Gabriel Gomes, ingénieur chimiste à l’Université Carnegie Mellon, est à l’origine d’un changement dans la manière dont les expériences scientifiques sont menées. Son travail se concentre sur l’automatisation de la recherche en laboratoire à l’aide de l’intelligence artificielle et de la robotique, dans le but d’accélérer la découverte tout en réduisant les erreurs humaines et les processus laborieux. Le cœur de cet effort est Coscientist, un agent d’IA construit sur de grands modèles de langage comme GPT-4, conçu pour combler le fossé entre le code complexe et la recherche scientifique intuitive.
Le parcours de Gomes a commencé dans les zones rurales du Brésil, où l’accès à la technologie était limité. Il est devenu le premier membre de sa famille à fréquenter l’université, motivé par le défi d’un professeur de « résoudre » la chimie par le calcul. Son expertise l’a finalement amené à conseiller la Maison Blanche sur le potentiel des systèmes intelligents. Son travail répond désormais à un défi fondamental de la science moderne : rendre accessibles de nouveaux outils puissants aux chercheurs qui manquent de compétences approfondies en codage.
Le problème avec les laboratoires actuels
De nombreux laboratoires modernes sont construits avec des systèmes automatisés, mais ceux-ci reposent sur des connaissances en programmation que de nombreux chimistes et biologistes ne possèdent pas. Cela crée une barrière à l’entrée : les scientifiques ne peuvent pas utiliser des installations de pointe s’ils ne peuvent pas facilement interagir avec l’équipement. Gomes a reconnu ce problème et a cherché à créer une solution permettant aux chercheurs d’interagir avec des laboratoires automatisés en utilisant le langage naturel au lieu du code.
Comment fonctionne le coscientifique
Coscientist fonctionne comme un assistant intelligent pour les expériences en laboratoire. Les chercheurs peuvent donner des instructions à l’IA dans un langage simple, par exemple « Dessinez quelque chose de mignon sur la plaque cible », et le système traduira cela en actions robotiques. Lors d’un premier test, le système a réussi à dessiner un poisson sur une plaque chimique sans programmation explicite. Cela illustre le potentiel d’automatisation de tâches qui nécessitent généralement des instructions robotiques détaillées.
L’IA permet également de collecter des données expérimentales à grande échelle. En automatisant des processus répétitifs tels que la mesure de la cinétique des réactions, Coscientist permet aux chercheurs de générer des ensembles de données qu’il serait autrement difficile d’acquérir manuellement. Cela ouvre de nouvelles voies pour la découverte basée sur les données dans des domaines auparavant limités par les contraintes humaines.
Impact sur la recherche
L’introduction de Coscientist a déjà transformé le flux de travail au sein du groupe de recherche de Gomes. Les nouveaux étudiants ayant une expérience limitée en programmation se sont rapidement adaptés à l’utilisation du système, accélérant ainsi leur contribution à des projets complexes. L’IA abaisse les barrières à l’entrée, permettant un apprentissage plus rapide et une expérimentation plus efficace.
Les implications à long terme sont importantes. En supprimant les préjugés humains et en réduisant les besoins en main-d’œuvre, Coscientist pourrait débloquer des domaines scientifiques auparavant considérés comme trop fastidieux ou peu pratiques à explorer. Cela inclut le criblage à haut débit des réactions chimiques et la création d’ensembles de données à grande échelle pour les applications d’apprentissage automatique.
Notes de mise en garde
Bien que l’IA offre un énorme potentiel, Gomes met en garde contre une dépendance aveugle à l’égard de grands modèles linguistiques. Les chercheurs doivent toujours valider les résultats et s’assurer que les instructions de l’IA sont conformes aux principes scientifiques. Malgré les progrès rapides, la surveillance humaine reste cruciale pour maintenir l’exactitude et prévenir les erreurs.
L’essor des laboratoires alimentés par l’IA est sur le point de remodeler la recherche scientifique. En automatisant les tâches fastidieuses et en démocratisant l’accès aux outils avancés, des systèmes comme Coscientist pourraient accélérer la découverte et ouvrir de nouvelles frontières en chimie et au-delà.
