Non pas des humains ou des robots, mais des humains et des robots
Une perspective pour les laboratoires auto-contrôlés pilotés par l'IA du futur
La nécessité urgente d'une transition vers des sources d'énergie durables exige une accélération significative des cycles traditionnels de recherche et de développement. Les laboratoires autoguidés (SDL), alimentés par l'intelligence artificielle (IA), pourraient jouer un rôle central dans cette transformation. Dans un article de perspective publié dans la célèbre revue Nature Catalysis, des chercheurs du département de théorie de l'Institut Fritz Haber examinent le rôle joué par les humains dans les futurs laboratoires autopilotés destinés à la recherche sur la catalyse.
Boucle d'apprentissage actif
© Steffen Kangowski/FHI
Un laboratoire autonome intègre l'IA à l'automatisation et à la robotique du laboratoire. L'IA planifie les expériences, qui sont exécutées dans des modules de plus en plus automatisés (robotisés). En pratique, ce processus se déroule dans des boucles d'apprentissage actif, où les données de la dernière boucle sont utilisées pour affiner un modèle d'apprentissage automatique. L'IA utilise ensuite ce modèle pour planifier les expériences suivantes dans la boucle suivante. De cette manière, seules les synthèses, les caractérisations et les tests les plus instructifs sont effectués sur la base de toutes les données collectées au préalable. Simultanément, l'automatisation améliore le débit, la reproductibilité et la sécurité - ce qui promet une accélération significative par rapport aux processus de développement traditionnels dirigés par l'homme.
Dans les premières mises en œuvre de ce concept innovant de découverte de matériaux catalytiques améliorés, l'accent est souvent mis sur le remplacement des tâches humaines par des robots de synthèse. Scheurer et Reuter soulignent au contraire que l'étape la plus longue de ce type de recherche sur la catalyse est généralement le test explicite des matériaux. Étant donné l'importance croissante de la durabilité, le comportement de dégradation des matériaux dans le réacteur doit être surveillé sur de longues périodes. Par conséquent, il est plus probable que l'on parvienne à améliorer le rendement en développant de nouvelles procédures d'essai spécialement conçues pour les SDL, plutôt qu'en se contentant d'automatiser les procédures existantes.
En particulier lorsque le débit reste limité, le rôle de l'IA dans la planification de l'expérience est crucial. Moins il y a de boucles à exécuter, mieux c'est. Ici aussi, les humains continueront à jouer un rôle essentiel dans un avenir prévisible. Si les IA actuelles peuvent déterminer les expériences optimales dans un cadre général donné, elles ne peuvent pas encore remettre en question ce cadre, ni même redéfinir les questions scientifiques elles-mêmes. Pour l'instant, ces tâches créatives restent du ressort de l'homme, ce qui nécessite une fonction de contrôle humain dans les boucles.
Les auteurs défendent donc le principe de "l'humain dans la boucle" et analysent ses implications pour le développement de l'IA dans les SDL. En particulier, les IA doivent être capables de répondre de manière flexible, robuste et évaluable aux modifications apportées par l'homme aux structures des boucles - un défi méthodologique déjà relevé par les recherches en cours dans le département de théorie.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
