L’intelligence artificielle est déjà en train de transformer de nombreux domaines, et celui de la recherche scientifique n’y échappe pas. Des chercheurs de l’Université de Chicago ont récemment mis au point des modèles d’IA capables d’anticiper les avancées scientifiques, suggérant un avenir où ces technologies pourraient stimuler les futures découvertes.
L’étude, publiée dans la revue Nature, décrit comment ces modèles d’IA sont capables de prédire les futurs chemins de la science et d’identifier les chercheurs qui seront probablement à l’origine des prochaines découvertes. Cet exploit offre la possibilité d’accélérer la recherche scientifique. Il se pourrait même que ces modèles d’IA poussent les chercheurs vers des domaines inexplorés et inconnus. Grâce à ces technologies, les scientifiques pourront également se concentrer sur les sujets les plus prometteurs et ainsi optimiser leurs efforts.
La formation des modèles d’IA
Ces modèles d’IA sont conditionnés en intégrant les antécédents de collaborations et de compétitions entre les chercheurs au cours de l’histoire. Représentant une véritable richesse d’interactions scientifiques, ces données ont été incorporées dans les modèles pour affiner et optimiser les prédictions.
Parallèlement à cela, un autre processus a également été mis en place afin de simuler le raisonnement scientifique. Il s’agit de la construction de millions de « marches aléatoires » dans l’immense corpus de la littérature de recherche. Pour établir ces marches, les scientifiques commencent par un concept ou une idée — prenons par exemple la recherche sur le vaccin contre la COVID-19. À partir de là, ils simulent des liens vers d’autres articles de recherche sur le même sujet, puis vers un autre article écrit par le même auteur.
L’objectif de ces marches aléatoires est de reproduire la façon dont un chercheur naviguerait à travers le corpus de la littérature de recherche, tissant des connexions entre différentes idées, différents chercheurs et différents travaux précédents. En procédant de cette manière, les modèles d’IA sont formés pour suivre des parcours de pensée et des idées similaires à ceux empruntés par les humains.
Ce processus de déduction créative a eu un impact significatif sur l’efficacité des prédictions de l’IA. Il a non seulement amélioré les prévisions des découvertes scientifiques, mais il a aussi affiné la précision des prédictions concernant les chercheurs susceptibles d’être à l’origine d’une découverte donnée.
L’IA à la quête des prédictions scientifiques peu probables
Les scientifiques n’en sont pas restés là. Ils ont également développé un modèle d’IA capable de générer des prédictions qui, bien que scientifiquement plausibles, ont peu de chances d’être découvertes par des chercheurs. Ces prédictions, qualifiées de « déductions extraterrestres », émergent rarement, voire jamais, du processus de réflexion humaine. Et si elles apparaissent, ce ne serait probablement pas avant de nombreuses années. Étonnamment, ces déductions extraterrestres se sont avérées plus performantes en moyenne par rapport aux déductions humaines. Cela est probablement dû au fait qu’elles reposent sur de nouvelles théories ou approches au lieu de s’appuyer sur des idées existantes.
Suite à ces expériences, les scientifiques de l’étude suggèrent que notre perspective sur l’IA devrait changer. Ils soulignent notamment que l’IA pourrait être un moyen d’amplifier notre intelligence collective, et qu’elle ne doit pas être perçue comme une simple technologie qui vise à mimer l’intelligence humaine.