MIT-IBM fait passer trois chercheurs à l’IA appliquée

Trois parcours convergent. Le MIT-IBM Computing Research Lab accompagne Srinivasan Arunachalam, Zhang-Wei Hong et Irene Ko dans le passage de la théorie aux systèmes appliqués. Les trois chercheurs travaillent désormais chez IBM après leurs expériences au MIT. Leurs domaines couvrent l’apprentissage automatique quantique, l’apprentissage par renforcement, les agents d’intelligence artificielle et l’IA fiable. Le laboratoire, auparavant nommé MIT-IBM Watson AI Lab, a servi de cadre aux collaborations entre chercheurs universitaires et équipes industrielles. Cette trajectoire vise des problèmes combinant nouveauté, rigueur scientifique et contraintes réelles. Le MIT détaille ces parcours dans une publication datée du 2 septembre 2026.

Une passerelle vers IBM. Zhang-Wei Hong a commencé son doctorat au MIT en 2020, au sein du département de génie électrique et d’informatique. Avec Pulkit Agrawal, il a étudié l’apprentissage de fonctions de valeur pour des agents jouant à « Montezuma’s Revenge », un jeu Atari. Ses travaux ont ensuite abordé la robotique, les grands modèles de langage et l’apprentissage par renforcement pour les sciences. Hong s’intéresse notamment à l’exploration guidée par la curiosité. Il développe maintenant une infrastructure pour le cadre d’agents d’IBM, avec des tâches comme la lecture de graphiques et les requêtes de bases de données. Il explore aussi l’entraînement au moment de l’exécution.

Hong développe des agents adaptatifs

Un système encore en recherche. Hong étudie un cadre permettanttrait à un modèle d’améliorer ses poids directement pendant son déploiement. Son approche combine le calcul évolutionnaire pour optimiser l’exploration et des enseignements issus des neurosciences pour améliorer les modèles après leur mise en production. Il applique également l’exploration ouverte à la génération de cas de test destinés à éprouver des grands modèles de langage. Selon lui, cette orientation pourrait fournir un cadre utile aux praticiens de l’apprentissage par renforcement si elle aboutit. Cette formulation présente une possibilité, pas un résultat établi. Hong encadre désormais des étudiants et poursuit ses recherches sur les agents et les modèles fondamentaux.

Ko cible l’IA fiable. Irene Ko a travaillé sur l’IA robuste, exacte et équitable dès le début de son doctorat, financé par le laboratoire MIT-IBM. Elle a rejoint IBM Research comme chercheuse en 2024. Son projet actuel porte sur les limites des méthodes de fiabilité encore peu déployées dans les plateformes d’inférence. Avec vLLM Hook, elle développe un cadre de modules permettant d’accéder à des signaux internes du modèle, comme les états cachés et les activations. Ces signaux servent notamment à analyser des scores de sécurité liés aux injections de requêtes et aux hallucinations. Le cadre agit sur des modules de transformateurs et vise une inférence plus directement programmable.

Arunachalam rapproche théorie et quantique

Des contraintes matérielles guident les travaux de Srinivasan Arunachalam sur l’apprentissage automatique quantique. Arrivé au MIT comme postdoctorant en 2018 dans le groupe d’Aram Harrow, il a cherché des algorithmes et circuits susceptibles d’offrir des accélérations quantiques. Ses échanges avec Isaac Chuang ont conduit à une collaboration avec le laboratoire et le chercheur IBM Kristan Temme. Chez IBM, Arunachalam étudie des problèmes potentiellement implémentables sur des dispositifs quantiques proches de leur déploiement. Il prend en compte les architectures de voisins immédiats, le bruit et des mesures observables simplifiées. Deux articles portent notamment sur l’apprentissage hamiltonien et les noyaux quantiques, avec des garanties théoriques ou des indices d’avantage sous hypothèses de difficulté largement admises.