L’intelligence artificielle générative représente une avancée révolutionnaire dans le cadre de la « Révolution de l’apprentissage automatique », avec un impact significatif sur la technologie, la science et la société. Dans ce travail, des chercheurs en particulier de l’équipe « Systèmes Désordonnés et Applications » du LPENS se concentrent sur les modèles de diffusion à la pointe de la technologie, actuellement utilisés pour générer des images, des vidéos et des sons. Ces algorithmes sont particulièrement fascinants pour les physiciens car ils sont étroitement liés à des concepts issus de la thermodynamique stochastique, en particulier la dynamique de Langevin inversée dans le temps. Ces modèles de diffusion partent d’une entrée constituée de simple bruit blanc et la font évoluer à travers un processus de Langevin pour générer des sorties complexes telles que des images, des vidéos et des sons.

Ils montrent que la physique statistique fournit des principes et des méthodes pour caractériser ce processus de génération. Plus précisément, ils révèlent comment des phénomènes tels que la transition de la mémorisation à la généralisation et l’émergence de caractéristiques peuvent être compris à travers le prisme de la brisure de symétrie, des transitions de phase et des méthodes utilisées pour étudier les systèmes désordonnés.

Illustration des trois régimes dynamiques qui ont lieu pendant la dynamique stochastique générative

 

 

 

En savoir plus :
https://www.nature.com/articles/s41467-024-54281-3

Informations complémentaires :
Laboratoire de physique de L’École normale supérieure (LPENS, ENS Paris/CNRS/Sorbonne Université/Université de Paris)

Auteur correspondant : Giulio Biroli
Contact communication : L’équipe de communication