L'intelligence artificielle prédit l'avenir de la recherche en intelligence artificielle
Un algorithme d'IA prédit la direction dans laquelle votre domaine de recherche est susceptible d'évoluer
Il est devenu presque impossible pour les chercheurs humains de suivre l'abondance des publications scientifiques dans le domaine de l'intelligence artificielle et de se tenir au courant des avancées. Les scientifiques d'une équipe internationale dirigée par Mario Krenn de l'Institut Max-Planck pour la science de la lumière ont maintenant mis au point un algorithme d'IA qui non seulement aide les chercheurs à s'orienter systématiquement, mais les guide également de manière prédictive dans la direction dans laquelle leur propre domaine de recherche est susceptible d'évoluer. Ces travaux ont été publiés dans la revue Nature Machine Intelligence.
Dans le domaine de l'intelligence artificielle (IA) et de l'apprentissage machine (ML), le nombre de publications scientifiques croît de manière exponentielle et double environ tous les 23 mois. Pour les chercheurs humains, il est pratiquement impossible de suivre les progrès et d'avoir une vue d'ensemble. Mario Krenn, chef de groupe de recherche à l'Institut Max-Planck pour la science de la lumière à Erlangen, aborde la solution à ce défi d'une manière non conventionnelle. Il a mis au point un nouvel outil basé sur les graphes, "Science4Cast", qui permet de poser des questions sur l'évolution future de la recherche en IA.
Auparavant, le groupe de recherche international avait annoncé le concours "Science4Cast" dans le but de saisir et de prédire l'évolution des concepts scientifiques dans le domaine de la recherche sur l'IA et de déterminer les sujets qui seront au centre des recherches futures. Plus de 50 contributions avec des approches différentes ont été soumises. M. Krenn, en collaboration avec les équipes les mieux classées, a examiné les différentes méthodes utilisées, allant des méthodes purement statistiques aux méthodes d'apprentissage, et est parvenu à des résultats surprenants. Les méthodes les plus efficaces utilisent un ensemble de caractéristiques de réseau soigneusement sélectionnées et non une approche d'IA continue", a déclaré Mario Krenn. Cela laisse entrevoir un potentiel important qui peut être exploité en utilisant des approches de ML pures sans connaissance humaine.
Science4Cast est une représentation graphique des connaissances qui devient plus complexe au fil du temps, à mesure que des articles scientifiques sont publiés. Chaque nœud du graphe représente un concept de l'IA, et les connexions entre les nœuds indiquent si et quand deux concepts ont été étudiés ensemble. Par exemple, la question "Que va-t-il se passer ?" peut être décrite comme une question mathématique sur l'évolution du graphique. Science4Cast est alimenté par des données réelles provenant de plus de 100 000 publications scientifiques couvrant une période de 30 ans, ce qui donne un total de 64 000 nœuds.
Cependant, prédire ce sur quoi les chercheurs travailleront à l'avenir n'est qu'une première étape. Dans leur travail, les chercheurs décrivent comment le développement ultérieur de Science4Cast pourrait bientôt fournir des suggestions personnalisées aux scientifiques individuels concernant leurs futurs projets de recherche. Notre ambition est de développer une méthode qui serve de source d'inspiration pour les scientifiques - presque comme une muse artificielle. Cela pourrait potentiellement accélérer les progrès de la science à l'avenir", explique M. Krenn.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Mario Krenn, Lorenzo Buffoni, Bruno Coutinho, Sagi Eppel, Jacob Gates Foster, Andrew Gritsevskiy, Harlin Lee, Yichao Lu, João P. Moutinho, Nima Sanjabi, Rishi Sonthalia, Ngoc Mai Tran, Francisco Valente, Yangxinyu Xie, Rose Yu, Michael Kopp; "Forecasting the future of artificial intelligence with machine learning-based link prediction in an exponentially growing knowledge network"; Nature Machine Intelligence, 2023-10-16
Autres actualités du département science
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
