// FUTURA SCIENCES — SPAZIO & SCIENZA
« L'IA accélère la recherche, mais pas forcément les découvertes » : le paradoxe qui devrait nous faire réfléchir
Actuellement, la stratégie des principales entreprises de l’IA repose sur un accroissement de la taille de leurs modèles de langage pour augmenter leur performance. Est-ce la bonne voie vers une super-intelligence ?... Lire la suite
Le prix Nobel Goeffrey Hinton, un des plus grands chercheurs en IA, affirme dans ses interventions que les chatbots sont conscients. Cela signifierait que la conscience est un produit du langage, ce qu’elle n’est pas. Mais qu’est-ce alors ? Cette question est certainement l’un des plus grands défis de la science.... Lire la suite
Alors que les transhumanistes croyaient que l’IA enclencherait une croissance exponentielle d’innovations et de découvertes scientifiques, celles-ci restent limitées. Dans ce contexte, on peut se demander quel est l’impact réel des grands modèles de langage (LLM) sur la science.
[EN VIDÉO] Pour les créateurs, la question n’est peut-être pas de savoir si l’intelligence artificielle va remplacer l’imagination humaine… mais comment elle peut l’aider à aller plus loin. Avec Adobe Firefly, une première idée peut devenir un terrain d’expérimentation : explorer un décor, tester une ambiance, visualiser plusieurs directions créatives en quelques instants. Car une création ne repose pas uniquement sur un résultat final. Elle naît d’une intention, d’un regard et de choix humains. L’IA devient alors un nouveau partenaire : un outil pour donner vie aux idées, avant même de passer à la réalisation.
On attribue généralement une part non négligeable de la croissance économique à l'innovation et aux découvertes scientifiques. Par conséquent, comprendre comment les IA peuvent accélérer les découvertes et les innovations est un sujet important.
Une étude réalisée par Google et le MIT a analysé un corpus de 15 millions d'interactions avec Gemini et d'autres modèles spécialisés, et mené une enquête auprès de 637 chercheurs aux États-Unis et au Royaume-Uni (source : « AI in Science: Early Insights »).
L'étude montre qu'individuellement les chercheurs ont amélioré leur productivité avec un gain d'environ sept heures par semaine. Toutefois, près de la moitié d'entre eux ont fait état d'une accumulation croissante d'hypothèses non testées. Si l'IA accélère bien certaines tâches individuelles, la transformation des hypothèses en découvertes validées reste pour l'instant limitée.
On peut s'attendre logiquement à ce que l'impact limité de l'IA soit principalement dû aux tâches pour lesquelles elle n'est pas adaptée. Ainsi, près de la moitié des participants ont indiqué que le principal goulet d'étranglement n'était pas au niveau des phases préliminaires, mais dans les phases ultérieures, comme l'expérimentation physique et la collecte de données. Par conséquent, l'IA est plus efficace dans les domaines où les hypothèses peuvent être vérifiées par le calcul. Cependant, ces domaines sont soumis à d'autres contraintes : l'accès à la puissance de calcul, le coût des simulations à grande échelle, ainsi que la nécessité de disposer de données et de référentiels de haute qualité.
Actuellement, la stratégie des principales entreprises de l’IA repose sur un accroissement de la taille de leurs modèles de langage pour augmenter leur performance. Est-ce la bonne voie vers une super-intelligence ?... Lire la suite
Un autre goulet d'étranglement est dû aux tâches de vérification : 88 % des scientifiques ont déclaré consacrer plus de 10 % du temps gagné à vérifier les résultats produits par l'IA, près de la moitié y consacrant plus d'un quart de ce temps. La nature de cette vérification varie selon le domaine. En mathématiques ou en informatique, il s'agit d'examiner et tester une démonstration ou un code. Dans les sciences de la santé et du vivant, les vérifications impliquent de réaliser des tests en laboratoire. Dans les sciences physiques, elles reviennent à mener des expériences.