L’entreprise d’IA Anthropic a déclaré que les systèmes d’IA peuvent aider les scientifiques à construire, exécuter, ajuster et réviser des modèles scientifiques afin de vérifier quelles explications sont étayées par les données.
Points clés à retenir
Anthropic a publié une mise à jour de recherche sur X, indiquant que l’IA peut aider les chercheurs à écrire, exécuter, ajuster et réviser des modèles scientifiques sous forme de code.
La publication met en avant les travaux des bénéficiaires de subventions Jakob Macke, Daniel Gedon et Stefan Wahl
Anthropic utilise le modèle de Hodgkin-Huxley des cellules nerveuses pour illustrer comment les scientifiques construisent, encadrent et interprètent des modèles scientifiques.
Anthropic présente l’IA comme un outil pour élaborer des modèles scientifiques, et pas seulement pour écrire.
Anthropic a publié cette mise à jour sur X. Une page de recherche distincte d’Anthropic sur la manière dont les scientifiques utilisent Claude montre que l’entreprise étudie également l’utilisation de l’outil par les chercheurs dans différentes tâches scientifiques.
Claude est la famille de grands modèles de langage d’Anthropic, et l’article le situe dans un contexte très éloigné du chat grand public : la construction de modèles scientifiques.
La modélisation scientifique sort de la fenêtre de chat
L’article avance que l’IA peut aider à rédiger, exécuter, ajuster et réviser des modèles scientifiques, ainsi qu’à explorer de nombreuses structures possibles.
L’exemple d’Anthropic commence par le modèle classique de la cellule nerveuse de Hodgkin et Huxley. En 1951, Andrew Huxley a passé plus de trois semaines à résoudre les équations sur une calculatrice à manivelle, après la panne de l’ordinateur de Cambridge.
Cet article invité s’appuie sur cette histoire pour soutenir que l’IA pourrait aujourd’hui accélérer la création et la révision de modèles, plutôt que remplacer le jugement scientifique.
Anthropic met en avant la création et l’interprétation de modèles que les scientifiques peuvent examiner, comparer aux données et réviser au besoin.
De la prédiction au mécanisme
Un modèle scientifique n’est pas qu’une prévision. C’est une description formelle de la manière dont les éléments d’un système interagissent.
En neurosciences, cela peut désigner des équations décrivant la façon dont les ions traversent une membrane et déclenchent la décharge d’un neurone.
L’apprentissage automatique moderne produit souvent de bonnes prédictions sans rendre cette structure visible. L’article d’Anthropic avance que l’IA pourrait contribuer à combler cet écart en proposant des formes de modèles, en comparant les résultats aux données et en réduisant l’espace de recherche parmi un grand nombre d’explications candidates.
Anthropic, en revanche, s’intéresse au raisonnement dans le travail scientifique, où l’objectif est de produire une réponse et une explication qu’un autre chercheur puisse examiner.
À lire également : Claude Code d’Anthropic envoie les adresses e-mail des utilisateurs’. à des sites web
Comment les chercheurs en sont arrivés là
L’article a été rédigé par les bénéficiaires des subventions AI for Science Jakob Macke, Daniel Gedon et Stefan Wahl. Ils avancent que, dans de nombreux domaines, les scientifiques rédigent encore généralement les modèles à la main.
Anthropic s’appuie sur ces travaux pour présenter l’IA comme un outil de création de modèles scientifiques, et pas seulement comme un outil d’écriture.
Dans les laboratoires de neurosciences, de biologie et de climatologie, la difficulté tient souvent moins aux données brutes qu’au choix de la structure à ajuster. Si l’IA peut réduire le coût de cette recherche, elle pourrait changer les idées qui sont testées dès le départ.
Comment la modélisation scientifique pourrait accélérer le rejet des hypothèses
La modélisation scientifique avec Claude n’aurait d’intérêt que si le système pouvait faire plus que résumer des articles.
Les chercheurs ont besoin d’un outil capable de transformer des hypothèses en équations, de comparer les résultats aux données observées et de réviser la structure lorsque l’ajustement est insuffisant.
C’est pourquoi l’article d’Anthropic s’appuie sur la modélisation mécaniste. Dans l’exemple de Hodgkin-Huxley, l’intérêt venait d’un modèle dont les composantes correspondaient à des comportements physiques au sein d’une cellule nerveuse.
Un modèle de langage comme Claude peut aider à explorer plus rapidement des structures candidates, mais les scientifiques doivent toujours pouvoir comprendre clairement cette correspondance.
La prochaine preuve à apporter sera de montrer si ces travaux produisent des résultats concrets dans des laboratoires en activité, et pas seulement des essais convaincants. Pour les chercheurs, la question est de savoir si Claude peut les aider à écarter plus tôt les théories fragiles et à consacrer davantage de temps aux quelques-unes qui résistent à l’épreuve des données.
Pourquoi Claude aide à restreindre la recherche de modèles
L’article indique que les scientifiques rédigent encore généralement les modèles à la main et évaluent plusieurs versions concurrentes. Il explique que l’IA peut aider à proposer des modèles candidats, à écrire le code pour les tester et à comparer les résultats aux données.
Les auteurs sont des chercheurs de l’Ellis Institute Tübingen et de l’Université de Tübingen. L’article indique que les systèmes d’IA peuvent proposer de nombreux modèles candidats, que les scientifiques peuvent comparer aux données et réviser au besoin.
Surveillez les prochains travaux d’Anthropic qui transformeront cette approche en une évaluation reproductible.
Dès lors que la modélisation scientifique disposera d’un benchmark commun, le rôle de Claude pourra être mesuré plutôt que raconté.
À lire ensuite : Claude d’Anthropic peut lire le solde de votre compte bancaire pour répondre à vos questions