L’IA pour la science a besoin de raisonnement, pas seulement de données

AlphaFold, développé par Google DeepMind, a résolu la prédiction de la structure des protéines après un demi-siècle d'efforts, mais les conditions qui ont permis ce succès—la vaste banque de données sur les protéines et des données expérimentales fiables—sont rares et coûteuses à reproduire dans la plupart des domaines. Au lieu de cela, les agents IA, alimentés par de grands modèles de langage, émergent comme un outil plus général pour la science. Des agents comme le co-scientifique IA de Google peuvent raisonner, planifier et tester des hypothèses ; l'un de ces agents a correctement émis l'hypothèse de la propagation de la résistance aux antibiotiques, une conclusion qui a pris dix ans à atteindre aux chercheurs de l'Imperial College. Ces agents peuvent enregistrer chaque action, répondant à la crise de reproductibilité, préserver les connaissances institutionnelles et accélérer considérablement la recherche en réduisant le coût de l'expérimentation. Bien que des défis comme l'hallucination et les limites de mémoire subsistent, les agents représentent un changement fondamental comparable au calcul ou à l'ordinateur, transformant la science dans tous les domaines.