L’IA consciente de l’humain aide à accélérer les découvertes scientifiques, selon de nouvelles recherches

Une nouvelle étude explore comment l’intelligence artificielle peut non seulement mieux prédire les nouvelles découvertes scientifiques, mais aussi les étendre utilement. Les chercheurs, qui ont publié leurs travaux dans Nature Comportement humainconstruit des modèles qui pourraient prédire les inférences humaines et les scientifiques qui les feront.

Les auteurs ont également construit des modèles qui évitaient l’inférence humaine pour générer des hypothèses « extraterrestres » scientifiquement prometteuses qui ne seraient probablement pas envisagées avant un avenir lointain, voire pas du tout. Ils soutiennent que les deux démonstrations – la première permettant l’accélération de la découverte humaine, tandis que la seconde identifie et passe au-dessus de ses angles morts – signifient qu’une IA consciente de l’humain permettrait un mouvement au-delà de la frontière scientifique contemporaine.

« Si vous prenez conscience de ce que font les gens, vous pouvez améliorer les prévisions et les dépasser pour accélérer la science », déclare le co-auteur James A. Evans, professeur Max Palevsky au Département de sociologie et directeur du Knowledge Lab. « Mais vous pouvez également déterminer ce que les gens ne peuvent pas faire actuellement ou ne pourront pas faire pendant des décennies ou plus dans le futur. Vous pouvez les augmenter en leur fournissant ce type d’intelligence complémentaire. »

Des modèles d’IA qui ont été formés sur des découvertes scientifiques publiées ont été utilisés pour inventer des matériaux précieux et des thérapies ciblées, mais ils ignorent généralement la répartition des scientifiques humains impliqués. Les chercheurs ont examiné comment les humains ont concouru et collaboré à la recherche à travers l’histoire, ils se sont donc demandé ce qui pourrait être appris si les programmes d’IA étaient explicitement sensibilisés à l’expertise humaine : pourrions-nous faire un meilleur travail pour compléter la capacité humaine collective en poursuivant et en explorant des lieux les humains n’ont pas exploré?

Prédire l’avenir de la découverte

Pour tester la question, l’équipe a d’abord simulé des processus de raisonnement en construisant des marches aléatoires à travers la littérature de recherche. Ils ont commencé par une propriété, telle que la vaccination contre le COVID, puis sont passés à un article avec cette même propriété, à un autre article du même auteur ou à un document cité dans cet article.

Ils ont effectué des millions de ces marches aléatoires et leur modèle a offert une amélioration de 400 % des prédictions de découvertes futures au-delà de celles axées uniquement sur le contenu de la recherche, en particulier lorsque la littérature pertinente était rare. Ils pouvaient également prédire avec une précision supérieure à 40 % les personnes réelles qui feraient chacune de ces découvertes, car le programme savait que l’individu prédit était l’un des rares dont l’expérience ou les relations liaient la propriété et le matériel en question.

Evans qualifie le modèle de « double numérique » du système scientifique, qui permet de simuler ce qui est susceptible de s’y produire et d’expérimenter des possibilités alternatives. Il explique comment cela met en évidence la manière dont les scientifiques se rapprochent des méthodes, des propriétés et des personnes avec lesquelles ils ont de l’expérience.

« Cela nous permet également d’apprendre des choses sur ce système et ses limites », dit-il. « Par exemple, en moyenne, cela suggère que certains aspects de notre système scientifique actuel, comme l’enseignement supérieur, ne sont pas adaptés à la découverte. Ils sont adaptés pour donner aux gens une étiquette qui les aide à trouver un emploi – pour remplir le marché du travail. Ils n’optimisent pas la découverte de nouvelles choses technologiquement pertinentes. Pour ce faire, chaque étudiant serait une expérience, franchissant de nouvelles lacunes dans le paysage de l’expertise.

Dans la deuxième démonstration de l’article, ils ont demandé au modèle d’IA de ne pas faire les prédictions les plus susceptibles d’être découvertes par les gens, mais de trouver des prédictions scientifiquement plausibles, mais les moins susceptibles d’être découvertes par les gens.

Les chercheurs les ont traitées comme des inférences dites extraterrestres ou complémentaires, qui avaient trois caractéristiques : elles sont rarement découvertes par les humains ; s’il est découvert, ce ne sera pas avant de nombreuses années dans le futur lorsque les systèmes scientifiques se réorganiseront ; et les inférences extraterrestres sont, en moyenne, meilleures que les inférences humaines, probablement parce que les humains se concentreront sur l’extraction de chaque once de découverte d’une théorie ou d’une approche existante avant d’en explorer une nouvelle. Parce que ces modèles évitent les connexions et les configurations de l’activité scientifique humaine, ils explorent un territoire entièrement nouveau.

Intelligence radicalement augmentée

Evans explique que considérer l’IA comme une tentative de copier la capacité humaine – en s’appuyant sur l’idée d’Alan Turing du jeu d’imitation où les humains sont les normes de l’intelligence – n’aide pas les scientifiques à accélérer leur capacité à résoudre les problèmes. Nous sommes beaucoup plus susceptibles de bénéficier d’une augmentation radicale de notre intelligence collective, dit-il, plutôt que d’une réplication artificielle.

« Les gens dans ces domaines – science, technologie, culture – essaient de rester proches du peloton », a déclaré Evans. « Vous survivez en ayant de l’influence lorsque d’autres utilisent vos idées ou votre technologie. Et vous maximisez cela en restant proche du peloton. Nos modèles complètent ce biais en créant des algorithmes qui suivent les signaux de plausibilité scientifique, mais évitent exclusivement le peloton. »

L’utilisation de l’IA pour sortir des méthodes et collaborations existantes, plutôt que de refléter ce que les scientifiques humains sont susceptibles de penser dans un avenir proche, élargit les capacités humaines et soutient une exploration améliorée.

« Il s’agit de changer le cadre de l’IA de l’intelligence artificielle à l’intelligence radicalement augmentée, ce qui nécessite d’étudier plus, pas moins, sur la capacité cognitive individuelle et collective », a déclaré Evans. « Lorsque nous comprenons mieux la compréhension humaine, nous pouvons explicitement concevoir des systèmes qui compensent ses limites et nous amènent à en savoir plus collectivement. »