Un algorithme d’apprentissage automatique a permis de faire de nouvelles découvertes, en explorant de vieux documents scientifiques. L’œil humain était passé à côté. Dans une étude parue le 3 juillet dernier, dans le magazine Nature, des chercheurs du Lawrence Berkeley National Laboratory, révèlent qu’ils ont utilisé un algorithme appelé Word2Vec pour passer au crible des articles scientifiques et créer des connexions entre ces derniers.
L’algorithme est plus fort que le scientifique
L’objectif de l’expérience était clair : découvrir ce que les scientifiques auraient pu manquer, en comblant plusieurs articles scientifiques. Grâce à une intelligence artificielle spécifiquement conçue pour explorer des documents scientifiques, les chercheurs ont pu découvrir de nouveaux matériaux thermoélectriques, qui convertissent la chaleur en énergie et qui sont utilisés dans de nombreuses applications de chauffage et de refroidissement.
Inscrivez-vous à la newsletter
En vous inscrivant vous acceptez notre politique de protection des données personnelles.
Anubhav Jain, l’un des chercheurs de cette étude, explique que : « notre algorithme peut lire n’importe quel article sur la science des matériaux, ce qui lui permet d’établir des liens qu’aucun scientifique ne pouvait établir. Parfois il réalise simplement le travail qu’un chercheur ferait, d’autres fois il fait ces associations interdisciplinaires, qui nous permettent d’explorer de nouvelles pistes scientifiques ».
Grâce à l’IA, la recherche pourrait faire un bond
3,3 millions de données ont été nécessaires à l’élaboration de cet algorithme. L’intelligence artificielle dispose désormais d’un vocabulaire de 500 000 mots. Au fur et à mesure de ses lectures, l’algorithme reliait les mots trouvés à proximité les uns des autres, pour créer des vecteurs de mots apparentés qui aidaient à définir les concepts. L’œil humain a du mal à faire le lien entre son étude et celle d’un autre scientifique.
L’avantage de cette technologie, c’est qu’elle peut être utilisée pour d’autres champs d’applications que les matériaux. Il suffit de l’appliquer à d’autres disciplines et son réseau neuronal saura s’adapter et apprendre, pour mieux analyser. Cette nouvelle forme de prédiction pourrait faire progresser la recherche bien plus rapidement que nous le pensions jusqu’ici.
