Zobrazit v EDS

IA pour la recherche en sciences de la vie

Uloženo v:
Podrobná bibliografie
Název: IA pour la recherche en sciences de la vie
Autoři: Guyet, Thomas
Přispěvatelé: Guyet, Thomas
Informace o vydavateli: 2025.
Rok vydání: 2025
Témata: [INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-DM] Computer Science [cs]/Discrete Mathematics [cs.DM], [SDV.SPEE] Life Sciences [q-bio]/Santé publique et épidémiologie, [SCCO.NEUR] Cognitive science/Neuroscience
Popis: Le quatrième paradigme (https://en.wikipedia.org/wiki/The_Fourth_Paradigm) a été formulé il y a 15 ans pour souligner la révolution du monde de la recherche par l'usage croissant de données massives. En parallèle, le domaine de la recherche en IA s'est fortement développé et propose aujourd'hui des outils d'une performance impressionnante pour analyser des données et des connaissances, si bien que le prix nobel de chime 2024 a été décerné à des chercheurs en IA. Le chercheur, de n'importe qu'elle discipline, s'accompagnera probablement d'outils basés sur des méthodes d'IA pour l'accompagner dans les différentes étapes de sa recherche. Les domaines des sciences du vivant, incluant l'agronomie, l'environnement, la biologie, etc. sont, d'une part, d'une complexité nécessitant des recherches intenses et, d'autre part, des grands pourvoyeurs de données massives issues d'observations ou d'expérimentations. Ils font également appel à des connaissances riches et complexes sur le fonctionnement du vivant. Ce positionnement entre complexité de système étudiés et richesse des données en font un terrain de jeu idéal pour un usage des méthodes d'IA. Au travers de cette présentation, j'illustrerai comment des méthodes d'IA peuvent aider des chercheurs en science du vivant à mieux comprendre leurs données, j'aborderai les questionnements que ces nouveaux usages peuvent ou doivent poser et j'apporterai des éléments de réflexions sur si et comment ces outils seront des compagnons quotidiens de nos recherches. Je mettrai en particulier avant ce qui sera la compétence importante des futurs chercheurs : l'interdisciplinarité, entre la compréhension des outils d'IA et les connaissances thématiques.
Druh dokumentu: Conference object
Popis souboru: application/pdf
Jazyk: French
Přístupová URL adresa: https://inria.hal.science/hal-05046080v1
Rights: CC BY
Přístupové číslo: edsair.dedup.wf.002..1f3f933ee23f2b07ef6ac7d91787ea16
Databáze: OpenAIRE
Popis
Abstrakt:Le quatrième paradigme (https://en.wikipedia.org/wiki/The_Fourth_Paradigm) a été formulé il y a 15 ans pour souligner la révolution du monde de la recherche par l'usage croissant de données massives. En parallèle, le domaine de la recherche en IA s'est fortement développé et propose aujourd'hui des outils d'une performance impressionnante pour analyser des données et des connaissances, si bien que le prix nobel de chime 2024 a été décerné à des chercheurs en IA. Le chercheur, de n'importe qu'elle discipline, s'accompagnera probablement d'outils basés sur des méthodes d'IA pour l'accompagner dans les différentes étapes de sa recherche. Les domaines des sciences du vivant, incluant l'agronomie, l'environnement, la biologie, etc. sont, d'une part, d'une complexité nécessitant des recherches intenses et, d'autre part, des grands pourvoyeurs de données massives issues d'observations ou d'expérimentations. Ils font également appel à des connaissances riches et complexes sur le fonctionnement du vivant. Ce positionnement entre complexité de système étudiés et richesse des données en font un terrain de jeu idéal pour un usage des méthodes d'IA. Au travers de cette présentation, j'illustrerai comment des méthodes d'IA peuvent aider des chercheurs en science du vivant à mieux comprendre leurs données, j'aborderai les questionnements que ces nouveaux usages peuvent ou doivent poser et j'apporterai des éléments de réflexions sur si et comment ces outils seront des compagnons quotidiens de nos recherches. Je mettrai en particulier avant ce qui sera la compétence importante des futurs chercheurs : l'interdisciplinarité, entre la compréhension des outils d'IA et les connaissances thématiques.