Cinq utilisations de l'intelligence artificielle dans la recherche universitaire

L’intelligence artificielle est de plus en plus utilisée et perfectionnée en même temps, il est donc presque inévitable de la retrouver dans d’innombrables activités. L’une des applications de l’IA les plus controversées est la recherche universitaire.

Selon le rapport annuel sur l'IA dans l'éducation , intitulé Intelligence artificielle : défis et opportunités, la technologie ne devrait pas être un ennemi de l'enquête, mais plutôt une alliée dans la recherche de nouvelles réponses.

Même si l’une des premières questions posées à propos de l’IA dans les écoles et les universités concernait le plagiat, il convient de se demander : comment l’intelligence artificielle peut-elle aider la recherche ? Que pouvez-vous apporter à l’académie ?

Le rapport annuel sur l’IA cite une étude de l’Université de Stanford, intitulée Artificial Intelligence Index Report 2023, qui affirme que « le meilleur nouveau scientifique au monde est l’IA (?) », ajoutant que « les modèles d’IA commencent à accélérer rapidement les progrès scientifiques et en 2022, ils seront utilisés pour faciliter la fusion de l’hydrogène, améliorer l’efficacité de la manipulation matricielle et générer de nouveaux anticorps. Cependant, le rapport sur l’IA dans l’éducation souligne que la technologie est utilisée par de vrais chercheurs et que leurs travaux ne doivent pas être mis de côté.

L'étude souligne que dans un monde globalisé, "aucun professeur d'université n'est actuellement capable de lire tout ce qui est publié sur un sujet spécifique", notamment en raison de ce caractère impossible dans lequel existent de nombreuses enquêtes ouvertes, des publications réalisées sur Internet, des thèses, des articles. et d'autres tests. La massivité des produits rend impossible (même en recherche) l'assimilation de milliers de pages publiées dans le monde. L’IA peut, et est également capable de proposer une synthèse et de générer des réponses à des questions spécifiques cachées dans des millions de données ou de pages.

Pour cette raison, le rapport indique que l’une des possibilités consiste à tirer parti du potentiel linguistique de l’IA générative multilingue pour, dans un premier temps, limiter ses sources d’information aux seules informations scientifiquement étayées. Vous pouvez également traduire d’une langue à une autre, afin d’accéder à des informations qui ne seraient initialement disponibles que si vous étiez polyglotte.

Le rapport annuel indique que l'un des outils actuels pouvant être utilisés dans ce sens est le projet « Accio » 23, qui cherche à limiter l'information et l'apprentissage du modèle avec des vecteurs d'information/connaissance que le scientifique sélectionne au préalable.

Dans la phase de conception, l’IA (en particulier ces outils) peut être d’une grande aide pour formuler des hypothèses et des cadres initiaux basés sur des données et des informations antérieures, offrant ainsi une variété d’approches et de perspectives qui peuvent ne pas être immédiatement évidentes pour un chercheur. Ces outils fournissent non seulement une base de travail, mais peuvent également encourager la créativité, la réflexion latérale et l’analyse critique.

Les grands modèles de langage (LLM), tels que ChatGPT, lorsqu'ils sont alimentés avec les bonnes informations, sont capables de fournir des cadres de recherche préliminaires et d'offrir différentes perspectives. La technologie de l’IA a la capacité de comprendre en profondeur les caractéristiques intrinsèques ou essentielles de quelque chose, notamment grâce à une perception intuitive ou à une compréhension claire d’une situation complexe. Cependant, en ce sens, le rapport rappelle que l'intelligence artificielle apportera des réponses efficaces à condition que l'ordre que lui donne l'utilisateur soit de qualité et de pertinence, ce qui fait (encore une fois) de l'interaction et de la supervision humaines un point crucial pour garantir la pertinence. et la validité des réponses générées.

La recommandation pour cette utilisation est MillionBot Prompts, qui dispose d'une plate-forme Web innovante qui permet aux utilisateurs d'interagir directement avec des documents académiques à l'aide de la technologie de l'IA. Cet outil permet d'identifier facilement les points clés, de recommander la littérature connexe et d'organiser les documents selon différents critères, des domaines d'études à des plages de dates spécifiques.

Lorsqu'il s'agit de collecte et d'analyse de données, les techniques d'apprentissage automatique (ML) et d'apprentissage profond (AP) deviennent des outils essentiels. Ces technologies sont capables de déchiffrer et de comprendre des modèles et des relations dans de grands ensembles de données qui peuvent être difficiles, voire impossibles, à détecter manuellement.

Les modèles identifiés permettent aux chercheurs de faire des prédictions, de modéliser des scénarios futurs et de prendre des décisions éclairées, ce qui est essentiel pour faire avancer toute recherche. De plus, la capacité de ces outils à faire des projections basées sur des modèles identifiés peut constituer un avantage inestimable qui permet aux chercheurs de formuler de nouvelles questions et hypothèses.

Une fois de plus, nous revenons au début. Qu’en est-il de l’originalité, du plagiat et de la paternité ? C’est peut-être l’un des défis les plus importants pour l’intelligence artificielle. L’utilisation d’outils comme ChatGPT pourrait comporter des risques tels que la génération de références non vérifiées et de textes vagues, ainsi que la possibilité de plagiat, qui affecte l’authenticité des connaissances générées, pilier essentiel de la recherche universitaire.

En ce sens, de nouvelles perspectives sur ces problèmes suggèrent que le chemin vers la coexistence et l’utilisation de la technologie se fasse dans une perspective de recherche collaborative, qui englobe les humains, les environnements de recherche et l’intelligence artificielle (au lieu d’une approche individuelle de l’originalité). Le rapport annuel sur l'IA dans l'éducation indique que cette proposition cherche à résoudre les dilemmes éthiques actuels, malgré ces idées, le consensus actuel défend que l'IA devrait agir comme un outil complémentaire, tandis que le contrôle principal du processus de recherche doit rester entre des mains humaines.

L'éthique est un autre aspect crucial. Les universités dotées de comités d'éthique établissent des normes pour garantir l'intégrité de la recherche, en particulier lorsqu'elle implique des sujets humains. Mais il y a un élément en suspens dans l’équation : ces lignes directrices pourraient ne pas être adaptées à la recherche basée sur l’IA, compte tenu de la complexité de l’interprétation des algorithmes et de la garantie de leur transparence.

À mesure que l’IA progresse dans l’enseignement supérieur, d’autres défis éthiques surgissent. Il s'agit notamment de dilemmes quant à savoir si les considérations éthiques doivent être limitées au chercheur ou étendues aux outils technologiques utilisés et sur la manière de concilier innovation et éthique. Le document mentionne que dans des pays comme la Chine, certains pensent qu’une approche de l’éthique basée sur les risques pourrait ralentir le progrès scientifique, mais d’autres préconisent une formation éthique plus solide pour les chercheurs et les professionnels.

Le rapport Intelligence artificielle : défis et opportunités souligne que l’intelligence artificielle progresse plus vite que l’Académie en termes de recherche ; Ils citent même le rapport 2023 sur l’indice d’intelligence artificielle de l’université de Stanford, qui souligne que jusqu’en 2014, la plupart des modèles d’apprentissage automatique les plus importants étaient développés par le milieu universitaire, mais que depuis lors, l’industrie a pris les devants.

Selon le rapport, ce phénomène accéléré se produit principalement parce que c'est l'industrie qui dispose des plus grandes quantités de données, de puissance de calcul et de ressources financières, en particulier par rapport aux organisations à but non lucratif et aux universités.

Dans la publication du rapport, il est noté que les recherches en cours sur l'IA se concentrent désormais sur la reconnaissance de formes et l'apprentissage automatique ; Dans le premier cas, la recherche a doublé depuis 2015, tandis que la recherche sur l’apprentissage automatique a quadruplé.

Selon le rapport susmentionné de l'Université de Stanford, en 2021, d'autres domaines de recherche remarquables en IA étaient la vision par ordinateur, avec 30 075 publications, suivie par la recherche sur les algorithmes, avec 21 527 articles, et l'exploration de données, avec 19 181 articles. En revanche, seulement 1,4 % des articles sur les applications de l’IA dans l’enseignement supérieur traitaient de l’éthique, des défis et des risques.

C'est-à-dire que, bien qu'il s'agisse de sujets abordés dans la recherche, ils ne couvrent pas la majorité du marché, puisque la majorité du marché est couverte par des informaticiens, qui se concentrent sur les outils et algorithmes, les validations et les applications, plutôt que sur sur les effets directs.sur l'apprentissage.

Le rapport annuel sur l'intelligence artificielle suggère de travailler sur la recherche interdisciplinaire et de mettre de plus en plus l'accent sur l'interdisciplinarité dans l'IA, en rappelant qu'il s'agissait d'un progrès pendant la crise du COVID-19, lorsqu'un cadre de recherche interdisciplinaire a été proposé pour aborder l'impact de l'IA. sur la pandémie, compte tenu des niveaux moléculaire, clinique et social.

« En tant que domaine interdisciplinaire et en constante évolution, il est essentiel que des chercheurs de divers domaines y contribuent. « Certains experts suggèrent que l’avenir de l’IA sera fortement lié à sa nature interdisciplinaire. »