Résumé des points clés
Cette discussion porte sur AI for Science (AI4S), qui vise à utiliser l'intelligence artificielle pour accélérer la recherche scientifique. Elle commence par un événement majeur de l'industrie : le départ de Jeff Dean, une figure emblématique de Google, pour fonder la société AI4S. L'analyse approfondit les fondements technologiques du développement explosif d'AI4S, le rôle de l'intelligence artificielle dans la science, les principaux obstacles, les voies de commercialisation ainsi que les réflexions philosophiques qui sous-tendent ces innovations. Le point central est que AI4S est entré dans une phase de croissance rapide, mais qu'il fonctionne actuellement principalement en tant qu'outil collaboratif pour les scientifiques, et qu'il reste encore deux à trois décennies avant que l'intelligence artificielle ne puisse réaliser des découvertes d'envergure comparable à celles récompensées par un prix Nobel. Les plus grands défis sont la validation physique, le raisonnement causal et la capacité d'abstraction conceptuelle. La commercialisation d'AI4S peut se faire de manière progressive, notamment dans les étapes intermédiaires du développement de médicaments, ce qui pourrait stimuler à long terme l'évolution tant de la science que de l'intelligence artificielle elle-même.
I. L'explosion d'AI4S : Les grands acteurs entrent en scène, la technologie atteint un point critique
1. Que signifie le départ de Jeff Dean pour l'industrie ?
Jeff Dean, considéré comme l'âme technique de Google (ayant dirigé des technologies clés telles que MapReduce, TensorFlow et Gemini), a créé Discovery Loop avec son équipe pour se concentrer sur AI4S, marquant ainsi le passage d'AI4S du laboratoire à l'industrialisation. Il y a deux raisons à cela :
- Réajustement des priorités au sein de Google : les progrès du modèle Gemini sont plus lents que ceux d'OpenAI/Anthropic, et les ressources de l'entreprise sont orientées vers la commercialisation (par exemple, les intelligences artificielles pour le codage), ce qui a temporairement mis de côté la recherche sur AI4S ;
- Évolution naturelle : après avoir mûri dans les domaines du code et des mathématiques, l'intelligence artificielle peut maintenant être utilisée pour résoudre des problèmes scientifiques importants, comme le développement de médicaments ou la conception de matériaux.
2. Pourquoi l'explosion maintenant ?
Les capacités essentielles nécessaires à AI4S sont enfin réunies :
- Capacité de codage et de raisonnement : l'intelligence artificielle peut écrire du code pour analyser les données expérimentales et formuler des hypothèses ;
- Cycles d'intelligences artificielles : elle peut créer des boucles de « formulation d'hypothèses → validation expérimentale → optimisation par feedback » (par exemple, la collaboration entre OpenAI et Ginkgo Bioworks pour concevoir des protéines ou l'utilisation d'robots pour mener des expériences) ;
- Adaptation aux domaines spécifiques : des secteurs tels que la pharmacie et les matériaux ont des processus standardisés et des données abondantes, ce qui facilite l'intervention de l'intelligence artificielle (par exemple, le développement de nouveaux médicaments est long et coûteux, et l'intelligence artificielle peut accélérer la découverte de cibles thérapeutiques).
II. Le rôle de l'intelligence artificielle dans la science : assistant ou scientifique indépendant ?
L'intelligence artificielle joue actuellement deux rôles dans la recherche scientifique :
1. **Scientifique collaboratif** : en tant qu'outil d'accélération
L'intelligence artificielle aide les scientifiques à améliorer leur efficacité, par exemple en analysant des données expérimentales ou en concevant des plans d'expériences (comme Claude Science, qui sert de plateforme de travail pour les scientifiques). C'est la tendance actuelle et peut considérablement raccourcir les cycles de recherche, mais elle ne propose pas de nouvelles concepts scientifiques de manière autonome.
2. **Découvreur indépendant** : en tant que chercheur autonome
L'intelligence artificielle peut formuler ses propres hypothèses et découvrir de nouveaux savoirs (comme AlphaFold, qui a prédit la structure des protéines). Cependant, ces cas sont rares et se limitent souvent à la combinaison de connaissances existantes (par exemple, le coup magique d'AlphaGo était basé sur des stratégies pré-existantes, pas sur l'invention de nouvelles règles).
III. Les trois principaux obstacles d'AI4S : la validation difficile, le faible raisonnement causal et l'incapacité d'abstraction
1. La validation physique est un obstacle majeur
La recherche scientifique doit être validée dans le monde réel, mais les expériences conçues par l'intelligence artificielle (comme pour de nouveaux médicaments ou des matériaux) sont coûteuses et longues à mettre en œuvre :
- Par exemple, la mise en œuvre d'un nouveau médicament par intelligence artificielle peut nécessiter plusieurs années et des milliards de dollars en essais cliniques ;
- Contrairement au code qui peut être exécuté immédiatement, les expériences physiques ne permettent pas de feedback rapide, ralentissant ainsi l'itération de l'intelligence artificielle.
2. Le manque de capacité de raisonnement causal
L'intelligence artificielle a tendance à confondre la corrélation avec la causalité :
- Par exemple, si les ventes d'ice cream augmentent en même temps que le nombre de noyades, l'intelligence artificielle pourrait en conclure que l'ice cream est la cause, alors qu'en réalité il s'agit de la chaleur estivale ;
- Cela est dû au fait que l'intelligence artificielle se base sur des corrélations superficielles dans les données d'entraînement et ne comprend pas vraiment les lois fondamentales du monde physique.
3. Incapacité d'abstraction de nouveaux concepts
Les avancées scientifiques reposent souvent sur l'abstraction de concepts novateurs (comme la force découverte par Newton ou la théorie de la relativité d'Einstein), mais l'intelligence artificielle en est incapable :
- L'intelligence artificielle peut classifier des chaises, mais pas tirer la notion de gravité à partir du fait que les planètes tournent autour du soleil ;
- Cela est dû au fait que l'abstraction nécessite un raisonnement rétroactif (de phénomènes vers leurs causes), ce que l'intelligence artificielle ne peut pas encore faire, se contentant de déduire des conclusions à partir de données ou de généraliser des tendances.
IV. La commercialisation d'AI4S : peut-on gagner de l'argent maintenant ? Pourra-t-elle remporter un prix Nobel à l'avenir ?
La commercialisation d'AI4S se fait progressivement, en s'appuyant sur des étapes intermédiaires :
1. **Court terme** : les bénéfices dans les étapes intermédiaires
Des applications commerciales sont déjà disponibles pour des étapes clés de la recherche scientifique :
- Par exemple, aider les entreprises pharmaceutiques à concevoir des structures moléculaires ou à prédire des cibles thérapeutiques (comme Isomorphic Labs avec AlphaFold) ;
- Ces applications peuvent réduire directement les coûts et les temps de développement, ce qui incite les entreprises à payer.
2. **Long terme** : les découvertes d'envergure Nobel nécessitent deux à trois décennies
Pour que l'intelligence artificielle réalise des découvertes d'envergure Nobel, il faut surmonter trois obstacles majeurs :
- Validation physique : la généralisation des laboratoires automatisés (avec des robots pour mener des expériences) ;
- Raisonnement causal : l'intelligence artificielle doit développer de bons modèles du monde ;
- Abstraction conceptuelle : elle doit acquérir une capacité de raisonnement rétroactif.
Cao Yuan prévoit que cela prendra au moins deux à trois décennies.
3. L'impact sur la société
Si l'intelligence artificielle parvient à réaliser des découvertes d'envergure Nobel, cela signifiera qu'elle est proche de l'IA générale (AGI), ce qui changera radicalement la science et la société :
- Les progrès scientifiques accéléreront de manière exponentielle ;
- Le rôle de l'humanité évoluera, passant de chercheur à définateur de problèmes, vérificateur et jugeur de la pertinence des découvertes scientifiques.
V. Questions philosophiques : L'arithmétique est-elle une invention ou une découverte ? Quelle est la différence fondamentale entre l'humanité et l'intelligence artificielle ?
La discussion se termine sur des questions philosophiques liées à AI4S :
1. L'arithmétique est-elle une invention de l'homme ou une loi de l'univers ?
Cao Yuan penche pour l'idée que l'arithmétique est une création humaine, avec ses limites (comme le théorème d'incomplétude de Gödel), tandis que l'univers est cohérent et ne peut pas contenir de vérités indémontrables.
2. Quelle est la différence fondamentale entre l'humanité et l'intelligence artificielle ?
L'humanité est capable de réfléchir à des choses inutiles mais essentielles (comme les mathématiques pures, l'art ou la philosophie), ce qui stimule le progrès scientifique ; l'intelligence artificielle, quant à elle, ne peut accomplir que des tâches utiles et ne comprend pas la beauté ou la curiosité.
3. Les professionnels de l'intelligence artificielle doivent-ils lire de la philosophie ?
Oui ! Car les questions fondamentales concernant l'intelligence artificielle (comme « Qu'est-ce que l'intelligence ? » ou « Comment l'humanité comprend-elle le monde ? ») ont déjà été abordées dans l'histoire de la philosophie. Par exemple, la structure a priori de Kant correspond aux modèles du monde nécessaires à l'intelligence artificielle, et la unité dialectique de Hegel correspond à l'apprentissage continu de l'intelligence artificielle.
Conclusion
AI4S représente la prochaine étape importante dans le développement de l'intelligence artificielle ; elle peut non seulement accélérer les progrès scientifiques mais également stimuler son propre évolution. Cependant, avant que l'intelligence artificielle ne puisse remporter un prix Nobel de manière indépendante, il reste un long chemin à parcourir. Pendant ce processus, nous devons réfléchir à notre rôle : notre valeur ne réside pas dans ce que l'intelligence artificielle peut faire, mais dans ce que nous pouvons faire qui dépasse ses capacités – définir des problèmes, juger de la valeur et créer de la beauté. Dans le monde futur, l'intelligence artificielle sera un outil puissant, mais l'unicité humaine ne sera jamais remplacée.