Changer la chronologie des découvertes grâce à l’utilisation de l’intelligence artificielle (IA)

De la recherche manuelle à l'automatisation avec l'IA

Pendant un certain temps, les progrès scientifiques reposaient uniquement sur la perspicacité de brillants scientifiques et non sur l’intelligence artificielle (IA). Ils ont ensuite dû concevoir et tester leur hypothèse manuellement au moyen d’expériences personnalisées. Il s’agissait le plus souvent d’un processus extrêmement lent, prenant des années entre les idées initiales et les résultats réels.

Récemment, des niveaux plus élevés d’automatisation ont permis de réduire le travail manuel dans la recherche fondamentale. Par exemple, Séquençage de nouvelle génération (NGS) a permis de séquencer le génome en quelques jours seulement et à moindre coût, lorsque le premier séquençage du génome humain en 2003 avait coûté 3 milliards de dollars et avait mis une décennie à être réalisé.

Séquenceur NGS - Source : Illumina

L’automatisation a permis de réaliser les étapes physiques de la recherche à grande échelle et à moindre coût. Mais l’effort intellectuel, par exemple pour analyser les données issues du séquençage du génome, reposait encore uniquement sur le cerveau humain et des modèles mathématiques assistés par ordinateur. Jusqu’à ce que l’IA change la donne.

Aider le cerveau humain

Plus la science progressait, plus les données devenaient complexes. Trouver du nouveau matériel repose sur un processus relativement simple, comme mélanger des éléments qui n’avaient pas été testés auparavant.

Mais les sciences avancées des matériaux, par exemple dans la technologie des batteries ou des semi-conducteurs, nécessitent une manipulation des composants au niveau nanométrique, et parfois au niveau des atomes individuels. Cela rend la modélisation et la compréhension du processus trop complexes pour que le cerveau humain puisse saisir pleinement toutes les données disponibles.

Par exemple, trouver le bon matériau pour une nouvelle conception de batterie pourrait impliquer de décider lequel choisir parmi 32 millions de matériaux inorganiques potentiels. C'était la tâche à laquelle était confronté Vijay Murugesan, chef du groupe des sciences des matériaux à PNNL (Laboratoire national du nord-ouest du Pacifique).

Auparavant, des suppositions éclairées, des modèles informatiques approximatifs et des tests manuels auraient été nécessaires pour affiner les possibilités, ce qui aurait pris des années. PNNL a donc établi une collaboration avec Microsoft pour tirer parti de l'expertise du géant technologique en matière d'IA.

Enseigner la chimie de plusieurs IA

Microsoft travaille depuis longtemps sur de telles applications, à travers son programme AI4Science. Par exemple, son IA générative MatterGen « permet une large conception de matériaux guidée par les propriétés ».

Source: Microsoft

En collaboration avec PNNL, Microsoft a spécifiquement développé plusieurs IA différentes pour évaluer tous les éléments réalisables et leurs combinaisons.

Il dispose également d'une IA dédiée à la détection des matériaux stables, d'une autre évaluant les molécules en fonction de leur réactivité et d'une autre évaluant leur capacité à conduire l'énergie.

Cette combinaison d’IA n’est pas conçue pour trouver toutes les solutions possibles à un problème donné. Au lieu de cela, il examine l’énorme botte de foin des possibilités (des dizaines de millions) et essaie de la réduire à quelques bons candidats.

Cette approche a ramené 32 millions de matériaux potentiels à 500,000 800 candidats, puis à XNUMX.

Elle diffère fondamentalement d’une approche de modèle mathématique purement informatique, qui tentera plutôt de calculer par « force brute » les propriétés chimiques d’un matériau, souvent en le simulant atome par atome. Au lieu de cela, l’IA fait une « supposition » éclairée de ce qui devrait travaillez en utilisant des analogies, à peu près de la même manière qu’un humain le ferait. Sauf l'équipe des IA pourrait filtrer 32 millions d'idées en moins de 80 heures.

Réduire des mois ou des années de travail en quelques jours ou quelques semaines constitue une révolution complète dans le rythme du progrès scientifique.

Appliquée plus largement, cette approche pourrait complètement modifier le rythme du progrès technologique dans les sociétés humaines.

Économiser des ressources précieuses

Une fois la liste réduite à seulement 800 candidats, les chercheurs ont pu déployer la méthode plus standard du calcul haute performance (HPC). Il a permis de calculer tous les états énergétiques possibles des 800 candidats. Ensuite, un mélange d’IA et de HPC dédiés a été utilisé pour simuler les mouvements de chaque atome et molécule à l’intérieur de chaque matériau.

En utilisant le HPC sur quelques centaines de candidats seulement, cela a permis à PNNL d’économiser beaucoup de temps et d’argent, car il s’agit d’une méthode très gourmande en puissance de calcul. Cela a réduit la liste des candidats à seulement 150.

À partir de là, une évaluation des coûts, de la disponibilité et d’autres considérations pratiques a réduit la liste initiale de 32 millions de candidats à seulement 23. Il est intéressant de noter que sur 23, 5 étaient déjà connus, démontrant la pertinence de la méthode, car elle « re- découvert » ces 5 matériaux de manière indépendante.

Les méthodologies de recherche antérieures reposaient largement sur un calcul haute performance (HPC) coûteux et lent. L'IA a permis de réduire le HPC à seulement 10 % du temps de calcul total. Le fait que le calcul de l'IA soit basé sur le cloud, au lieu d'utiliser le temps précieux et rare des supercalculateurs des instituts de recherche, a également contribué à son efficacité.

Les prochaines étapes

La collaboration entre Microsoft et PNNL sur le matériel de batterie n'était que le début d'un accord de collaboration pluriannuel. En fin de compte, l’idée serait de générer suffisamment de données pour que savoir avec quel nouveau matériau concevoir une nouvelle batterie soit aussi simple que de simplement interroger le système d’IA à ce sujet.

« La vision vers laquelle nous travaillons est celle des matériaux génératifs dans lesquels je peux demander une liste de nouveaux composés de batterie avec les attributs souhaités » – Nathan Baker, chef de produit pour Azure Quantum Elements.

Il convient également de noter que la méthode actuelle repose sur l'informatique classique. Cependant, la programmation et les logiciels d'IA de Microsoft sont conçus pour évoluer vers l'informatique quantique dès que cette technologie sera suffisamment mature.

Cela donnerait une puissance de calcul sans précédent pour des sujets tels que les simulations chimiques et biologiques, augmentant la puissance de calcul de plusieurs ordres de grandeur (x100-10,000 XNUMX). Nous en sommes donc encore aux tout premiers stades de l’IA travaillant sur la conception de nouvelles molécules et de nouveaux matériaux.

Domaines d'application

La première expérience s’est concentrée sur les matériaux des batteries. Mais de nombreux autres domaines bénéficieront probablement de ces connaissances avancées en matière de chimie, ainsi que de l’application de l’IA à d’autres sciences, toutes déjà en cours chez Microsoft :

• Semi-conducteurs.
• Informatique quantique et cryptographie.
• Visuel et acoustique
• Biologie moléculaire et génomique.
• Biotechnologie et produits pharmaceutiques en général.
• Énergies renouvelables et changement climatique.
• Agriculture & Écologie.
• Économie.
• Sciences sociales.
• Mathématiques théoriques.

Dans chacun de ces domaines, la recherche a connu des difficultés en raison de la masse de données et de la complexité des problèmes à résoudre. À l’instar du projet pilote sur les batteries, chacun pourrait bénéficier des enseignements de l’IA.

Actions scientifiques basées sur l'IA

1. Microsoft

Microsoft Corporation (MSFT -0.31%)

Microsoft est au centre de l'industrie technologique presque depuis sa création avec son système d'exploitation Windows, toujours dominant. Il est désormais également leader dans les logiciels d'entreprise (Office365, Équipes, LinkedIn, Skype, GitHub), jeux (Xbox et acquisitions de plusieurs studios de jeux vidéo), et dans le cloud (Azure).

Plus récemment, elle a fait de bons progrès en matière d’IA. Cela inclut certaines IA grand public comme Créateur d'images Bing : besoins particuliers, topographie du site et intégration paysagère. approfondir le partenariat avec OpenAI. Il comprend également des initiatives davantage axées sur les entreprises, comme Microsoft 365 Copilot et Microsoft Research. Copilot est maintenant déployé également dans le commerce de détail et les petites entreprises.

Microsoft a acquis la réputation d'être un géant technologique centré sur l'entreprise, par rapport à des entreprises plus axées sur le consommateur, comme par exemple Apple ou Facebook. Alors que l’IA prend de plus en plus d’importance dans les modèles commerciaux, la présence préexistante de Microsoft dans les services cloud et d’entreprise devrait lui donner une longueur d’avance dans le déploiement de l’IA à grande échelle et dans l’acquisition de clients.

La collaboration/quasi-propriété avec des leaders du développement de l'IA comme OpenAI consolidera également la position de Microsoft en tant que puissance de l'IA.

2. NVIDIA

NVIDIA Corporation (NVDA + 3.49%)

NVidia occupait initialement une position dominante sur le marché des cartes graphiques (GPU), principalement utilisées pour les jeux haut de gamme et la modélisation 3D. Les GPU sont capables d'exécuter des calculs en parallèle et diffèrent à cet égard des processeurs (CPU).

La conception de son matériel s’est avérée très adaptée au minage de crypto-monnaie (en particulier Bitcoin), créant une forte vague de croissance pour l’entreprise.

Il semble désormais qu’il soit tout aussi puissant pour la formation des IA, faisant du matériel Nvidia l’épine dorsale de la révolution de l’IA.

NVidia développe actuellement des systèmes informatiques personnalisés pour différentes applications d'IA, de voiture autonomes, à discours et IA conversationnelles, IA génératives, ou les services de cybersécurité.

Il est probable que Nvidia n’ait pas fini de trouver de nouveaux cas d’utilisation pour son matériel d’IA, comme le montre une étude de Microsoft avec PNNL. Par exemple, NVidia développe actuellement toute une gamme de solutions pour la découverte de médicaments, aussi bien que Dispositifs médicaux alimentés par l'IA et Imagerie médicale assistée par l'IA.

Source: NVidia

Il est probable qu’à très long terme, les concurrents de NVidia commencent à sérieusement remettre en question l’avance initiale de l’entreprise. Mais dans un avenir prévisible, compte tenu de l’explosion de la demande de puissance de calcul dédiée à l’IA, NVidia restera le principal fournisseur de tous les nouveaux centres de données de formation à l’IA en cours de construction.

3. CrowdStrike

CrowdStrike Holdings, Inc. (CRWD + 12.82%)

Plus le monde s’appuie sur l’IA et la numérisation, plus la cybersécurité connectée deviendra importante.

CrowdStrike a été fondée avec une approche de cybersécurité privilégiant le cloud. Son offre couvre toutes les catégories de menaces de cybersécurité et compte parmi ses clients 15 des 20 plus grandes banques américaines, 70 entreprises du Fortune 100 et 556 entreprises du Global 2000.

La croissance de CrowdStrike s'appuie sur un marché potentiel total (MPT) en pleine expansion, qui devrait croître de 13 % en TCAC au cours des deux prochaines années. Avec des offres supplémentaires en cours de développement, l'entreprise prévoit de faire passer son MPT de 2 milliards de dollars actuellement à 76 milliards de dollars d'ici 158.

Source: CrowdStrike

Un autre facteur de croissance pour CrowdStrike est l’expansion des activités avec des clients préexistants. Lorsqu'un client commence avec au moins un module de cybersécurité, il continue généralement et continue d'intégrer plus de modules, avec 62 % des clients utilisant 5 modules ou plus et 23 % utilisant 7 modules ou plus.

Cette dynamique crée un environnement qui permet à CrowdStrike d'augmenter ses marges lorsqu'une relation s'est développée suffisamment longtemps, avec une marge brute totale impressionnante de 78 % en 2023.

La transition vers le cloud est encore en grande partie en cours pour de nombreuses grandes entreprises. Cela crée une grande opportunité pour un leader du marché comme CrowdStrike de l'aider également à migrer sa stratégie de cybersécurité vers le cloud.

L’entreprise devrait également voir son activité internationale se développer, avec encore 3/4 des entreprises du Global 2000 qui n’ont pas encore intégré l’écosystème CrowdStrike.

L'approche « cloud first » de CrowdStrike lui a permis de conquérir rapidement des parts de marché et est désormais reproduite par toutes les grandes entreprises de cybersécurité. Les investisseurs devront donc prêter attention à la capacité de CrowdStrike à conserver son avantage malgré les contre-attaques croissantes du secteur.

4. Adobe

Adobe Inc. (ADBE + 1.49%)

À première vue, l’émergence de l’IA générative, notamment la génération d’images, pourrait constituer une menace pour le propriétaire de logiciels graphiques importants comme Photoshop, InDesign, After Effects, Lightroom ou Illustrator.

Ce serait oublier qu’Adobe a été un pionnier dans l’industrie du logiciel, étant l’un des premiers à passer à un modèle d’abonnement basé sur le cloud, alors que l’industrie vendait la dernière version du logiciel pour des milliers de dollars.

Il en va de même pour l'IA avec Adobe Firefly. Cet outil de génération d'images s'intègre désormais parfaitement aux autres logiciels d'Adobe, vous permettant de générer des images à partir de texte simple, de créer une image riche à partir d'un modèle 3D simple, ou même de « remplir générativement », en agrandissant une image existante de manière photoréaliste.

Source: Adobe

Avec l’IA réduisant la barrière des compétences requises pour créer des logos ou des magazines, ou pour modifier des images, l’offre et la demande de contenu original vont probablement augmenter.

En adoptant le changement et l’IA, Adobe conservera probablement sa position de progiciel leader pour toutes les œuvres de création visuelle, et élargira même sa portée.

5. Parvenu

Upstart Holdings, Inc. (UPST -0.1%)

Upstart est un marché de prêts alimenté par l'IA, lancé bien avant que l'IA ne devienne un centre de conversation technologique en 2023.

Le processus d'Upstart est en grande partie automatisé, avec 87 % des prêts accordés entièrement décidés grâce à l'automatisation.

L'idée derrière Upstart est que le système de pointage de crédit existant est inefficace et obsolète. Avec beaucoup plus de données disponibles, il est possible de mieux identifier les risques liés aux prêts et, par conséquent, de proposer des prêts moins chers à une grande partie de la population.

Cela signifie que la méthode d'Upstart permet d'identifier les personnes ayant un score FICO élevé, mais qui, en pratique, présentent un risque élevé de défaut de paiement. Inversement, les personnes ayant un score FICO faible sont moins susceptibles de faire défaut.

Source: Parvenu

Le marché total adressable est vaste, avec un montant annuel de 4 XNUMX milliards de dollars provenant de prêts personnels, automobiles, immobiliers et aux petites entreprises.

En raison de la hausse des taux d'intérêt et de la réduction de la demande de prêts, Upstart a connu une certaine baisse de ses revenus et des pertes en 2023, tout comme le reste de son secteur.

Ce ralentissement temporaire du volume des prêts n'a pas ralenti l'expansion du réseau de partenaires de prêt d'Upstart, avec 100 banques, contre 71 l'année précédente et seulement 10 lors de l'introduction en bourse en 2020, et 61 concessionnaires, contre 39 début 2023.

Les investisseurs dans Upstart devront espérer que le réseau en pleine croissance est un signe clair de la valeur de la technologie Upstart et de son potentiel à devenir un important initiateur de prêts sur le marché américain.

Les progrès continus dans le calcul de l’IA pourraient également lui donner un avantage sur un marché très compétitif de la notation des prêts.