(Novembre 22, 2024) Achyuta Rajaram, un étudiant de 17 ans de la Phillips Exeter Academy, était sur scène à Washington, DC, sous le choc lorsque son nom a été annoncé comme le grand gagnant du concours Regeneron Science Talent Search 2024. Son projet, qui a développé une méthode pour identifier les composants de prise de décision des systèmes d'intelligence artificielle (IA), lui a valu le prix de 250,000 XNUMX dollars du concours. C'était un moment de reconnaissance pour des années d'efforts disciplinés pour comprendre l'apprentissage automatique et repousser ses limites.
« Quand ils ont appelé mon nom, j'ai vraiment cru que j'allais m'évanouir », se souvient Rajaram. « Au moment où ils ont annoncé le nom du premier finaliste, j'avais pleinement accepté que je ne figurais pas dans le top 10. J'étais vraiment heureux pour mes amis et prêt à célébrer leur succès. » Au lieu de cela, c'est lui qui a reçu la reconnaissance.
Le concours de talents scientifiques de Regeneron, souvent appelé le « prix Nobel junior », est l’un des concours STEM les plus prestigieux des États-Unis. Il met au défi les élèves de terminale de développer des projets innovants tout en faisant preuve de polyvalence et de profondeur académiques. Plus de 2,000 2024 étudiants ont postulé en 1960, concourant dans ce que les organisateurs ont décrit comme le plus grand bassin de candidatures depuis les années XNUMX.
Aborder un problème clé de la recherche en IA
Le projet de Rajaram s’attaque à un problème clé de la recherche en IA : comprendre comment les modèles traitent l’information. Alors que les systèmes d’IA sont devenus omniprésents – pour générer des images, diagnostiquer des maladies ou conduire des voitures – leurs processus de prise de décision restent souvent opaques. Ce manque de transparence crée des risques, allant des biais injustes aux classifications erronées dangereuses.
La méthode de Rajaram automatise l’identification des parties d’un modèle qui contribuent à ses décisions. « On peut comparer cela à l’identification des neurones du cerveau humain qui s’allument lorsque l’on regarde une image », explique-t-il. « Sauf qu’ici, il s’agit d’un algorithme, pas d’un cerveau. »
Ces travaux sont particulièrement pertinents pour les modèles de reconnaissance d’images, qui sont utilisés dans des applications allant de la reconnaissance faciale aux véhicules autonomes. Rajaram a testé son code sur un modèle d’IA open source et a découvert qu’il permettait de résoudre un défaut important : la classification erronée des images lorsque du texte contradictoire apparaissait à proximité. Par exemple, une image d’un feu rouge étiqueté avec le mot « vert » était parfois identifiée à tort comme verte. La méthode de Rajaram a identifié et résolu le problème en isolant les composants responsables de la classification erronée.
« À mesure que les modèles d’IA deviennent plus complexes, leur analyse manuelle devient presque impossible », a-t-il déclaré. « Mon objectif était de créer un outil capable d’automatiser ce processus, rendant ces systèmes plus fiables et plus sûrs à utiliser. »
Premières influences et soutien
Rajaram doit son intérêt pour l’informatique à ses parents, qui travaillaient tous deux dans l’ingénierie logicielle. « Mes parents se sont rencontrés alors qu’ils travaillaient chez IBM en Inde », a-t-il déclaré. « Dès mon plus jeune âge, ils m’ont encouragé à être proche des ordinateurs et à apprendre à coder. » Cette base lui a donné la confiance nécessaire pour se plonger dans des concepts complexes et expérimenter des technologies émergentes.
À la Phillips Exeter Academy, Rajaram s'est rapidement distingué par sa curiosité académique et son leadership. Il codirige les clubs de physique, de chimie et d'échecs de l'école tout en maintenant un emploi du temps rigoureux. Son intérêt pour l'IA s'est accru au cours de sa première année lorsqu'il a remarqué qu'une grande partie de la recherche se concentrait sur le traitement du langage naturel, comme les chatbots, plutôt que sur les modèles d'IA basés sur l'image.
« J’ai vu une lacune dans la recherche et j’ai voulu l’explorer plus en profondeur », a-t-il déclaré. « Les images sont au cœur de nombreuses applications de l’IA, mais nous ne comprenons pas entièrement comment ces modèles interprètent les données visuelles. »
Le projet de Rajaram exigeait plus que de la curiosité : il exigeait du temps, de la discipline et un mentorat expert. Il a travaillé en étroite collaboration avec le Dr Sarah Schwettmann du Massachusetts Institute of Technology, passant trois jours par semaine dans son laboratoire. Chaque semaine, il consacrait 25 à 30 heures à peaufiner son code et à tester ses applications.
« Les conseils du Dr Schwettmann ont été d’une aide précieuse », a-t-il déclaré. « Elle m’a aidé à réfléchir de manière critique aux implications pratiques de mon travail et m’a encouragé à repousser les limites de ce que le projet pouvait accomplir. »
Les lauréats du concours Regeneron Science Talent Search 2024
Un impact pratique
Les applications pratiques des recherches de Rajaram vont bien au-delà de la compétition. Sa méthode pourrait être utilisée pour améliorer la transparence des systèmes d’IA dans des secteurs comme la santé, la finance et les transports. Par exemple, dans le domaine de l’imagerie médicale, son approche pourrait aider à identifier la manière dont les algorithmes diagnostiquent les maladies, garantissant ainsi que les décisions sont basées sur des caractéristiques pertinentes plutôt que sur des corrélations fallacieuses.
« Les enjeux sont énormes en matière d’IA », a-t-il déclaré. « Comprendre le fonctionnement de ces systèmes est la première étape pour les améliorer. »
Rajaram envisage déjà la prochaine étape de ses recherches. Après avoir obtenu son diplôme de la Phillips Exeter Academy, il prévoit d’intégrer le Massachusetts Institute of Technology, où il se spécialisera en informatique. Son objectif est d’appliquer sa méthode à un plus large éventail de modèles d’IA, en particulier ceux utilisés dans des applications critiques comme la conduite autonome et la reconnaissance faciale.
« Ce n’est qu’un outil parmi tant d’autres pour comprendre l’IA », a-t-il déclaré. « Plus nous en saurons sur le fonctionnement de ces modèles, plus nous pourrons leur faire confiance et les améliorer. »
Au-delà du laboratoire
Malgré ses résultats scolaires, Rajaram trouve le temps de s'adonner aux activités typiques d'un adolescent. Il est un batteur de jazz passionné et un fan inconditionnel des échecs, participant souvent à des tournois scolaires. Il aime également passer du temps avec ses amis et fréquenter fréquemment les restaurants locaux.
« Mon plat préféré est le travers de porc au miel de Szechuan Taste », a-t-il confié en souriant. « C'est la meilleure façon de se détendre après une longue semaine. »
Sa capacité à équilibrer un travail académique rigoureux avec des intérêts parascolaires reflète une approche disciplinée mais fondée de la vie.
Conseils pour les aspirants innovateurs
Achyuta Rajaram est conscient que sa réussite inspirera d’autres jeunes scientifiques et il n’hésite pas à prodiguer des conseils pratiques. « Soyez curieux de tout, pas seulement de votre domaine de prédilection », a-t-il conseillé. « Plus vous explorez, plus vous trouverez de liens entre différentes idées. La plupart des choses deviennent fascinantes lorsqu’on creuse suffisamment profondément. »
Il a également souligné l’importance de la persévérance. « La recherche peut être frustrante. Il y a eu des moments où mon code ne fonctionnait pas et je me suis senti bloqué. Mais chaque échec m’a appris quelque chose de nouveau et c’est ce qui m’a permis de continuer. »
Un avenir pour l’IA
Les travaux de Rajaram mettent en évidence le potentiel des jeunes scientifiques à contribuer à certains des défis les plus urgents de la planète. En améliorant la transparence et la fiabilité des systèmes d'IA, ses recherches répondent à des préoccupations qui pèsent depuis longtemps sur ce domaine.
Son succès à la Recherche de talents scientifiques Regeneron Ce n’est qu’un début. Alors qu’il se prépare à rejoindre le MIT, Achyuta Rajaram continue de se concentrer sur le dépassement des limites de ce que l’IA peut accomplir et sur la garantie qu’elle serve la société de manière responsable.
« Je veux que mon travail ait un réel impact », a-t-il déclaré. « Il y a encore tellement de choses que nous ignorons sur l’IA, et je suis ravi de participer aux efforts visant à changer cela. »
À l’heure où l’intelligence artificielle transforme les industries, les contributions de Rajaram se distinguent par leur clarté et leur pertinence. Son parcours nous rappelle l’importance de la curiosité, de la discipline et de l’engagement à comprendre les systèmes qui façonnent de plus en plus notre monde.
- Découvrez plus fascinant Histoires
