Voici pourquoi c’est si important pour tout le monde.
DeepMind, un laboratoire de recherche sur l’IA qui a été acheté par Google et qui fait désormais partie indépendante de la société mère de Google Alphabet, a annoncé cette semaine une percée majeure qu’un biologiste de l’évolution a qualifié de «changeur de jeu».
«Cela changera la médecine», a déclaré le biologiste Andrei Lupas. La nature. «Cela changera la recherche. Cela changera la bio-ingénierie. Cela va tout changer. »
La découverte: DeepMind affirme que son système d’IA, AlphaFold, a résolu «le problème du repliement des protéines» – un grand défi de la biologie qui vexe les scientifiques depuis 50 ans.
Les protéines sont les machines de base qui font travailler vos cellules. Ils commencent comme des chaînes d’acides aminés (imaginez les perles sur un collier), mais ils se replient rapidement en une forme tridimensionnelle unique (imaginez que vous frottez le collier de perles dans votre main).
Cette forme 3D est cruciale car elle détermine le fonctionnement de la protéine. Si vous êtes un scientifique qui développe un nouveau médicament, vous voulez connaître la forme de la protéine, car cela vous aidera à trouver une molécule qui peut s’y lier. dedans pour modifier son comportement. Le problème est de prédire quelle forme prendra une protéine est incroyablement difficile.
Tous les deux ans, les chercheurs qui travaillent sur ce problème tentent de prouver la qualité de leurs pouvoirs prédictifs en soumettant une prédiction sur les formes que prendront certaines protéines. Leurs contributions sont jugées lors de la conférence Critical Assessment of Structure Prediction (CASP), qui est essentiellement un concours scientifique sophistiqué pour les adultes.
En 2018, l’intelligence artificielle de DeepMind surpassait déjà tout le monde au CASP, provoquant des sentiments mélancoliques parmi les chercheurs humains. DeepMind a remporté la victoire cette année-là, mais cela n’avait toujours pas résolu le problème du repliement des protéines. Pas même proche.
Cette année, cependant, son système AlphaFold a été en mesure de prédire – avec une vitesse et une précision impressionnantes – dans quelles formes des chaînes d’acides aminés se replieraient. L’IA n’est pas parfaite, mais c’est plutôt génial: quand elle fait des erreurs, elle n’est généralement décalée que de la largeur d’un atome. C’est comparable aux erreurs que vous obtenez lorsque vous faites des expériences physiques dans un laboratoire, sauf que ces expériences sont beaucoup plus lentes et beaucoup plus coûteuses.
«C’est un gros problème», a déclaré John Moult, qui a cofondé et supervisé le CASP. La nature. «Dans un certain sens, le problème est résolu.»
Pourquoi c’est un gros problème pour la biologie
La technologie AlphaFold doit encore être affinée, mais en supposant que les chercheurs puissent y parvenir, cette percée accélérera probablement et améliorera notre capacité à développer de nouveaux médicaments.
Commençons par la vitesse. Pour avoir une idée de combien AlphaFold peut accélérer le travail des scientifiques, considérons l’expérience d’Andrei Lupas, biologiste évolutionniste à l’Institut Max Planck en Allemagne. Il a passé une décennie – une décennie! – essayer de comprendre la forme d’une protéine. Mais peu importe ce qu’il a essayé dans le laboratoire, la réponse lui a échappé. Puis il a essayé AlphaFold et il a eu la réponse en une demi-heure.
AlphaFold a des implications pour tout, de la maladie d’Alzheimer aux futures pandémies. Cela peut nous aider à comprendre les maladies, car beaucoup (comme la maladie d’Alzheimer) sont causées par des protéines mal repliées. Cela peut nous aider à trouver de nouveaux traitements et nous aider également à déterminer rapidement quels médicaments existants peuvent être utilement appliqués, par exemple, à un nouveau virus. Lorsqu’une autre pandémie survient, il pourrait être très utile d’avoir un système comme AlphaFold dans notre poche arrière.
«Nous pourrions commencer le dépistage de tous les composés autorisés à être utilisés chez l’homme», a déclaré Lupas au New York Times. «Nous pourrions faire face à la prochaine pandémie avec les médicaments que nous avons déjà.»
Mais pour que cela soit possible, DeepMind devrait partager sa technologie avec les scientifiques. Le laboratoire dit qu’il explore des moyens de le faire.
Pourquoi c’est un gros problème pour l’intelligence artificielle
Au cours des dernières années, DeepMind s’est fait un nom en jouant à des jeux. Il a construit des systèmes d’IA qui ont écrasé les joueurs professionnels dans des jeux de stratégie comme StarCraft et c’est parti. Tout comme les matchs d’échecs entre Deep Blue d’IBM et Garry Kasparov, ces matchs ont principalement servi à prouver que DeepMind peut créer une IA qui surpasse les capacités humaines.
Maintenant, DeepMind prouve qu’il a grandi. Il est passé des jeux vidéo à la résolution de problèmes scientifiques ayant une importance réelle – des problèmes qui peuvent être la vie ou la mort.
Le problème du repliement des protéines était une chose parfaite à résoudre. DeepMind est un leader mondial dans la création de réseaux de neurones, un type d’intelligence artificielle vaguement inspiré par les neurones d’un cerveau humain. La beauté de ce type d’IA est qu’il ne vous oblige pas à le préprogrammer avec beaucoup de règles. Il suffit de nourrir un réseau de neurones suffisamment d’exemples de quelque chose, et il peut apprendre à détecter des modèles dans les données, puis à en tirer des inférences.
Ainsi, par exemple, vous pouvez le présenter avec plusieurs milliers de chaînes d’acides aminés et lui montrer dans quelle forme ils se sont repliés. Progressivement, il détecte les modèles de la manière dont les chaînes données ont tendance à se former – des modèles que les experts humains n’ont peut-être pas détectés. À partir de là, il peut faire des prédictions sur la façon dont les autres chaînes se plieront.
C’est exactement le genre de problème dans lequel les réseaux de neurones excellent, et DeepMind l’a reconnu, en associant le bon type d’IA au bon type de puzzle. (Il a également intégré des connaissances plus complexes – sur la physique et les séquences d’acides aminés liées à l’évolution, par exemple – bien que les détails restent rares car DeepMind prépare toujours un article évalué par des pairs pour publication.)
D’autres laboratoires ont déjà exploité la puissance des réseaux de neurones pour faire des percées en biologie. Au début de cette année, des chercheurs en IA ont formé un réseau de neurones en lui fournissant des données sur 2335 molécules connues pour leurs propriétés antibactériennes. Ensuite, ils l’ont utilisé pour prédire quelles autres molécules – sur 107 millions de possibilités – auraient également ces propriétés. De cette manière, ils ont réussi à identifier de nouveaux types d’antibiotiques.
Les chercheurs de DeepMind clôturent l’année avec une autre réalisation qui montre à quel point l’IA a mûri. C’est vraiment une excellente nouvelle pour un 2020 généralement terrible.
Inscrivez-vous à la newsletter Future Perfect et nous vous enverrons un tour d’horizon d’idées et de solutions pour relever les plus grands défis du monde – et comment améliorer votre travail.
