Au-delà du paradoxe de Polanyi : comment l'intelligence artificielle consciente de l'être humain débloque la créativité et les découvertes révolutionnaires
L'intelligence artificielle (IA) a transformé la recherche scientifique et l'innovation, mais comme nous l 'avons vu précédemment, le paradoxe de Polanyi reste un obstacle important à l'utilisation de l'IA pour générer des solutions créatives ou des découvertes révolutionnaires. Selon le paradoxe de Polanyi, les modèles d'IA qui n'apprennent qu'à partir de connaissances explicites ne disposent pas des connaissances tacites ou intuitives des humains et peuvent produire des résultats évidents. Par conséquent, les approches visant à résoudre le paradoxe de Polanyi sont intéressantes pour tous ceux qui utilisent des modèles d'IA pour faire de nouvelles découvertes.
Les modèles d'IA tenant compte de l'être humain, tels que décrits par Sourati et Evans dans Nature Human Behaviour, offrent une approche permettant de développer des modèles d'IA plus efficaces pour générer des solutions et des découvertes créatives, voire des percées scientifiques. Le modèle d'IA sensible à l'humain mis au point par les auteurs a permis d'améliorer de 400 % la prédiction par l'IA de nouvelles découvertes dans le domaine de la science des matériaux.
Le modèle d'IA à conscience humaine a été alimenté en données scientifiques et en informations sur les auteurs afin de permettre la mesure de la "distribution des scientifiques humains autour de chaque sujet impliqué dans les découvertes candidates". En utilisant ces méta-informations, les modèles d'IA à conscience humaine peuvent "imiter" l'intuition ou la connaissance tacite des scientifiques en prédisant et en évitant la "foule humaine". En d'autres termes, les modèles d'IA à intelligence humaine n'ont pas besoin de s'appuyer uniquement sur des données structurées, mais peuvent le faire :
- Simuler la façon dont les scientifiques abordent la découverte plutôt que de se contenter de prédire les résultats.
- Utiliser l'heuristique scientifique pour affiner l'expérimentation pilotée par l'IA.
- Générer des hypothèses "étrangères" complémentaires. Contrairement aux modèles d'IA traditionnels qui travaillent essentiellement dans des domaines de recherche connus, les modèles d'IA à intelligence humaine sont conçus pour identifier les liens entre des domaines apparemment sans rapport et combler des lacunes que les scientifiques mettraient des années à découvrir.
- Donner la priorité aux expériences de grande valeur plutôt qu'aux optimisations triviales et équilibrer l'exploration par rapport à l'exploitation afin de garantir des découvertes révolutionnaires.
Par conséquent, les modèles d'IA conscients de l'être humain présentent de nombreux avantages pour garantir qu'ils ne génèrent pas seulement des solutions prévisibles et évidentes, mais aussi des hypothèses étrangères complémentaires qui peuvent conduire à des découvertes révolutionnaires et à des solutions plus créatives. Si cette approche ne résoudra pas le paradoxe de Polanyi, elle pourrait au moins contribuer à créer de futurs modèles d'IA moins enclins à générer des solutions évidentes parce qu'ils ne disposent pas de la connaissance tacite des humains.
Notre analyse souligne la puissance de l'intégration des facteurs humains et sociaux pour produire une intelligence artificielle qui complète l'expertise humaine plutôt que de s'y substituer. En tenant compte non seulement de l'expertise humaine, mais aussi de la distribution complète de l'expérience et de l'exposition scientifiques, de tels systèmes peuvent être conçus pour faire la course avec la communauté scientifique plutôt que contre elle, élargissant ainsi le champ de l'imagination et de la découverte humaines.
