Trois chercheurs du MIT-IBM rejoignent IBM entre IA et quantique

MIT et IBM Le MIT-IBM Computing Research Lab rapproche la théorie académique des systèmes de production en IA et en informatique quantique. Le laboratoire a accompagné Srinivasan Arunachalam, Zhang-Wei Hong et Irene Ko pendant leurs années de formation. Tous trois travaillent désormais chez IBM, dans des domaines distincts. Hong se concentre sur l’apprentissage par renforcement et les agents d’IA. Ko développe des méthodes d’IA digne de confiance et équitable. Arunachalam explore l’apprentissage automatique quantique. Leurs parcours illustrent une même trajectoire. Des problèmes théoriques sont reformulés sous des contraintes réelles. La collaboration vise ainsi des applications concrètes, sans séparer la rigueur scientifique des exigences de déploiement. Lire l’article du MIT.

Une passerelle vers l’industrie Zhang-Wei Hong a commencé son doctorat au MIT en 2020, au département de génie électrique et d’informatique. Avec Pulkit Agrawal, il a étudié l’apprentissage des fonctions de valeur dans le jeu vidéo Atari Montezuma’s Revenge. Son objectif était de mieux prédire et optimiser la performance d’un agent. Le laboratoire MIT-IBM l’a ensuite conduit vers des applications en robotique, dans les grands modèles de langage et pour l’apprentissage par renforcement scientifique. Hong travaille aujourd’hui comme chercheur chez IBM et encadre des étudiants. Il étudie l’entraînement au moment du test et développe une infrastructure destinée aux tâches d’entreprise, comme la lecture de graphiques et les requêtes de bases de données.

Hong développe des agents adaptatifs

Des agents explorateurs Hong s’intéresse à l’exploration guidée par la curiosité. Cette approche permet à des agents de rechercher de nouvelles données et d’examiner des environnements inconnus. Il l’a notamment appliquée à la génération de cas de test destinés à éprouver des grands modèles de langage. Son équipe étudie aussi l’amélioration des modèles pendant leur déploiement. Elle mobilise le calcul évolutionnaire pour optimiser l’exploration et la neuroscience pour informer l’amélioration des modèles. Hong estime qu’un tel système pourrait permettre à un modèle de faire évoluer ses paramètres en ligne. Cette formulation reste une appréciation du chercheur. Elle décrit une direction de recherche, et non un résultat établi ou un produit disponible.

Ko sécurise l’inférence Irene Ko a rejoint IBM Research en 2024 après son doctorat. Elle travaille sur les difficultés qui empêchent certaines méthodes d’IA digne de confiance d’être largement déployées dans les plateformes d’inférence. Son projet vLLM Hook donne accès à des signaux internes d’un modèle, comme ses états cachés ou ses activations. Ces informations peuvent servir à analyser des scores de sécurité liés aux injections de requêtes et aux hallucinations. Le projet prend la forme d’un cadre léger d’extension pour le moteur d’inférence vLLM. Ko indique qu’il peut réduire les coûts par rapport à d’autres méthodes. Elle présente également ce travail comme un pont entre développement et déploiement.

Arunachalam adapte le calcul quantique

Des garanties théoriques Srinivasan Arunachalam a rejoint le MIT comme postdoctorant en 2018, dans le groupe d’Aram Harrow. Ses échanges avec Isaac Chuang l’ont conduit à collaborer avec le laboratoire et le chercheur IBM Kristan Temme. Il s’est ensuite intéressé à des problèmes potentiellement implémentables sur des dispositifs quantiques à court terme. Ses travaux intègrent des contraintes d’architecture entre voisins, de bruit et de mesure d’observables simples. Il a donné la priorité aux résultats démontrables plutôt qu’aux heuristiques. Deux articles ont notamment porté sur l’apprentissage hamiltonien et les noyaux quantiques. Le premier fournit des garanties rigoureuses sur la dynamique des systèmes quantiques. Le second apporte des éléments théoriques sur l’avantage de certains espaces de caractéristiques quantiques.