Découverte scientifique à l’ère de l’intelligence artificielle

Nature volume 620, pages 47-60 (2023)Citer cet article

2510 Accès

222 Altmétrique

Détails des métriques

L'intelligence artificielle (IA) est de plus en plus intégrée à la découverte scientifique pour augmenter et accélérer la recherche, aidant les scientifiques à générer des hypothèses, à concevoir des expériences, à collecter et à interpréter de vastes ensembles de données et à obtenir des informations qui n'auraient peut-être pas été possibles en utilisant seules les méthodes scientifiques traditionnelles. Nous examinons ici les avancées réalisées au cours de la dernière décennie, notamment l'apprentissage auto-supervisé, qui permet d'entraîner des modèles sur de grandes quantités de données non étiquetées, et l'apprentissage profond géométrique, qui exploite les connaissances sur la structure des données scientifiques pour améliorer la précision et l'efficacité des modèles. Les méthodes d’IA générative peuvent créer des conceptions, telles que des médicaments et des protéines à petites molécules, en analysant diverses modalités de données, notamment des images et des séquences. Nous discutons de la manière dont ces méthodes peuvent aider les scientifiques tout au long du processus scientifique et des questions centrales qui demeurent malgré ces avancées. Les développeurs et les utilisateurs d’outils d’IA doivent mieux comprendre quand de telles approches doivent être améliorées, et les défis posés par la mauvaise qualité et la mauvaise gestion des données demeurent. Ces questions touchent plusieurs disciplines scientifiques et nécessitent le développement d’approches algorithmiques fondamentales qui peuvent contribuer à la compréhension scientifique ou l’acquérir de manière autonome, ce qui en fait des domaines d’intérêt essentiels pour l’innovation en IA.

Ceci est un aperçu du contenu de l'abonnement, accès via votre institution

Accédez à Nature et à 54 autres revues Nature Portfolio

Obtenez Nature+, notre abonnement d'accès en ligne au meilleur rapport qualité-prix

29,99 $ / 30 jours

annuler à tout moment

Abonnez-vous à cette revue

Recevez 51 numéros imprimés et un accès en ligne

199,00 $ par an

seulement 3,90 $ par numéro

Louer ou acheter cet article

Les prix varient selon le type d'article

à partir de 1,95 $

à 39,95 $

Les prix peuvent être soumis aux taxes locales qui sont calculées lors du paiement

LeCun, Y., Bengio, Y. et Hinton, G. Apprentissage profond. Nature 521, 436-444 (2015). Cette enquête résume les éléments clés de l'apprentissage profond et son développement dans la reconnaissance vocale, la vision par ordinateur et le traitement du langage naturel.

Article ADS CAS PubMed Google Scholar

de Regt, HW Compréhension, valeurs et objectifs de la science. Phil. Sci. 87, 921-932 (2020).

Article MathSciNet Google Scholar

Pickstone, JV Ways of Knowing : Une nouvelle histoire de la science, de la technologie et de la médecine (Univ. Chicago Press, 2001).

Han, J. et al. Potentiel profond : une représentation générale d'une surface d'énergie potentielle à plusieurs corps. Commun. Calculer. Phys. 23, 629-639 (2018). Cet article présente une architecture de réseau neuronal profond qui apprend la surface d'énergie potentielle des systèmes à N corps tout en respectant les symétries sous-jacentes du système en incorporant la théorie des groupes.

Akiyama, K. et al. Premiers résultats du télescope Event Horizon M87. IV. Imagerie du trou noir supermassif central. Astrophysique. J. Lett. 875, L4 (2019).

Article ADS CAS Google Scholar

Wagner, AZ Constructions en combinatoire via les réseaux de neurones. Préimpression sur https://arxiv.org/abs/2104.14516 (2021).

Coley, CW et coll. Une plateforme robotique pour la synthèse en flux de composés organiques éclairée par la planification de l'IA. Science 365, eaax1566 (2019).

Article CAS PubMed Google Scholar

Bommasani, R. et coll. Sur les opportunités et les risques des modèles de fondation. Préimpression sur https://arxiv.org/abs/2108.07258 (2021).

Davies, A. et coll. Faire progresser les mathématiques en guidant l’intuition humaine avec l’IA. Nature 600, 70-74 (2021). Cet article explore comment l’IA peut contribuer au développement des mathématiques pures en guidant l’intuition mathématique.