S'inscrire identifiants oubliés ?

Cassini, la descente finale

Une mission exceptionnelle

Cassini est un projet  d'exploration spatiale très ambitieux, avec une sonde qui aura passé près de 20 ans dans l'espace. La sonde Cassini elle-même est la première à être mise en orbite autour de Saturne, dont les missions Voyager ...

Alzheimer et l'immunité du cerveau

Qui est touché par la maladie d'Alzheimer ?

La maladie neurodégénérative d’Alzheimer est la cause la plus courante de démence, puisqu'elle serait à l’origine de près de 70% des cas. Ses premières ...

Vers un nouvel outil de génie génétique

Que sont les ARN circulaires ?

L'ARN, acide ribonucléique constitué principalement d'un seul brin de nucléotide, est une molécule non codante ou participant à l'expression du

Observation directe d'une exoplanète

L'instrument Sphère et ses techniques de détection

Comment détecter les exoplanètes ? L'entreprise est difficile puisque les planètes n'émettent pas de lumière par elles-mêmes, elles réfléchissent ...

La microfluidique pour réduire la pollution

La physique de la microfluidique

La microfluidique, science des fluides au niveau du micromètre, est apparue au début des années 2000. Les phénomènes mettant en jeu les fluides existent partout dans la nature, ...

L'accélération de l'expansion de l'Univers

Le modèle cosmologique à l'épreuve

Une des énigmes majeures de l'astrophysique est de comprendre l'accélération de l'expansion de l'Univers. Afin de caractériser la nature de l'énergie ...

Un tamis moléculaire plus performant et vert

La purification du gaz naturel

Le gaz naturel extrait du sol a besoin que l'on élimine l'eau et le dioxyde de carbone qu'il contient, afin que seul le

Dévier les astéroïdes géocroiseurs

Quels astéroïdes nous menacent ?

Les astéroïdes sont des corps rocheux errant dans l'espace, d'un diamètre compris entre dix mètres et mille kilomètres. Plusieurs millions d'entre eux gravitent dans le système solaire, notamment entre Mars et Jupiter dans la ceinture principale d'astéroïdes, ou encore, dans la ceinture de Kuiper au-delà de Neptune. Par le jeu des perturbations gravitationnelles, leur trajectoire les fait parfois croiser notre orbite, auquel cas on les appelle des géocroiseurs. Lorsqu'il pénètrent dans l'atmosphère et atteignent la surface, il s'agit de météorites.

Comme les comètes, les astéroïdes ont contribué à l'apparition de la vie sur Terre en y apportant de l'eau et des matériaux organiques, mais ils ont aussi provoqué des destructions, directement par leur impact ou indirectement par leurs effets sur le climat et les écosystèmes. Le risque d'être touché par un astéroïde est faible à l'échelle d'une vie humaine, mais certain sur la durée, avec des effets dévastateurs s'il tombe sur une zone densément peuplée.

La communauté scientifique parvient aujourd'hui à surveiller 90% des objets célestes de plus de 1 kilomètre, 30% des astéroïdes de 160 mètres et plus et 1% des corps de plus de 30 mètres, ces derniers pouvant détruire une ville. Les efforts s'accroissent pour mieux les recenser et développer des missions permettant de réagir à leur éventuelle venue. Leur potentiel de dangerosité est classé selon l'échelle de Turin, graduée de 0 à 10, 10 signifiant une collision frontale avec la planète.

Trois techniques pour dévier un astéroïde

Pour se protéger d'une collision dangereuse, il faut s'adapter aux risques possibles. Ainsi, pour les astéroïdes de taille inférieure à 50 mètres avec un temps d'impact très court, la seule possibilité est de prédire le point d'impact et d'évacuer la zone concernée. Si l'objet est plus gros ou le temps avant l'impact plus long, trois techniques sont à l'étude pour faire dévier l'astéroïde et éviter la collision.

Pour les astéroïdes de taille inférieure à cinquante mètres avec un temps d'impact suffisant, la méthode du tracteur gravitationnel consiste à envoyer un assemblage assez massif de satellites artificiels près de l'astéroïde. La force de gravitation va alors modifier la vitesse et la trajectoire de l'astéroïde, l'envoyant sur une orbite différente de celle de la planète. Cette solution, qui nécessite des modélisations et des calculs très poussés, n'existe pour l'instant qu'à l'état de théorie.

Pour les astéroïdes de taille comprise entre cinquante mètres et plusieurs centaines de mètres, la technique de l'impacteur cinétique consiste à envoyer une fusée heurter à très grande vitesse l'astéroïde, à un endroit et avec une vitesse précise. La mission américano-européenne AIDA mettra à l'épreuve cette solution, avec l'engin autoguidé baptisé DART. En 2022, il devra percuter la lune de l'astéroïde Didymos, afin d'observer la réaction de l'objet céleste.

Pour les astéroïdes de taille supérieure à un kilomètre, la solution envisagée est de lancer une ogive nucléaire dans l'espace pour la faire exploser à proximité de l'astéroïde. Le risque est de générer plusieurs morceaux au comportement imprévisible, qui pourraient donc être plusieurs à percuter la planète en suivant leur nouvelle trajectoire. Seuls des travaux de simulation étudient cette idée, car les objets de grande taille sont quasiment tous identifiés et ne posent aucun problème pour les siècles à venir.

En savoir plus

Une sonde à l'assaut d'un astéroïde, sur Sciences en ligne

La journée mondiale des astéroïdes, sur Explorathèque

» lire tous les articles 1 2 3 4 5 6 7 8
sciences en ligne
exploratheque
du premier stage au premier emploi


Des machines qui parlent entre elles ?
Les principes de fonctionnement de l’Intelligence Artificielle via le Machine Learning.

En Novembre 2016 le projet d’intelligence artificielle de Google : « Google Brain » a déchaîné les médias. Alors que deux unités d’intelligence artificielle étaient connectées entre elles, elles se sont mises à communiquer dans un langage nouveau et incompréhensible par un humain.

Pour comprendre ce qu’il s’est réellement passé il faut comprendre ce qu’on entend aujourd’hui par intelligence artificielle et plus particulièrement par Machine Learning (Apprentissage Automatique en français).

Qu’est-ce que le Machine Learning ?

Le Machine Learning a pour but de rapprocher le fonctionnement des machines du fonctionnement du cerveau humain notamment grâce à l’apprentissage. En effet, considérons les deux images ci-dessous :

Si on voulait écrire un programme qui permettrait d’identifier l’image 1 comme étant des bananes, il serait possible de dire à l’ordinateur que cet agencement de pixels correspond à des bananes. Cependant si avec le même programme on lui montre l’image 2, les changements de couleurs et d’agencements ne seraient pas compris et l’ordinateur serait incapable de l’identifier.

En tant qu’humain nous réussissons cette identification parce que dans notre vie, parmi les milliers d’images qui sont apparues sous nos yeux, nous avons appris à distinguer des éléments clés des bananes : forme, couleurs, texture, taille etc… Ce qui fait que nous pouvons faire abstraction de certains détails comme la couleur pour identifier l’image 2 comme étant des bananes. Le Machine Learning consiste à apprendre à faire la même chose aux ordinateurs. C’est la méthode la plus aboutie que nous ayons à ce jour pour créer des intelligences artificielles.

Comment marche le Machine Learning ?

Pour classifier des objets, il existe deux familles de Machine Learning : la Classification et le Clustering. Dans les deux cas, on part d’un ensemble de données appelé Data Set pour apprendre à l’ordinateur à créer des liens logiques entre des catégories. Prenons l’exemple d’un algorithme devant identifier les images 1 et 2 comme étant des bananes. Le Data Set sera un ensemble d’images de fruits en tous genres.

Dans le cas de la Classification, on dit à l’avance à l’ordinateur que l’image correspondant à une banane est une banane, celle d’un citron est un citron etc…, on appelle ça l’apprentissage supervisé. Avec cette méthode, en présentant l’image 2 à l’ordinateur, il saura dire qu’il s’agit de bananes. Il est très pratique mais nécessite des données précises et étiquetées ce qui est rare pour de gros volumes de données.

Processus d'apprentissage en Classification

Dans le cas du Clustering, on ne dit rien à l’ordinateur et c’est à lui de trouver des liens entre les images. Il s’agit d’apprentissage non supervisé. En lui montrant les images 1 et 2, l’ordinateur les regroupera avec d’autres images de bananes mais ne pourra pas dire « ce sont des bananes ». Cette méthode ne permet pas de mettre un nom sur une donnée entrante. Cependant il est très pratique lorsque le nombre et la diversité des données ne permettent pas de faire un étiquetage.

Processus d'apprentissage en Clustering

Et Google Brain dans tout ça ?

Dans le cas de Google Brain, les ordinateurs fonctionnaient avec des algorithmes de Machine Learning non supervisés. Pour simplifier on va dire qu’ils devaient simplement se transmettre des données. Mais le langage humain ou le langage binaire ne permettaient pas de le faire d’une manière optimisée. Les données qu’ils devaient échanger constituaient leur Data Set, et ils ont construit un nouveau langage permettant de transmettre ces données plus rapidement. S’ils avaient eu à échanger très souvent le mot « banane » et rarement le caractère « b » par exemple, il valait mieux remplacer « banane » par « b » et la lettre « b » par une autre combinaison éventuellement plus complexe.

On comprend alors qu’il n’y a pas de quoi s’inquiéter car avec le Machine Learning, les ordinateurs ne comprennent pas vraiment ce qu’ils sont en train de faire. Ils respectent juste une logique dictée par l’Homme et trouvent des liens entre les données qu’on leur fournit. Leurs décisions restent strictement cantonnées au but de l’algorithme : ici transmettre des données rapidement.

En savoir plus :

Benjamin Péri
Twitter Facebook Google Plus Linkedin email