Recherche scientifique sur l'IA : le véritable objectif de l'apprentissage automatique

• Auteur :
• Nom de l'auteur

  Prévision quantique
• 11 mai 2023

L'élaboration d'hypothèses est traditionnellement considérée comme une activité uniquement humaine, car elle nécessite de la créativité, de l'intuition et une pensée critique. Cependant, avec les progrès technologiques, les scientifiques se tournent de plus en plus vers l'apprentissage automatique (ML) pour générer de nouvelles découvertes. Les algorithmes peuvent analyser rapidement de grandes quantités de données et identifier des modèles que les humains peuvent ne pas être en mesure de voir.

Comportementale

Plutôt que de dépendre d'idées préconçues humaines, les chercheurs ont construit des algorithmes ML de réseau neuronal avec une conception inspirée du cerveau humain, suggérant de nouvelles hypothèses basées sur des modèles de données. En conséquence, de nombreux domaines pourraient bientôt se tourner vers le ML pour accélérer les découvertes scientifiques et réduire les biais humains. Dans le cas des matériaux de batterie inexplorés, les scientifiques se sont traditionnellement appuyés sur les techniques de recherche de bases de données, la modélisation et leur sens chimique pour identifier les molécules viables. Une équipe de l'Université de Liverpool, basée au Royaume-Uni, a utilisé le ML pour simplifier le processus de création. 

Tout d'abord, les chercheurs ont créé un réseau de neurones qui a priorisé les combinaisons chimiques en fonction de leur probabilité de produire un nouveau matériau précieux. Les scientifiques ont ensuite utilisé ces classements pour guider leurs études en laboratoire. En conséquence, ils ont trouvé quatre choix de matériaux de batterie viables sans tout tester sur leur liste, ce qui leur a épargné des mois d'essais et d'erreurs. Les nouveaux matériaux ne sont pas le seul domaine où le ML peut aider la recherche. Les chercheurs utilisent également les réseaux de neurones pour résoudre des problèmes technologiques et théoriques plus importants. Par exemple, un physicien de l'Institut de physique théorique de Zurich, Renato Renner, espère développer une explication cohérente du fonctionnement du monde à l'aide de ML. 

De plus, des modèles d'IA génératifs plus sophistiqués comme ChatGPT d'OpenAI permettent aux chercheurs de générer automatiquement de nouvelles données, modèles et hypothèses. Cet exploit est réalisé grâce à des techniques telles que les réseaux antagonistes génératifs (GAN), les auto-encodeurs variationnels (VAE) et les modèles de langage basés sur des transformateurs (tels que Generative Pre-trained Transformer-3 ou GPT-3). Ces modèles d'IA peuvent être utilisés pour générer des ensembles de données synthétiques, concevoir et optimiser de nouvelles architectures ML et développer de nouvelles hypothèses scientifiques en identifiant des modèles et des relations dans des données qui étaient auparavant inconnues.

Impact perturbateur

Les scientifiques peuvent de plus en plus utiliser l'IA générative pour aider à la recherche. Avec la capacité d'analyser des modèles et de prédire les résultats sur la base de ces connaissances, ces modèles pourraient résoudre des théories scientifiques complexes qui sont restées non résolues par l'humanité. Non seulement cela permettra d'économiser du temps et de l'argent, mais cela aidera également la compréhension humaine de la science à s'étendre bien au-delà de ses frontières actuelles. 

Une entreprise de recherche et développement (R&D) trouvera probablement plus facile de recueillir un financement approprié car le ML peut traiter les données plus rapidement. En conséquence, les scientifiques chercheront plus d'aide en embauchant de nouveaux employés ou en collaborant avec des entreprises et des entreprises bien connues pour produire de meilleurs résultats. L'impact global de cet intérêt sera positif, non seulement pour les avancées scientifiques, mais aussi pour les professionnels des domaines scientifiques. 

Cependant, un obstacle potentiel est que les solutions de ces modèles adaptatifs sont souvent difficiles à saisir pour les humains, en particulier le raisonnement impliqué. Étant donné que les machines ne donnent que des réponses et n'expliquent pas la raison de la solution, les scientifiques peuvent rester incertains quant au processus et à la conclusion. Cette obscurité affaiblit la confiance dans les résultats et réduit le nombre de réseaux de neurones qui peuvent aider à l'analyse. Il faudra donc que les chercheurs développent un modèle qui puisse s'expliquer de lui-même.

Implications de la recherche scientifique sur l'IA

Les implications plus larges de la recherche scientifique sur l'IA peuvent inclure :

• Changements dans les normes de paternité des articles de recherche, y compris l'octroi d'un crédit de propriété intellectuelle à l'IA. De même, les systèmes d'IA seront un jour récompensés en tant que récipiendaires potentiels du prix Nobel, ce qui peut provoquer des débats intenses sur la question de savoir si ces algorithmes doivent être reconnus comme des inventeurs.
• La recherche générée par l'IA peut conduire à de nouvelles formes de responsabilité et à d'autres questions juridiques et éthiques liées à l'utilisation de l'IA et des systèmes autonomes dans les découvertes scientifiques.
• Scientifiques travaillant avec divers outils d'IA générative pour accélérer les développements et les tests médicaux.
• Augmentation de la consommation d'énergie causée par la puissance de calcul élevée nécessaire pour exécuter ces algorithmes élaborés.
• Les futurs scientifiques sont formés pour utiliser l'IA et d'autres outils de ML dans leurs flux de travail.
• Les gouvernements créent des normes mondiales sur les limites et les exigences de la conduite d'expériences scientifiques générées par l'IA.

Questions à considérer

• Si vous êtes un scientifique, comment votre institution ou votre laboratoire envisage-t-il d'intégrer la recherche assistée par l'IA ?
• Comment pensez-vous que la recherche générée par l'IA aura un impact sur le marché du travail pour les scientifiques et les chercheurs ?