"L'automatique peut nous aider à faire face aux problèmes mondiaux"
Pendant la majeure partie de leur histoire, les algorithmes ont eu pour rôle de résoudre des problèmes clairement définis. Qu'il s'agisse de déterminer les conditions d'une hypothèque, d'attribuer des reins à des patients ou de déterminer la trajectoire la plus rapide d'un avion de ligne pour traverser l'Atlantique : le logiciel était conçu pour exécuter parfaitement sa tâche. Pourtant, il était confiné au cybermonde, en ce sens qu'il n'interagissait avec rien d'autre.
Depuis une dizaine d'années, la puissance de calcul, la disponibilité des données et les progrès de l'ingénierie algorithmique ont commencé à briser ces limites. Les algorithmes interagissent de plus en plus avec le monde réel, physique. Par exemple, par le biais de systèmes de recommandation sur l'internet, qui déterminent le contenu que les utilisateurs voient. Ou en conduisant des véhicules autonomes. C'est un nouveau terrain pour eux. Un nouveau terrain très complexe, rempli d'incertitudes. Ainsi, à certaines occasions, ils peuvent se détraquer, comme en 2010, lorsque des algorithmes de négociation boursière à grande vitesse ont fait chuter l'indice Dow Jones de 10 % en quelques minutes.
The field of control theory, however, has had millennia of experience in dealing with systems that interact with the real world. From the first precise time measurements with water clocks in ancient Greece, to the cruise control of modern cars and even to growing yeast: by “closing the feedback loop” between the device system and the environment it interacts with, control theorists have always had to find solutions for the uncertainty of the physical world.
Le domaine de l'automatique a cependant une expérience de plusieurs millénaires des systèmes qui interagissent avec le monde réel. Depuis les premières mesures précises du temps avec des horloges à eau dans la Grèce antique, jusqu'au régulateur de vitesse des voitures modernes et même à la culture de la levure : en "fermant la boucle de rétroaction" entre le système du dispositif et l'environnement avec lequel il interagit, les automaticiens ont toujours dû trouver des solutions à l'incertitude du monde physique.
In a two-part symposium hosted by ETH Zurich and the NCCR Automation, world renowned experts of control theory came together to discuss which insights their field can offer to engineers in optimisation and machine learning that work on complex algorithms interacting with the real world.
Dans le cadre d'un symposium en deux parties organisé par l'ETH Zurich et le PRN Automation, des experts de renommée mondiale en automatique se sont réunis pour discuter des idées que leur domaine peut offrir aux ingénieurs en optimisation et en apprentissage automatique (machine learning) qui travaillent sur des algorithmes complexes interagissant avec le monde réel.
Gagner en intuition et aider l'environnement
La première partie du symposium était consacrée à
- Tamer Basar de l'Université de l'Illinois Urbana-Champaign, qui a présenté un exposé sur "Policy Optimization for Optimal Control with Guarantees of Robustness",
- Michael Mühlebach, de l'Institut Max Planck pour les systèmes intelligents, qui a parlé de "Optimization with Momentum and Constraints : A Perspective from Smooth and Non-smooth Dynamics",
- Lacra Pavel de l'Université de Toronto, qui a parlé de "System Theory for Algorithms in Games",
- et Saverio Bolognani de l'ETH Zurich et du PRN Automation, qui a présenté "First-Order and Zeroth-Order Optimzation Algorithms as Model-Free Feedback Controllers".
Après leurs présentations, les intervenants ont discuté des développements du domaine dans un panel. Ils ont tous convenu que l'automatique s'est considérablement développée en tant que discipline au cours des dernières décennies et qu'elle a beaucoup à offrir pour aider à comprendre certains des plus grands défis du monde. "La nature, par exemple, est en définitive un système de rétroaction", a souligné Tamer Basar. "Le changement climatique, la pollution de l'environnement et d'autres problèmes mondiaux importants sont donc ceux auxquels les automaticiens peuvent contribuer à s'attaquer". Lacra Pavel a ajouté que "les approches purement computationnelles de l'apprentissage automatique (machine learning) et de l'optimisation n'offrent aucune intuition du problème sous-jacent. L'automatique, en revanche, permet d'y voir plus clair, ce qui est particulièrement important lorsque les algorithmes affectent le monde réel et la société".
Un âge d'or potentiel
Le deuxième événement a également donné lieu à de nombreuses fantastiques présentations avec
- Christian Ebenbauer de RWTH Aachen, qui a présenté "Control Theory as a Toolkit for Optimization Algorithm Synthesis: Case Studies and Future Challenges",
- Sean Meyn de l'Université de Floride qui a traité "Accelerating Optimization and Reinforcement Learning with Quasi-Stochastic Approximation",
- Laurent Lessard de l'Université Northeastern, qui a parlé de "Robust control perspectives on algorithm analysis and design",
- et Niao He of ETH Zurich et du PRN Automation qui a introduit "Q-learning through the Lens of Dynamical Systems: from asymptotics to non-asymptotics".
Interrogés sur leur vision de l'importance de l'époque actuelle pour ce domaine de recherche, les panélistes ont vu un grand potentiel pour une nouvelle ère de l'automatique. Sean Meyn a déclaré que "c'est définitivement un âge d'or de l'automatique, je le sens ! Nous sommes à un stade où nous pouvons tirer de véritables enseignements de la formation des réseaux neuronaux, sur la base des concepts de l'automatique. C'est vraiment passionnant".
Les autres participants ont largement approuvé, mais ont également exprimé une certaine prudence. Laurent Lessard a souligné ce qu'il a appelé une "barrière linguistique". "Nos outils ne sont pas vraiment connus au-delà de la communauté de l'automatique, ce qui est un problème si nous voulons vraiment nous attaquer à certains problèmes importants du monde réel. Nous devons y remédier en communiquant avec des collègues d'autres domaines d'une manière qu'ils comprennent", a déclaré M. Lessard.
Christian Ebenbauer a suggéré que "les automaticiens devraient appliquer leurs outils à des applications plus réelles, afin de démontrer concrètement comment ils peuvent aider à améliorer les algorithmes".
Un avenir automatisé plus fiable
Whether this truly is a golden age of control theory or not, time will tell. The symposia made it clear that there is potential for control theory to leave its fingerprint on the upcoming decades of algorithmic expansion to ever more areas of the physical world and society. With its tools, control theory could help us make more sense of this path that we are on, and thus allow us to make sure we steer in the direction we want to. A direction, that leads to a world of dependable algorithms and automation. The NCCR Automation will do its best to make that happen.
L'avenir nous dira s'il s'agit vraiment d'un âge d'or de l'automatique. Ce symposium a clairement montré que l'automatique pourrait laisser son empreinte sur les prochaines décennies d'expansion algorithmique dans des domaines toujours plus nombreux du monde physique et de la société. Grâce à ses outils, l'automatique pourrait nous aider à donner plus de sens à la voie que nous empruntons et nous permettre ainsi de nous assurer que nous allons dans la direction que nous voulons. Une direction qui mène à un monde d'algorithmes fiables et d'automation. Le PRN Automation fera de son mieux pour que cela se produise.
Un aperçu de cet événement de deux jours :
