L. Bardon . – Les révolutions technologiques ont tendance à s’appuyer sur une part importante d’activités devenues bon marché. L’intelligence artificielle (IA) est, par essence, une technologie de prédiction, de sorte que le changement économique engendrera surtout une baisse du coût de la prédiction. La valeur de l’IA c’est sa capacité à faire des prédictions, à calculer plus rapidement et plus précisément que cela n’a jamais été possible. L’IA est surtout une avancée fondamentale dans le domaine des statistiques, et pas dans le domaine de l’intelligence (Il ne s’agit que d’un aspect de l’intelligence, la prédiction). Au fur et à mesure que le coût de la prévision diminue, non seulement les activités qui étaient historiquement axées sur la prévision deviennent moins coûteuses (gestion des stocks et la prévision de la demande par exemple) mais nous utilisons également la prévision pour nous attaquer à d’autres problèmes. Au fur et à mesure que l’IA s’améliore, la valeur de la prédiction humaine va donc diminuer parce que la prédiction artificielle fournira un substitut meilleur marché et plus performant meilleur que la prédiction humaine, tout comme les machines l’ont fait en arithmétique.
Tous les dix ans, les astronomes américains doivent prendre des décisions difficiles. Décrites dans un plan appelé “Decadal Survey on Astronomy and Astrophysics”, un ensemble d’études produites par les National Academies of Sciences, Engineering, and Medicine, ces décisions déterminent les priorités scientifiques de la prochaine décennie pour le domaine. L’enquête décennale étant une étude consensuelle, les chercheurs qui veulent que leur projet soit pris en compte doivent soumettre leurs propositions plus d’un an à l’avance. Toutes les propositions sont examinées, et toutes (au nombre de plus de 500 cette fois-ci) sont mises à la disposition du public. Le comité d’enquête, qui reçoit les contributions d’une multitude de petits groupes, prend en compte une quantité gargantuesque d’informations pour créer des stratégies de recherche. Même si les Académies ne publieront pas la recommandation finale du comité à la NASA avant quelques semaines, les scientifiques ont hâte de savoir quelles questions seront retenues et lesquelles seront écartées.
Une équipe de chercheurs veut utiliser l’intelligence artificielle (IA) pour faciliter ce processus. Leur proposition ne porte pas sur une mission ou une ligne de questions spécifiques ; ils affirment plutôt que leur IA peut aider les scientifiques à prendre des décisions difficiles quant aux autres propositions à privilégier. L’idée est qu’en entraînant une IA à repérer les domaines de recherche qui connaissent une croissance ou un déclin rapide, l’outil pourrait faciliter la tâche des comités d’enquête et des panels pour décider de ce qui doit figurer sur la liste.
Bien que les membres de chaque comité soient choisis pour leur expertise dans leurs domaines respectifs, il est impossible pour chaque membre de saisir la nuance de chaque thème scientifique. Le nombre de publications en astrophysique augmente de 5% chaque année, selon les auteurs. C’est beaucoup pour tout le monde.
C’est là que l’IA de Thronson entre en jeu. Il a fallu un peu plus d’un an pour la construire, mais l’équipe de Thronson a finalement pu l’entraîner sur plus de 400 000 travaux de recherche publiés au cours de la décennie précédant l’enquête Astro2010. Elle a également pu apprendre à l’IA à passer au crible des milliers de résumés pour identifier les domaines à faible et à fort impact à partir d’expressions thématiques de deux ou trois mots comme “système planétaire” ou “planète extrasolaire”. Selon le livre blanc des chercheurs, l’IA a réussi à “rétablir” six thèmes de recherche populaires au cours des dix dernières années, notamment l’augmentation fulgurante de la recherche sur les exoplanètes et l’observation des galaxies.
La suite ici (Tatyana Woodall)
Merci beaucoup Monsieur L. Bardon : vos commentaires “traduits” concernant l’IA
sont très intéressants. Ils montrent la suprématie incontestable des USA en la matière
(notre retard peut s’évaluer à plus de 20 ans). Les derniers salons visités (Porte de Versailles,
Palais des Congrès) montrent un grande accélération de cet outil (ce n’est pas une fin en soi)
dans tous les domaines industriels (Big Data, Smart City et Grid, industrie 4.0…….).
Très cordialement.