Fondements mathématiques de l'intelligence artificielle

L'apprentissage automatique et l'intelligence artificielle (IA) permettent des percées scientifiques extraordinaires dans des domaines allant du repliement des protéines, du traitement du langage naturel, de la synthèse de médicaments et des systèmes de recommandation à la découverte de nouveaux matériaux et produits d'ingénierie. Ces réalisations se situent au confluent des mathématiques, des statistiques, de l'ingénierie et de l'informatique, mais une explication claire de la puissance remarquable et aussi des limites de ces systèmes d'IA a échappé aux scientifiques de toutes les disciplines. Des lacunes fondamentales critiques subsistent qui, si elles ne sont pas correctement traitées, limiteront bientôt les avancées en apprentissage automatique, freinant les progrès de l'intelligence artificielle. Il semble de plus en plus improbable que ces lacunes critiques puissent être surmontées par une puissance de calcul et une expérimentation accrues seules. Une compréhension mathématique plus approfondie est essentielle pour garantir que l'IA puisse être exploitée pour répondre aux besoins futurs de la société et permettre une large découverte scientifique, tout en prévenant les conséquences imprévues d'une technologie disruptive. Les directions de la National Science Foundation pour les sciences mathématiques et physiques (MPS), les sciences informatiques et de l'information et l'ingénierie (CISE), l'ingénierie (ENG) et les sciences sociales, comportementales et économiques (SBE) parraineront conjointement des collaborations de recherche composées de mathématiciens, de statisticiens,…