L’intelligence artificielle (IA) façonne le domaine scientifique d’une manière sans précédent. **De l'accélération du processus de recherche à la génération de nouvelles hypothèses de recherche, l'ajout de l'IA apporte un énorme potentiel à la science. **
Plus tôt cette année, Yann LeCun, l’un des parrains de l’IA moderne, a déclaré : « En augmentant l’intelligence humaine, l’IA pourrait déclencher une nouvelle renaissance, peut-être une nouvelle étape des Lumières. »
Aujourd’hui, l’IA peut déjà rendre certains processus scientifiques existants plus rapides et plus efficaces, comme la découverte de nouveaux antibiotiques, de nouveaux matériaux pour les batteries et les panneaux solaires, ainsi que la prévision météorologique à court terme, le contrôle de la fusion nucléaire, etc. Demis Hassabis, PDG de Google DeepMind, a comparé l'IA à un télescope et a estimé que « l'IA pourrait provoquer une renaissance de nouvelles découvertes et devenir un multiplicateur de la sagesse humaine ».
Cependant, l’IA peut-elle faire plus en changeant le fonctionnement de la science elle-même ?
Découverte basée sur la littérature : l'IA mène la découverte des connaissances scientifiques
En fait, ce changement s’est déjà produit.
Avec l’avènement de la méthode scientifique au XVIIe siècle, les chercheurs ont commencé à faire confiance aux observations expérimentales et aux théories qui en découlaient plutôt qu’aux idées reçues de l’Antiquité. La création de laboratoires de recherche à la fin du XIXe siècle a stimulé l'innovation dans des domaines allant de la chimie aux semi-conducteurs en passant par les produits pharmaceutiques. Ces changements augmentent non seulement la productivité scientifique, mais ils transforment également la science elle-même, ouvrant de nouveaux domaines de recherche et de découverte.
Alors, comment l’IA a-t-elle pu réaliser une transformation similaire à l’époque, non seulement en générant de nouveaux résultats, mais en trouvant de nouvelles façons de générer de nouveaux résultats ?
**Une approche prometteuse est la découverte basée sur la littérature (LBD). **
En tant que méthode d’IA, LBD vise à faire de nouvelles découvertes en analysant la littérature scientifique. Dès les années 1980, le Dr Don Swanson de l'Université de Chicago a créé le premier système LBD afin de trouver de nouvelles associations dans la base de données des revues médicales MEDLINE. L'un des premiers succès de cette approche a été d'établir un lien entre la maladie de Raynaud, une maladie circulatoire, et la viscosité du sang, ce qui a conduit à l'hypothèse selon laquelle l'huile de poisson pourrait être utile dans le traitement, une hypothèse qui a ensuite été confirmée expérimentalement. Cependant, la portée des systèmes LBD était limitée à cette époque.
De nos jours, l’IA a fait des progrès significatifs dans le traitement du langage naturel (NLP), et la quantité de littérature scientifique a également considérablement augmenté, rendant les méthodes LBD encore plus puissantes. Par exemple, en 2019, des chercheurs du Lawrence Berkeley National Laboratory, aux États-Unis, ont utilisé des techniques d'apprentissage non supervisées pour analyser des résumés de littérature sur la science des matériaux et les convertir en représentations mathématiques appelées « incorporations de mots ». Cette approche permet aux systèmes d’IA d’acquérir une « intuition chimique » et de suggérer de nouveaux matériaux susceptibles d’avoir des propriétés spécifiques. Après vérification expérimentale, les dix meilleurs matériaux candidats ont montré d’excellentes performances.
Un article récent publié dans Nature Human Behaviour par Jamshid Sourati et James Evans, sociologues de l’Université de Chicago, étend cette approche d’une manière nouvelle. Les chercheurs ont formé un système pour prendre en compte à la fois les concepts et les auteurs et ont obtenu de meilleurs résultats qu'auparavant. En outre, ils exigent que le système évite les orientations de recherche traditionnelles et identifie les hypothèses « extraterrestres » qui sont peu susceptibles d'être découvertes dans des circonstances normales. Cette approche contribue non seulement à accélérer la découverte scientifique, mais révèle également de nouveaux « angles morts ».
Aujourd'hui, les systèmes LBD peuvent non seulement générer de nouvelles hypothèses de recherche, mais également identifier des partenaires potentiels et faciliter la collaboration interdisciplinaire. L'application de cette méthode s'étend pour traiter différents types de documents tels que des tableaux, des graphiques et des figures, offrant ainsi un soutien plus large aux scientifiques.
Scientifique en robotique : l'IA mène la révolution des laboratoires
**Les robots scientifiques représentent un autre développement passionnant au-delà de l'automatisation traditionnelle des laboratoires. **Ils acquièrent des connaissances de base sur un domaine de recherche spécifique sous forme de données, de documents de recherche et de brevets, puis génèrent des hypothèses, réalisent des expériences, évaluent les résultats et découvrent finalement de nouvelles connaissances scientifiques.
"Adam" de l'Université d'Aberystwyth est un pionnier des scientifiques en robotique. Il a réalisé la première découverte indépendante de nouvelles connaissances scientifiques. L'expérience sur la relation entre les gènes et les enzymes dans le métabolisme de la levure en est un cas typique.
Des roboticiens plus sophistiqués, comme « Eve », utilisent l’apprentissage automatique pour créer des « relations quantitatives structure-activité » (QSAR) – des modèles mathématiques reliant les structures chimiques aux effets biologiques – lorsqu’ils planifient et analysent des expériences. Eve a déjà été utilisée dans la découverte de médicaments, en découvrant avec succès que le triclosan, un composé antimicrobien utilisé dans le dentifrice, inhibe un mécanisme clé du parasite responsable du paludisme.
À une certaine époque, la perspective de voir les machines battre les meilleurs joueurs humains semblait lointaine, mais la technologie progresse plus rapidement que prévu. À mesure que les roboticiens deviennent de plus en plus compétents, il sera possible d’opposer les futurs roboticiens à des systèmes d’IA capables de jouer aux échecs.
Ross King, chercheur en IA à l'Université de Cambridge qui a créé Adam, a déclaré : « Si l'IA peut explorer tout l'espace des hypothèses, ou même élargir cet espace, alors elle pourrait montrer que les humains n'explorent qu'une petite partie de l'espace des hypothèses. peut-être en raison de leurs propres préjugés scientifiques.
Les robotistes ont transformé la recherche scientifique d’une manière unique en résolvant les problèmes d’efficacité dans le domaine scientifique. L'efficacité de la recherche scientifique diminue progressivement et il est difficile de promouvoir le développement des frontières de la connaissance. Les robots scientifiques peuvent résoudre ce problème grâce à des systèmes basés sur l'IA, car les machines peuvent effectuer des travaux de laboratoire plus rapidement, à moindre coût et avec plus de précision que les humains. et peut travailler 24 heures sur 24. De plus, ils peuvent fournir des résultats expérimentaux reproductibles et atténuer la crise de reproductibilité.
Le potentiel et les défis de l'IA dans la science
**Bien que l’IA ait un grand potentiel scientifique, elle est également confrontée à certains défis. **
Outre de meilleurs matériels et logiciels et une intégration plus étroite entre les deux, il existe également un besoin d’une plus grande interopérabilité entre les systèmes d’automatisation des laboratoires, ainsi que de normes communes permettant aux algorithmes d’IA d’échanger et d’interpréter des informations sémantiques. Un autre obstacle est le manque de familiarité des scientifiques avec les outils basés sur l’IA. De plus, certains chercheurs craignent que l’automatisation ne menace leur emploi.
Cependant, l’impact de l’IA est désormais « vaste et omniprésent », a déclaré le Dr Yolanda Gil, informaticienne à l’Université de Californie du Sud. De nombreux scientifiques « recherchent activement des partenaires en IA ». La prise de conscience du potentiel de l’IA s’accroît, en particulier dans les domaines de la science des matériaux et de la découverte de médicaments, où les praticiens construisent leurs propres systèmes d’IA.
Dans l’ensemble, les revues scientifiques ont changé la façon dont les scientifiques découvrent des informations et apprennent les uns des autres. Les laboratoires de recherche ont élargi l'échelle des expériences et réalisé l'industrialisation des expériences. En prolongeant et en combinant les deux premières révolutions, l’IA peut effectivement changer la manière dont la recherche scientifique est menée.
Liens de référence :
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
The Economist : L’IA peut-elle changer la manière dont la recherche scientifique est menée ?
L’intelligence artificielle (IA) façonne le domaine scientifique d’une manière sans précédent. **De l'accélération du processus de recherche à la génération de nouvelles hypothèses de recherche, l'ajout de l'IA apporte un énorme potentiel à la science. **
Plus tôt cette année, Yann LeCun, l’un des parrains de l’IA moderne, a déclaré : « En augmentant l’intelligence humaine, l’IA pourrait déclencher une nouvelle renaissance, peut-être une nouvelle étape des Lumières. »
Cependant, l’IA peut-elle faire plus en changeant le fonctionnement de la science elle-même ?
Découverte basée sur la littérature : l'IA mène la découverte des connaissances scientifiques
En fait, ce changement s’est déjà produit.
Avec l’avènement de la méthode scientifique au XVIIe siècle, les chercheurs ont commencé à faire confiance aux observations expérimentales et aux théories qui en découlaient plutôt qu’aux idées reçues de l’Antiquité. La création de laboratoires de recherche à la fin du XIXe siècle a stimulé l'innovation dans des domaines allant de la chimie aux semi-conducteurs en passant par les produits pharmaceutiques. Ces changements augmentent non seulement la productivité scientifique, mais ils transforment également la science elle-même, ouvrant de nouveaux domaines de recherche et de découverte.
Alors, comment l’IA a-t-elle pu réaliser une transformation similaire à l’époque, non seulement en générant de nouveaux résultats, mais en trouvant de nouvelles façons de générer de nouveaux résultats ?
**Une approche prometteuse est la découverte basée sur la littérature (LBD). **
En tant que méthode d’IA, LBD vise à faire de nouvelles découvertes en analysant la littérature scientifique. Dès les années 1980, le Dr Don Swanson de l'Université de Chicago a créé le premier système LBD afin de trouver de nouvelles associations dans la base de données des revues médicales MEDLINE. L'un des premiers succès de cette approche a été d'établir un lien entre la maladie de Raynaud, une maladie circulatoire, et la viscosité du sang, ce qui a conduit à l'hypothèse selon laquelle l'huile de poisson pourrait être utile dans le traitement, une hypothèse qui a ensuite été confirmée expérimentalement. Cependant, la portée des systèmes LBD était limitée à cette époque.
Un article récent publié dans Nature Human Behaviour par Jamshid Sourati et James Evans, sociologues de l’Université de Chicago, étend cette approche d’une manière nouvelle. Les chercheurs ont formé un système pour prendre en compte à la fois les concepts et les auteurs et ont obtenu de meilleurs résultats qu'auparavant. En outre, ils exigent que le système évite les orientations de recherche traditionnelles et identifie les hypothèses « extraterrestres » qui sont peu susceptibles d'être découvertes dans des circonstances normales. Cette approche contribue non seulement à accélérer la découverte scientifique, mais révèle également de nouveaux « angles morts ».
Scientifique en robotique : l'IA mène la révolution des laboratoires
**Les robots scientifiques représentent un autre développement passionnant au-delà de l'automatisation traditionnelle des laboratoires. **Ils acquièrent des connaissances de base sur un domaine de recherche spécifique sous forme de données, de documents de recherche et de brevets, puis génèrent des hypothèses, réalisent des expériences, évaluent les résultats et découvrent finalement de nouvelles connaissances scientifiques.
"Adam" de l'Université d'Aberystwyth est un pionnier des scientifiques en robotique. Il a réalisé la première découverte indépendante de nouvelles connaissances scientifiques. L'expérience sur la relation entre les gènes et les enzymes dans le métabolisme de la levure en est un cas typique.
Des roboticiens plus sophistiqués, comme « Eve », utilisent l’apprentissage automatique pour créer des « relations quantitatives structure-activité » (QSAR) – des modèles mathématiques reliant les structures chimiques aux effets biologiques – lorsqu’ils planifient et analysent des expériences. Eve a déjà été utilisée dans la découverte de médicaments, en découvrant avec succès que le triclosan, un composé antimicrobien utilisé dans le dentifrice, inhibe un mécanisme clé du parasite responsable du paludisme.
Ross King, chercheur en IA à l'Université de Cambridge qui a créé Adam, a déclaré : « Si l'IA peut explorer tout l'espace des hypothèses, ou même élargir cet espace, alors elle pourrait montrer que les humains n'explorent qu'une petite partie de l'espace des hypothèses. peut-être en raison de leurs propres préjugés scientifiques.
Les robotistes ont transformé la recherche scientifique d’une manière unique en résolvant les problèmes d’efficacité dans le domaine scientifique. L'efficacité de la recherche scientifique diminue progressivement et il est difficile de promouvoir le développement des frontières de la connaissance. Les robots scientifiques peuvent résoudre ce problème grâce à des systèmes basés sur l'IA, car les machines peuvent effectuer des travaux de laboratoire plus rapidement, à moindre coût et avec plus de précision que les humains. et peut travailler 24 heures sur 24. De plus, ils peuvent fournir des résultats expérimentaux reproductibles et atténuer la crise de reproductibilité.
Le potentiel et les défis de l'IA dans la science
**Bien que l’IA ait un grand potentiel scientifique, elle est également confrontée à certains défis. **
Outre de meilleurs matériels et logiciels et une intégration plus étroite entre les deux, il existe également un besoin d’une plus grande interopérabilité entre les systèmes d’automatisation des laboratoires, ainsi que de normes communes permettant aux algorithmes d’IA d’échanger et d’interpréter des informations sémantiques. Un autre obstacle est le manque de familiarité des scientifiques avec les outils basés sur l’IA. De plus, certains chercheurs craignent que l’automatisation ne menace leur emploi.
Cependant, l’impact de l’IA est désormais « vaste et omniprésent », a déclaré le Dr Yolanda Gil, informaticienne à l’Université de Californie du Sud. De nombreux scientifiques « recherchent activement des partenaires en IA ». La prise de conscience du potentiel de l’IA s’accroît, en particulier dans les domaines de la science des matériaux et de la découverte de médicaments, où les praticiens construisent leurs propres systèmes d’IA.
Liens de référence :