Une nouvelle approche de la méthode de formation de l’intelligence artificielle «punition et récompense» offre une clé potentielle pour débloquer de nouveaux traitements contre les cancers agressifs


  • FrançaisFrançais


  • Suivez-nous sur notre page Facebook et notre canal Telegram


    Selon une nouvelle étude de l’Université de Surrey, une nouvelle méthode «hors des sentiers battus» d’enseignement des modèles d’intelligence artificielle (IA) pour prendre des décisions pourrait donner l’espoir de trouver de nouvelles méthodes thérapeutiques contre le cancer.

    Des informaticiens de Surrey ont démontré qu’une méthode d’apprentissage par renforcement profond ouverte ou sans modèle est capable de stabiliser de grands ensembles de données (jusqu’à 200 nœuds) utilisés dans les modèles d’IA. L’approche laisse ouverte la perspective de découvrir des moyens d’arrêter le développement du cancer en prédisant la réponse des cellules cancéreuses aux perturbations, y compris le traitement médicamenteux.

    Le Dr Sotiris Moschoyiannis, auteur correspondant de l’étude de l’Université de Surrey, a déclaré :

    “Il existe un nombre déchirant de cancers agressifs avec peu ou pas d’informations sur leur origine, sans parler de la manière de catégoriser leur comportement. C’est là que l’apprentissage automatique peut nous apporter à tous un réel espoir.

    “Ce que nous avons démontré, c’est la capacité de l’approche axée sur l’apprentissage par renforcement à s’adresser à de véritables réseaux booléens à grande échelle à partir de l’étude du mélanome métastatique. Les résultats de cette recherche ont permis d’utiliser des données enregistrées pour non seulement concevoir de nouvelles thérapies, mais aussi rendre les thérapies existantes plus précises. La prochaine étape serait d’utiliser des cellules vivantes avec les mêmes méthodes.

    L’apprentissage par renforcement est une méthode d’apprentissage automatique par laquelle vous récompensez un ordinateur pour avoir pris la bonne décision et le punissez pour avoir pris les mauvaises. Au fil du temps, l’IA apprend à prendre de meilleures décisions.

    Une approche sans modèle de l’apprentissage par renforcement se produit lorsque l’IA n’a pas une direction ou une représentation claire de son environnement. L’approche sans modèle est considérée comme plus puissante car l’IA peut commencer à apprendre immédiatement sans avoir besoin d’une description détaillée de son environnement.

    Le professeur Francesca Buffa du Département d’oncologie de l’Université d’Oxford a commenté les résultats de la recherche :

    “Ce travail fait un grand pas en avant pour permettre le pronostic des perturbations sur les réseaux de gènes, ce qui est essentiel alors que nous nous dirigeons vers des thérapies ciblées. Ces résultats sont passionnants pour mon laboratoire car nous envisageons depuis longtemps un ensemble plus large de perturbations pour inclure le micro-environnement de la cellule.””

    Houssen Moshinaly

    Rédacteur en chef d'Actualité Houssenia Writing. Rédacteur web depuis 2009.

    Blogueur et essayiste, j'ai écrit 9 livres sur différents sujets comme la corruption en science, les singularités technologiques ou encore des fictions. Je propose aujourd'hui des analyses politiques et géopolitiques sur le nouveau monde qui arrive. J'ai une formation de rédaction web et une longue carrière de prolétaire.

    Pour me contacter personnellement :

    Laisser un commentaire

    Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *