel et des « vérifications de cohérence » aux mathématiciens en activité. Cette évolution suggère un avenir où la distinction entre l'intelligence humaine et artificielle en mathématiques devient de plus en plus floue, menant à une accélération rapide du rythme des découvertes.

Alors qu'Aletheia continue de s'attaquer aux centaines de problèmes d'Erdős restants, la communauté scientifique observe avec impatience, curieuse de voir quels autres puzzles « impossibles » pourraient céder à ce puissant nouveau partenariat.

Mots-clés extraits

Mots-clés de catégorie :

1. Intelligence artificielle (Artificial Intelligence)
2. Mathématiques (Mathematics)

Mots-clés de tag :

1. Aletheia
2. Problèmes d'Erdős (Erdős Problems)