Melanie Mitchell est une informaticienne américaine et professeure à l'Institut de Santa Fe. Ses recherches ont porté sur le raisonnement par analogie, les algorithmes génétiques, les automates cellulaires et les systèmes complexes, et ses publications dans ces domaines sont fréquemment citées. Elle est l'auteure de plusieurs ouvrages influents, dont Complexity: A Guided Tour, qui a remporté le prix du livre scientifique Phi Beta Kappa en 2010, et Artificial Intelligence: A Guide for Thinking Humans.
Mitchell a obtenu son doctorat en 1990 à l'Université du Michigan, où elle a développé l'architecture cognitive Copycat sous la supervision de Douglas Hofstadter et John Holland. Ce travail a constitué la base de son livre Analogy-Making as Perception. Elle a également critiqué A New Kind of Science de Stephen Wolfram et a démontré que les algorithmes génétiques peuvent trouver des solutions améliorées au problème de la majorité pour les automates cellulaires unidimensionnels.
Jeunesse et Éducation
Melanie Mitchell est née et a grandi à Los Angeles, en Californie. Elle a fréquenté l'Université Brown à Providence, dans le Rhode Island, où elle a étudié la physique, l'astronomie et les mathématiques. Son intérêt pour l'intelligence artificielle a été suscité pendant ses études après avoir lu Gödel, Escher, Bach de Douglas Hofstadter.
Après ses études de premier cycle, Mitchell a travaillé comme professeure de mathématiques au lycée à New York. Déterminée à poursuivre l'IA, elle a cherché à joindre Hofstadter, qui était alors au MIT. Après plusieurs appels téléphoniques sans réponse, elle a finalement réussi à le joindre tard dans la nuit et a obtenu un stage pour travailler sur Copycat.
À l'automne 1984, Mitchell a suivi Hofstadter à l'Université du Michigan, soumettant une candidature de dernière minute au programme de doctorat. Elle a obtenu son doctorat en 1990, avec une thèse intitulée Copycat: A Computer Model of High-Level Perception and Conceptual Slippage in Analogy-Making.
Carrière à l'Institut de Santa Fe
Mitchell a rejoint l'Institut de Santa Fe, un centre de recherche interdisciplinaire connu pour ses travaux sur les systèmes complexes. Elle a développé la plateforme Complexity Explorer de l'institut, qui propose des cours en ligne ; son propre cours sur la complexité a attiré plus de 25 000 étudiants.
En 2018, Mitchell a co-organisé l'atelier « On Crashing the Barrier of Meaning in AI » avec Barbara Grosz et Dawn Song. Elle participe régulièrement en tant qu'experte invitée au Learning Salon, une série en ligne consacrée à l'intelligence biologique et artificielle.
Mitchell a également occupé des postes académiques dans d'autres institutions, notamment à l'Université d'État de Portland, où elle était professeure au département d'informatique, et a été chercheuse scientifique à l'Institut de Santa Fe pendant de nombreuses années.
Contributions à la Recherche
Les travaux de doctorat de Mitchell sur le programme Copycat, développé sous Douglas Hofstadter et John Holland, se sont concentrés sur la modélisation du raisonnement par analogie à travers une architecture cognitive. Le programme était conçu pour résoudre des problèmes d'analogie dans un domaine de chaînes de lettres, et sa conception mettait l'accent sur la perception de haut niveau et le glissement conceptuel. Ce travail a conduit à son livre de 1993 Analogy-Making as Perception, qui détaille l'architecture Copycat.
Dans une ligne de recherche bien connue, Mitchell et ses collaborateurs Peter Hraber et James Crutchfield ont utilisé des algorithmes génétiques pour faire évoluer des règles d'automates cellulaires. Leur article de 1993 « Revisiting the Edge of Chaos » a démontré que des règles évoluées pouvaient effectuer des calculs, tels que la classification de densité, mieux que des règles conçues précédemment. Dans des travaux connexes, Mitchell a montré que les algorithmes génétiques pouvaient trouver de meilleures solutions au problème de la majorité pour les automates cellulaires unidimensionnels que celles conçues par des humains.
Mitchell a également critiqué A New Kind of Science de Stephen Wolfram, arguant que ses affirmations sur le rôle fondamental des programmes simples étaient exagérées.
Livres et Écrits
Le premier livre de Mitchell, An Introduction to Genetic Algorithms (MIT Press, 1996), est devenu un texte d'introduction standard dans le domaine. Il couvre les fondements des algorithmes génétiques, leurs applications et les aspects théoriques.
Complexity: A Guided Tour (Oxford University Press, 2009) offre une introduction large aux systèmes complexes, couvrant des sujets tels que le chaos, les réseaux et l'émergence. Le livre a remporté le prix du livre scientifique Phi Beta Kappa en 2010.
Dans Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019), Mitchell examine l'état de l'intelligence artificielle moderne, du apprentissage automatique au apprentissage profond, et soutient que malgré des réalisations impressionnantes, les systèmes d'IA manquent encore de compréhension et de bon sens semblables à ceux des humains. Le livre a reçu des critiques positives pour sa perspective accessible mais critique.
Carrière Académique et Sensibilisation
Mitchell est professeure à l'Institut de Santa Fe. Elle a développé la plateforme Complexity Explorer, qui propose des cours en ligne ; son cours « Introduction to Complexity » a attiré plus de 25 000 étudiants. Elle a également participé à des initiatives interdisciplinaires, comme l'atelier de 2018 « On Crashing the Barrier of Meaning in AI », co-organisé avec Barbara Grosz et Dawn Song.
Mitchell participe fréquemment à des discussions publiques sur l'IA, apparaissant en tant qu'experte invitée au Learning Salon, une série de séminaires en ligne sur l'intelligence biologique et artificielle.
Contributions à la Recherche
Les recherches de Mitchell couvrent plusieurs domaines de l'IA et des sciences cognitives. Son programme Copycat a modélisé le raisonnement par analogie comme un processus de perception de haut niveau et de glissement conceptuel. Dans les années 1990, elle a étudié l'utilisation d'algorithmes génétiques pour faire évoluer des automates cellulaires, montrant que des règles simples peuvent effectuer des calculs complexes.
Plus récemment, Mitchell s'est tournée vers des questions sur les limites de l'IA actuelle, en particulier le apprentissage profond. Elle a soutenu que les réseaux de neurones modernes manquent des capacités d'abstraction robustes et de raisonnement par analogie de la cognition humaine.
Points de Vue sur l'Intelligence Artificielle
Mitchell est une fervente défenseure de la recherche en IA mais a exprimé des préoccupations concernant la trajectoire du domaine. Elle souligne que les systèmes d'IA, y compris les modèles de apprentissage automatique, sont vulnérables aux attaques adversariales et peuvent hériter des biais sociaux présents dans les données d'entraînement. En 2019, elle a déclaré qu'atteindre une intelligence artificielle générale semblable à celle des humains nécessiterait probablement des connaissances de bon sens et des capacités humaines d'abstraction et d'analogie, des capacités que la technologie actuelle, comme les transformateurs et les grands modèles de langage, ne possède pas.
Mitchell a soutenu que la compréhension visuelle humaine repose sur des connaissances générales, l'abstraction et le langage, et que les machines pourraient avoir besoin d'apprendre en tant qu'agents incarnés interagissant avec le monde, plutôt que de simplement traiter des images statiques. Elle a exprimé sa prudence quant au battage médiatique autour de l'apprentissage profond et des réseaux de neurones, tout en soutenant la poursuite de la recherche en IA.
Enseignement et Engagement Public
Au-delà de ses recherches, Mitchell a été active dans la communication scientifique et l'éducation. Son cours en ligne « Introduction to Complexity » sur la plateforme Complexity Explorer a inscrit plus de 25 000 étudiants, les initiant aux idées de la science des systèmes complexes.
Elle est apparue dans de nombreux podcasts et forums publics, discutant de l'IA, de la complexité et des limites des approches actuelles de apprentissage profond. En 2019, elle a participé au Learning Salon, un groupe de discussion interdisciplinaire en ligne.
Prix et Reconnaissances
En 2020, Mitchell a reçu le prix Herbert A. Simon de l'Institut des systèmes complexes de la Nouvelle-Angleterre, honorant ses contributions à la recherche sur les systèmes complexes. Son livre Complexity: A Guided Tour a reçu le prix du livre scientifique Phi Beta Kappa en 2010.
Publications Sélectionnées
Livres
- Analogy-Making as Perception (MIT Press, 1993) - un compte rendu détaillé du modèle Copycat.
- An Introduction to Genetic Algorithms (MIT Press, 1996).
- Complexity: A Guided Tour (Oxford University Press, 2009).
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019).
Articles Notables
- Mitchell, M., Hraber, P., & Crutchfield, J. (1993). « Revisiting the edge of chaos: Evolving cellular automata to perform computations. » Complex Systems.
- Mitchell, M., Forrest, S., & Holland, J. (1994). « When will a genetic algorithm outperform hill climbing? » Advances in Neural Information Processing Systems 6.
Points de Vue sur l'Intelligence Artificielle
Mitchell est une commentatrice éminente des capacités et des limites de l'IA moderne. Elle a exprimé des préoccupations concernant la vulnérabilité des systèmes d'IA aux exemples adversariaux et leur tendance à hériter des biais sociaux des données d'entraînement. En 2019, elle a fait remarquer qu'atteindre une AGI de niveau humain nécessiterait des progrès majeurs dans le raisonnement de bon sens et l'abstraction, et que la technologie actuelle était loin de résoudre ces problèmes.
Mitchell souligne souvent l'écart entre les systèmes actuels de apprentissage automatique et l'intelligence humaine. Elle soutient que la compréhension visuelle semblable à celle des humains nécessite un ancrage dans des connaissances générales, l'abstraction et le langage, et émet l'hypothèse qu'une telle compréhension pourrait devoir être apprise par l'incarnation plutôt qu'à partir d'images statiques. Elle a également souligné la fragilité des systèmes de réseaux de neurones, qui peuvent être facilement trompés par des exemples adversariaux.
Points de Vue sur l'IA et l'AGI
Mitchell a été une commentatrice vocale sur les limites et le potentiel de l'intelligence artificielle. Dans son livre de 2019 et de nombreux discours, elle soutient que les systèmes d'IA manquent de bon sens robuste et de la capacité à généraliser au-delà de leurs données d'entraînement. Elle a exprimé son scepticisme quant à l'AGI à court terme et souligne l'importance de comprendre la cognition humaine pour progresser.
Elle a noté que de nombreux chercheurs en IA sous-estiment la difficulté d'atteindre une abstraction et un raisonnement par analogie semblables à ceux des humains. Dans des interviews, elle a souligné l'écart entre les méthodes actuelles de apprentissage automatique et l'apprentissage humain, en particulier en termes d'efficacité d'échantillonnage et d'apprentissage par transfert.
Prix et Honneurs
En 2020, Mitchell a reçu le prix Herbert A. Simon de l'Institut des systèmes complexes de la Nouvelle-Angleterre (NECSI), reconnaissant ses contributions à la recherche sur la complexité.
Publications Sélectionnées
Livres
- Analogy-Making as Perception (MIT Press, 1993)
- An Introduction to Genetic Algorithms (MIT Press, 1996)
- Complexity: A Guided Tour (Oxford University Press, 2009)
- Artificial Intelligence: A Guide for Thinking Humans (Farrar, Straus and Giroux, 2019)
Articles Notables
- Mitchell, M., Hraber, P., & Crutchfield, J. P. (1993). Revisiting the edge of chaos: Evolving cellular automata to perform computations. Complex Systems, 7, 89–130.
- Mitchell, M., Forrest, S., & Holland, J. H. (1991). The royal road for genetic algorithms: Fitness landscapes and GA performance. Proceedings of the First European Conference on Artificial Life.
- Mitchell, M. (2006). Complex systems: A new kind of science? A review of A New Kind of Science by Stephen Wolfram. Artificial Life, 12(4), 617–620.
Liens Externes
Mitchell maintient un site web professionnel qui comprend son CV, ses publications et ses supports de cours. Elle est apparue dans des podcasts tels que le podcast BrainInspired, le podcast Lex Fridman et le Learning Salon.
Références
Cet article est basé sur des informations provenant de sources publiques, y compris les écrits et interviews de Mitchell elle-même. Pour des lectures complémentaires, voir ses livres et publications académiques.
Voir Aussi
- Science de la complexité
- Algorithmes génétiques
- Sciences cognitives
- Institut de Santa Fe