Un réseau de neurones a analysé des images ressemblant à une vue aérienne d'une place où des milliers de personnes tiennent des drapeaux de signalisation – vers le haut ou vers le bas. Le programme compressait l'image en quelques nombres et apprenait à la reconstruire. Sans aucune instruction, il a d'abord capté la direction générale des drapeaux, puis le degré d'accord entre voisins. Quand deux personnes proches montrent des signes différents, une tension apparaît ; quand ils sont identiques, c'est l'harmonie. Ce modèle simple de la physique est appelé modèle d'Ising, et Ludwig Boltzmann a dérivé la loi d'équilibre de tels systèmes.

Rebondissement inattendu : dans les réseaux de neurones complexes, lors d'un apprentissage rapide, le programme reste bloqué au premier stade, sans jamais remarquer les conflits. Ce blocage ressemble à une transition de phase étudiée par Lev Landau. Les exemples ont été générés par la méthode de Roy Glauber.

Cette expérience montre comment l'apprentissage automatique redécouvre de lui-même des concepts fondamentaux – un pas vers des programmes capables de faire des découvertes. Pendant l'apprentissage, le réseau lutte contre le chaos informationnel, comme contre l'entropie en thermodynamique quantique.