Imaginez un assistant de recherche capable de parcourir instantanément des milliers d’articles scientifiques, de proposer des approches innovantes et de travailler sans relâche jour et nuit. C’est exactement ce qu’a vécu le professeur Ernest Ryu de l’UCLA lorsqu’il a collaboré avec GPT-5 pour résoudre un mystère mathématique qui résistait aux chercheurs depuis quatre décennies.
Un défi mathématique de longue date
En mathématiques appliquées, il existe une technique appelée Gradient Accéléré de Nesterov (NAG), inventée en 1983. Cette méthode permet aux algorithmes de converger beaucoup plus rapidement vers une solution, un peu comme si on donnait un « turbo » à un moteur. Le mystère ? Contrairement à ce qu’on pourrait attendre, cette accélération ne semble pas déstabiliser l’algorithme.
Pendant des décennies, les chercheurs ont observé ce phénomène sans pouvoir l’expliquer théoriquement. Pourquoi un algorithme plus rapide reste-t-il aussi stable ? Cette question avait des implications importantes pour l’optimisation des modèles d’intelligence artificielle et les problèmes d’ingénierie.
Une collaboration homme-machine inédite
Le professeur Ryu, fort de 15 années d’expérience en mathématiques appliquées, avait déjà testé ChatGPT-3.5 en 2023 sans grande conviction. Mais quand GPT-5 est arrivé, ses capacités mathématiques considérablement améliorées ont piqué sa curiosité.
Pendant trois jours, travaillant souvent tard le soir après avoir couché ses enfants, Ryu a entamé un dialogue mathématique avec l’IA. « GPT-5 était un collaborateur très inhabituel », explique-t-il, « il proposait des choses complètement inattendues. »
Le processus ressemblait à un brainstorming accéléré : GPT-5 proposait des directions – correctes ou non – que Ryu évaluait rapidement. Les bonnes pistes étaient creusées, les impasses abandonnées immédiatement. Cette rapidité a condensé en quelques heures ce qui aurait normalement pris des jours.
Le tournant décisif
La percée est arrivée quand GPT-5 a proposé une façon de restructurer les équations gouvernant la méthode NAG. Bien que la suggestion initiale ne soit pas correcte, Ryu a reconnu une structure mathématique prometteuse qu’il a ensuite développée rigoureusement.
« C’était un sentiment surréaliste », raconte-t-il, comparant l’expérience au travail avec un étudiant compétent capable de proposer des idées et de poser des questions pertinentes.
Après environ 12 heures de collaboration réparties sur trois jours, et une douzaine d’approches différentes, la solution a finalement émergé. Ryu estime que ce travail lui aurait pris des semaines en temps normal – « mais cela ne serait jamais arrivé », admet-il, « car après trois jours d’efforts intenses, j’aurais abandonné. »
Une méthode de travail révolutionnaire
La collaboration avec GPT-5 a révélé ses forces et ses limites :
- Forces : Capacité à puiser dans une vaste littérature scientifique, proposition d’approches créatives, exploration rapide de multiples pistes
- Limites : Arguments parfois incorrects, nécessité d’une vérification constante par l’expert humain
Ryu a développé une méthode spécifique : démarrer une nouvelle conversation pour chaque vérification, évitant ainsi l’accumulation d’erreurs. « Il faut s’asseoir et vérifier soigneusement tous les détails soi-même », insiste-t-il.
Implications pour l’avenir de la recherche
Le travail de Ryu, publié sous forme de pré-print et actuellement en cours de révision par les pairs, mentionne explicitement GPT-5 dans le titre et l’abstract. Cependant, l’IA n’apparaît pas comme co-auteur – Ryu considère qu’elle a été utilisée comme un outil, certes révolutionnaire.
Cette expérience ouvre des perspectives fascinantes pour la recherche scientifique. Comme l’explique Ryu : « Si vous voulez que le modèle échoue, il échouera. Mais si votre état d’esprit est de travailler avec le modèle pour en extraire de la valeur, alors vous avez beaucoup plus de chances de réussir. »
Pour le professeur, une chose est sûre : « Cette expérience a eu une influence profonde sur moi. J’ai l’intention d’utiliser l’IA dans mes recherches mathématiques en permanence à l’avenir. Il n’y a aucune raison pour que je ne le fasse pas. »
Cette collaboration réussie entre intelligence humaine et artificielle pourrait bien annoncer une nouvelle ère dans la recherche scientifique, où les découvertes les plus complexes naîtront de cette synergie inédite.
Source de cette information : OpenAI News
