La semaine dernière, des chercheurs de l'Université de Californie, Berkeley, ont publié un article révolutionnaire dans Nature, présentant un "laboratoire autonome" ou "A-Lab" conçu pour exploiter l'intelligence artificielle (IA) et la robotique afin d'accélérer la découverte et la synthèse de nouveaux matériaux. Appelé "laboratoire sans pilote", l’A-Lab incarne une vision audacieuse d'intégration de l'IA dans la recherche scientifique, en utilisant des modélisations avancées, l'apprentissage machine (ML), l'automatisation et le traitement du langage naturel.
Cependant, peu après sa publication, des questions ont été soulevées quant à la validité de certaines affirmations faites dans l'article. Le professeur Robert Palgrave, expert en chimie inorganique et en science des matériaux à l'University College London, a soulevé plusieurs problèmes techniques sur les réseaux sociaux concernant des incohérences observées dans les données et analyses présentées comme preuve des succès de l’A-Lab. Il a particulièrement signalé des défauts fondamentaux dans l'identification de phase des matériaux synthétisés par diffraction des rayons X en poudre (XRD), affirmant que de nombreux nouveaux matériaux rapportés avaient déjà été découverts.
La promesse et les limites de l'IA
Les critiques de Palgrave, qu'il a exposées lors d'une interview et dans une lettre adressée à Nature, portent sur l'interprétation des données XRD par l'IA, une méthode utilisée pour déduire la structure des matériaux en analysant la manière dont les rayons X se dispersent sur les atomes. Cette technique permet aux scientifiques d'établir un "empreinte moléculaire", leur permettant de faire correspondre les motifs et de confirmer les structures.
Palgrave a noté des écarts entre les modèles générés par l'IA et les motifs XRD réels, suggérant que les interprétations de l'IA étaient trop spéculatives. Il a soutenu que ce décalage remet en question la revendication centrale selon laquelle 41 nouveaux solides inorganiques synthétiques avaient été produits. Dans sa lettre, il a présenté plusieurs exemples où les données ne soutenaient pas les conclusions, soulevant des "doutes sérieux" quant à l'affirmation de nouveaux matériaux.
Bien que Palgrave soutienne l'IA dans les efforts scientifiques, il insiste sur le fait qu'une autonomie complète sans supervision humaine n'est pas réalisable avec la technologie actuelle. Il a déclaré : "Un certain niveau de vérification humaine est encore nécessaire", soulignant ainsi les limites de l'IA.
L'importance de l'intuition humaine
En réponse au scepticisme, Gerbrand Ceder, leader du Ceder Group à Berkeley, a reconnu les préoccupations soulevées dans un post LinkedIn. Il a exprimé sa gratitude pour les retours et a indiqué son engagement à aborder les problèmes spécifiques signalés par Palgrave. Bien qu'il ait confirmé que l’A-Lab avait établi une approche fondationnelle, il a reconnu la nécessité de scientifiques humains pour une analyse critique.
Ceder a partagé de nouvelles preuves démontrant le succès de l'IA dans le développement de composés avec les ingrédients appropriés, mais a reconnu qu'un "humain peut réaliser un raffinement XRD de meilleure qualité sur ces échantillons", mettant en évidence les limitations existantes de l'IA. Il a réitéré que l'objectif de l'article était de montrer ce qu'un laboratoire autonome pouvait accomplir, et non de revendiquer l'infaillibilité, en soulignant le besoin de méthodes analytiques améliorées.
La discussion s'est poursuivie sur les réseaux sociaux, Palgrave et le professeur de Princeton Leslie Schoop échangeant sur les découvertes du Ceder Group. Leur échange a souligné une prise de conscience essentielle : bien que l'IA ait un grand potentiel en science des matériaux, elle n'est pas encore prête à fonctionner de manière indépendante.
L'équipe de Palgrave prévoit de réévaluer les résultats XRD pour mieux clarifier les composés synthétisés, soulignant encore la nécessité d'efforts collaboratifs.
Trouver un équilibre entre l'IA et l'expertise humaine
Cette expérience sert de leçon précieuse sur les capacités et les limites de l’IA dans la recherche scientifique, en particulier pour les dirigeants et décideurs. Elle illustre la nécessité de combiner l'efficacité de l'IA avec la supervision minutieuse de scientifiques expérimentés.
Le principal enseignement est clair : l'IA peut considérablement améliorer la recherche en gérant des tâches complexes, mais elle ne peut pas encore reproduire le jugement nuancé d'experts humains. Ce cas met également en lumière l'importance de l'examen par les pairs et de la transparence dans la recherche, les critiques d'experts tels que Palgrave et Schoop révélant des domaines nécessitant des améliorations.
En regardant vers l'avenir, une relation synergique entre l'IA et l'intelligence humaine est essentielle. Malgré ses défauts, l'expérience du Ceder Group suscite un important dialogue sur le rôle de l'IA dans l'avancement de la science. Elle démontre que si la technologie peut propulser l'innovation, c'est l'intuition tirée de l'expérience humaine qui nous guide de manière appropriée. Cet effort ne fait pas seulement briller le potentiel de l'IA en science des matériaux, mais rappelle également que l'amélioration continue est cruciale pour établir l'IA comme un partenaire fiable dans la quête du savoir. L'avenir de l'IA en science est prometteur, mais il brillera plus efficacement lorsqu'il sera guidé par ceux qui en comprennent profondément les complexités.
Classement
