L’intelligence artificielle, un partenaire pour les découvertes neuroscientifiques
Selon un récent article, les grands modèles de langage sont en mesure de réaliser des percées auxquelles ne parviennent pas les humains seuls
L’annĂ©e passĂ©e a Ă©tĂ© marquĂ©e par des avancĂ©es majeures dans le domaine des grands modèles de langage (GML), comme ChatGPT. La capacitĂ© de tels modèles pour dĂ©chiffrer et produire des textes lisibles (et d’autres donnĂ©es sĂ©quentielles) a des implications directes dans de multiples sphères de l’activitĂ© humaine. Un nouvel publiĂ© dans la revue Neuron affirme que, comme de nombreux professionnels, les neuroscientifiques ont intĂ©rĂŞt Ă tirer parti d’un partenariat avec ces outils puissants au risque d’être laissĂ©s pour compte.ĚýĚý
Lors de prĂ©cĂ©dentes investigations, les auteurs ont dĂ©montrĂ© que d’importantes conditions prĂ©alables sont rĂ©unies pour dĂ©velopper des GML capables d’interprĂ©ter et d’analyser des donnĂ©es neuroscientifiques comme ChatGPT dĂ©chiffre le langage. Ces modèles d’IA peuvent ĂŞtre construits pour analyser de nombreux types de donnĂ©es, entre autres en neuro-imagerie, gĂ©nĂ©tique, gĂ©nomique unicellulaire et mĂŞme des rapports cliniques manuscrits.Ěý
Dans le modèle de recherche classique, un scientifique Ă©tudie les donnĂ©es antĂ©rieures sur un sujet, Ă©labore de nouvelles hypothèses et les teste au cours d’expĂ©riences. Les Ă©normes quantitĂ©s de donnĂ©es existantes obligent souvent les scientifiques Ă se concentrer sur un domaine de recherche bien dĂ©limitĂ©, telles que la neuro-imagerie ou la gĂ©nĂ©tique. En revanche, les GML sont dotĂ©s d’une capacitĂ© très supĂ©rieure Ă celle des ĂŞtres humains pour absorber des recherches neuroscientifiques. Dans leur article publiĂ© dans Neuron, les auteurs soutiennent qu’un jour les GML spĂ©cialisĂ©s dans divers domaines des neurosciences pourront communiquer entre eux en vue de combler les lacunes de la recherche en neurosciences afin de dĂ©couvrir des rĂ©alitĂ©s impossibles Ă trouver pour les humains seuls. En prenant l’exemple de la mise au point de mĂ©dicaments, on pourrait associer un GML spĂ©cialisĂ© en gĂ©nĂ©tique et un autre spĂ©cialisĂ© en neuro-imagerie pour dĂ©couvrir des molĂ©cules candidates prometteuses en vue de stopper la neurodĂ©gĂ©nĂ©rescence. Le neuroscientifique qui dirige ces GML vĂ©rifiera leurs rĂ©sultats.Ěý
L’auteur principal, Danilo Bzdok, Ă©voque la possibilitĂ© que, dans certains cas, l’investigateur ne soit pas toujours en mesure de s’expliquer pleinement le mĂ©canisme qui sous-tend les processus biologiques dĂ©couverts par ces GML.ĚýĚý
« Nous devons admettre que nous ignorons encore certains phĂ©nomènes concernant le cerveau, ou du moins qu’il nous faudra beaucoup de temps pour les apprĂ©hender, prĂ©cise-t-il. Cela ne nous empĂŞche cependant pas d’appliquer les connaissances fournies par les GML les plus performants et de rĂ©aliser des progrès cliniques, mĂŞme sans comprendre complètement comment ils parviennent Ă leurs conclusions. »Ěý
Dans le domaine des neurosciences, pour utiliser les GML Ă leur plein potentiel, M. Bzdok estime que les chercheurs auront besoin d’une infrastructure de traitement et de stockage des donnĂ©es bien supĂ©rieure Ă celle dont disposent aujourd’hui de nombreux centres de recherche. Qui plus est, un virage culturel s’impose pour s’orienter sur une approche scientifique beaucoup plus axĂ©e sur les donnĂ©es, oĂą les Ă©tudes, fondĂ©es grandement sur l’intelligence artificielle et les GML, sont publiĂ©es par des revues de renom et financĂ©es par des organismes publics. Le modèle traditionnel en recherche reposant sur les hypothèses reste essentiel et ne disparaĂ®tra pas, toutefois, M. Bzdok considère que l’exploitation des technologies Ă©mergentes des GML donnera une forte impulsion Ă la prochaine gĂ©nĂ©ration de traitements neurologiques dans les cas oĂą l’ancien modèle n’a pas Ă©tĂ© fructueux.Ěý
Pour citer John Naisbitt, les neuroscientifiques d’aujourd’hui sont « noyĂ©s sous l’information, mais affamĂ©s de connaissances », fait-il remarquer. « Notre capacitĂ© Ă produire des donnĂ©es biomolĂ©culaires Ă©clipse notre comprĂ©hension de ces systèmes. Les GML offrent une rĂ©ponse Ă un tel problème. Ils pourraient ĂŞtre en mesure d’extraire, de mettre en synergie et de synthĂ©tiser les connaissances issues de l’ensemble des domaines neuroscientifiques, une tâche possiblement susceptible de dĂ©passer l’entendement humain. »Ěý
Le NeuroĚýĚý
L’Institut-HĂ´pital neurologique de MontrĂ©al, ou tout simplement le Neuro, est un Ă©tablissement bilingue, de calibre mondial dĂ©diĂ© Ă la recherche sur le cerveau et aux traitements de pointe. FondĂ© en 1934 par un Ă©minent neurochirurgien, le Dr Wilder Penfield, il est parvenu au premier rang des centres cliniques et de recherche spĂ©cialisĂ©s en neurosciences au Canada et se classe parmi les plus importants dans le monde. L’intĂ©gration harmonieuse de la recherche, des soins aux patients et de la formation de brillants scientifiques, positionne avantageusement le Neuro au plan international pour intervenir de façon dĂ©cisive dans la comprĂ©hension des troubles neurologiques et leur traitement. Premier Ă©tablissement universitaire au monde Ă adopter complètement la science ouverte, il parvient ainsi Ă accĂ©lĂ©rer la crĂ©ation du savoir et la dĂ©couverte de nouvelles options thĂ©rapeutiques efficaces pour les affections cĂ©rĂ©brales. En tant qu’institut de recherche et d’enseignement, le Neuro relève de l’UniversitĂ© ż´Ć¬ĘÓƵ et il assume la Mission en neurosciences du Centre universitaire de santĂ© ż´Ć¬ĘÓƵ. Pour de plus amples renseignements, veuillez consulter le site Ěý
Ěý