Trouver la bonne IA pour vous

Algorithme IA

Crédit : Pixabay/CC0 Domaine public

L’IA est un outil puissant pour étudier le génome humain. Mais sa popularité récente a inondé le domaine d’innovation. Avec autant d’options, il est difficile de savoir quels algorithmes d’IA fonctionnent le mieux. Le chercheur en informatique du Cold Spring Harbor Laboratory, Peter Koo, et son équipe ont mis au point une solution appelée GOPHER, qui compare systématiquement les algorithmes d’IA et évalue leur fiabilité, leur précision et leurs performances.

Le génome humain est composé de trois milliards de lettres de code et chaque personne a des millions de variations. Alors qu’aucun humain ne peut passer au crible de manière réaliste tout ce code, les ordinateurs le peuvent. Les programmes d’intelligence artificielle (IA) peuvent trouver des modèles dans le génome liés à la maladie beaucoup plus rapidement que les humains. Ils repèrent également des choses qui manquent aux humains. Un jour, les lecteurs de génome alimentés par l’IA pourraient même être en mesure de prédire l’incidence de maladies allant du cancer au rhume. Malheureusement, la récente montée en flèche de la popularité de l’IA a entraîné un goulot d’étranglement dans l’innovation.

“C’est comme le Far West en ce moment. Tout le monde fait ce qu’il veut”, déclare Peter Koo, professeur adjoint au Cold Spring Harbor Laboratory (CSHL). Tout comme le monstre de Frankenstein était un mélange de différentes parties, les chercheurs en IA construisent constamment de nouveaux algorithmes à partir de diverses sources. Et il est difficile de juger si leurs créations seront bonnes ou mauvaises. Après tout, comment les scientifiques peuvent-ils juger du « bon » du « mauvais » lorsqu’ils traitent des calculs qui dépassent les capacités humaines ?

C’est là qu’intervient GOPHER, la dernière invention du laboratoire Koo. GOPHER (abréviation de GenOmic Profile-model compreHensive EvaluatoR) est une nouvelle méthode qui aide les chercheurs à identifier les programmes d’IA les plus efficaces pour analyser le génome. “Nous avons créé un cadre dans lequel vous pouvez comparer les algorithmes de manière plus systématique”, explique Ziqi Tang, étudiant diplômé du laboratoire de Koo.

GOPHER juge les programmes d’IA sur plusieurs critères : la qualité de leur apprentissage de la biologie de notre génome, la précision avec laquelle ils prédisent les modèles et caractéristiques importants, leur capacité à gérer le bruit de fond et l’interprétation de leurs décisions. “L’IA sont ces algorithmes puissants qui résolvent des questions pour nous”, explique Tang. Mais, note-t-elle: “L’un des principaux problèmes avec eux est que nous ne savons pas comment ils ont trouvé ces réponses.”

GOPHER a aidé Koo et son équipe à déterrer les parties des algorithmes d’IA qui favorisent la fiabilité, les performances et la précision. Les résultats aident à définir les éléments de base clés pour construire les algorithmes d’IA les plus efficaces à l’avenir. “Nous espérons que cela aidera à l’avenir les nouveaux venus dans le domaine”, déclare Shushan Toneyan, un autre étudiant diplômé du laboratoire Koo.

Imaginez que vous ne vous sentiez pas bien et que vous puissiez déterminer exactement ce qui ne va pas en appuyant simplement sur un bouton. L’IA pourrait un jour transformer ce trope de science-fiction en une caractéristique de chaque cabinet médical. Semblables aux algorithmes de streaming vidéo qui apprennent les préférences des utilisateurs en fonction de leur historique de visionnage, les programmes d’IA peuvent identifier des caractéristiques uniques de notre génome qui conduisent à une médecine et à des traitements individualisés. L’équipe Koo espère que GOPHER aidera à optimiser ces algorithmes d’IA afin que nous puissions être sûrs qu’ils apprennent les bonnes choses pour les bonnes raisons. Toneyan dit: “Si l’algorithme fait des prédictions pour de mauvaises raisons, elles ne seront pas utiles.”

Plus d’information:
Peter Koo, Évaluer l’apprentissage profond pour prédire les profils épigénomiques, Intelligence des machines naturelles (2022). DOI : 10.1038/s42256-022-00570-9. www.nature.com/articles/s42256-022-00570-9

Fourni par Cold Spring Harbor Laboratory

Citation: Trouver la bonne IA pour vous (2022, 5 décembre) récupéré le 10 décembre 2022 sur https://techxplore.com/news/2022-12-ai.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.

Laisser un commentaire