Dans les années 2020, alors que la technologie derrière l’intelligence artificielle évolue vers le statu quo, la conversation autour de celle-ci se déplacera vers la compréhension de sa place dans la société. Pourtant, aujourd’hui, le commentaire « les robots prendront nos emplois » est une préoccupation commune des acteurs quotidiens de l’économie.
La conversation doit porter sur la façon dont l’intelligence artificielle (IA) modifie fondamentalement la main-d’œuvre, appelant de nombreuses tâches cognitives, comme les tâches administratives, juridiques et comptables, comme pouvant être facilement automatisées. C’est la révolution industrielle qui a lentement perturbé la prévalence des tâches physiques répétitives dans notre économie, dans cette quatrième révolution industrielle, nous verrons ces tâches traditionnellement considérées comme ininterrompues par les machines.
Comment l’IA contribue à faire avancer la recherche sur le cancer ?
Prenons l’exemple du projet Immunotherapy Outcome Prediction (IOP) actuellement dirigé par le cabinet de conseil en intelligence artificielle et en apprentissage automatique, Max Kelsen. L’organisation spécialisée dans l’apprentissage automatique et l’IA utilise l’apprentissage en profondeur pour mieux prédire comment les patients réagiront aux traitements d’immunothérapie contre le cancer.
Ci-dessous une vidéo relatant ces faits :
Avec l’aide de genomiQa, QIMR Berghofer, BGI et QLD Health Metro North Hospital and Health Service, Max Kelsen intègre l’IA et le séquençage du génome entier dans la recherche sur le cancer et la pratique clinique.
Pourquoi un humain ne peut-il pas faire ce travail ?
À 3,2 milliards de paires de bases par séquence de génome entier, chaque génome entier fait près de 300 Go. La clé pour prédire les résultats du traitement des patients réside dans la recherche et l’interprétation des modèles et des gènes significatifs dans les génomes des patients qui ont le mieux répondu aux traitements précédents.
Comprendre les corrélations à cette échelle est tout simplement impossible pour les humains, ou de simples statistiques, mais c’est le type de problème sur lequel l’IA prospère.