L’intelligence artificielle, un partenaire pour les découvertes neuroscientifiques
![](/channels/files/channels/styles/fullwidth_breakpoints_theme_moriarty_small_1x/public/channels/image/adobestock_620699445_small_fr.jpg?itok=rqd9XioS×tamp=1707494491)
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© Ć»ąűŇůÔş et il assume la Mission en neurosciences du Centre universitaire de santĂ© Ć»ąűŇůÔş. Pour de plus amples renseignements, veuillez consulter le site Ěý
Ěý