Restez informé avec des mises à jour gratuites
Inscrivez-vous simplement au Intelligence artificielle myFT Digest – livré directement dans votre boîte de réception.
Google DeepMind et BioNTech créent des assistants de laboratoire d’IA pour aider les chercheurs à planifier des expériences scientifiques et à mieux prédire leurs résultats, alors que les entreprises se précipitent pour trouver des applications spécialisées pour les modèles d’intelligence artificielle gourmands en énergie et en données.
Sir Demis Hassabis, chef de la branche IA de Google, dirige les efforts de l’entreprise visant à développer un modèle d’IA spécialisé pour agir en tant qu’assistant de recherche, aidant les scientifiques à collaborer entre disciplines et à établir plus facilement des connexions inattendues.
Lors d’un récent événement de la Fondation Nobel, il a déclaré que la biologie « assistait à une révolution » grâce aux logiciels d’IA.
« Nous travaillons sur un modèle de langage scientifique à grande échelle qui pourrait être comme un assistant de recherche et peut-être vous aider à prédire. . . le résultat d’une expérience », a déclaré Hassabis.
Au cours des années à venir, il a déclaré que les outils développés par DeepMind pourraient suggérer et concevoir des expériences basées sur une hypothèse donnée et donner aux scientifiques une vision probabiliste du succès ou de l’échec potentiel d’une expérience proposée.
Parallèlement, le fabricant pharmaceutique allemand BioNTech et sa filiale d’IA basée à Londres, InstaDeep, ont annoncé mardi avoir conçu un assistant d’IA spécialisé connu sous le nom de Laila, doté d’une « connaissance détaillée de la biologie » construite sur le modèle open source Llama 3.1 de Meta.
Lors d’une démonstration en direct, le chercheur Arnu Pretorius a montré comment l’agent IA pouvait automatiser les tâches scientifiques de routine en biologie expérimentale, telles que l’analyse et la segmentation de séquences d’ADN et la visualisation des résultats expérimentaux.
Les scientifiques du laboratoire BioNTech à Mayence ont également démontré comment Laila pouvait se connecter à des appareils de laboratoire et surveiller des expériences en cours ou des tâches exécutées par des robots, l’assistant détectant une panne mécanique d’une machine BioNTech lors d’une démonstration en direct.
« Nous ne pensons pas que l’avenir soit dans un avenir proche à une automatisation complète de l’IA. Nous considérons les agents d’IA comme Laila comme un accélérateur de productivité qui va permettre aux scientifiques et aux techniciens de consacrer leur temps limité à ce qui compte vraiment », a déclaré Karim Beguir, directeur général d’InstaDeep au Financial Times.
InstaDeep a également présenté des modèles d’IA qui pourraient aider BioNTech à identifier ou à découvrir de nouvelles cibles pour lutter contre les cancers, lors de la première présentation de leur technologie depuis que le fabricant de vaccins Covid-19 a acquis InstaDeep en 2023 pour un montant pouvant atteindre 500 millions de livres sterling.
Tout en reconnaissant que des concurrents tels que DeepMind pourraient également créer des assistants d’IA, Beguir a déclaré que le fait de disposer de la technologie d’InstaDeep « sous le même toit » que l’expertise de BioNTech en biologie était un « accélérateur » pour la mise en œuvre de l’IA et « unique » dans le secteur pharmaceutique.
Les nouveaux assistants scientifiques surviennent alors que les entreprises technologiques dépensent des milliards de dollars en modèles et produits d’IA, convaincues que la technologie peut changer les secteurs de la santé, de l’énergie et de l’éducation.
La vague d’innovation scientifique en matière d’IA s’est jusqu’à présent concentrée sur la prévision de nouveaux médicaments candidats utiles. Cependant, le goulot d’étranglement dans la mise sur le marché de nouveaux traitements reste la réalisation d’expériences dans le monde réel, qui constitue la référence en matière de recherche scientifique.
L’objectif d’un assistant de recherche en IA serait de simplifier ce processus en planifiant plus efficacement les expériences, par exemple en sélectionnant les plus prometteuses parmi un ensemble d’expériences possibles.
Des entreprises telles que Google et Microsoft adaptent de grands modèles de langage – des logiciels capables de générer du texte, du code, des images et même des séquences d’ADN ou moléculaires, basés sur de vastes ensembles de données de formation – pour faciliter les percées scientifiques.
En 2022, DeepMind a conçu un système d’IA connu sous le nom d’AlphaFold, capable de prédire la forme de presque toutes les protéines connues, résolvant ainsi un défi scientifique vieux de 50 ans et réduisant potentiellement le temps nécessaire pour faire des découvertes biologiques.
Le généticien Paul Nurse, lauréat du prix Nobel, a déclaré lors de l’événement Nobel en mars que les membres de son laboratoire « utilisent AlphaFold tout le temps » dans des expériences biochimiques, ajoutant que les résultats du modèle d’IA « ne sont pas toujours corrects, mais ils sont suffisamment justes pour être un outil fantastique ».
Hassabis a depuis transformé ce travail en une filiale de médicaments contre l’IA connue sous le nom d’Isomorphic Labs, un groupe dont Nurse siège au conseil consultatif, qui a conclu des partenariats d’une valeur pouvant atteindre 3 milliards de dollars avec Eli Lilly et Novartis.
La branche AI4Science Research de Microsoft exploite également les LLM pour accélérer la découverte scientifique. Son directeur, Chris Bishop, a déclaré lors d’un forum de recherche cette année que l’une des propriétés remarquables des LLM était qu’ils « peuvent fonctionner comme des moteurs de raisonnement efficaces », ce qui est particulièrement utile en science.
Bishop a déclaré que l’équipe avait travaillé avec le Global Health Drug Discovery Institute pour utiliser les LLM afin de découvrir de nouvelles molécules pour traiter plus efficacement la tuberculose.