Une IA conçue pour travailler par hypothèses, expériences et corrections a créé deux méthodes capables de dépasser des outils déjà utilisés en bio-informatique.
Le dispositif porte le nom de The Little Scientist, « le petit scientifique ». Son principe est simple : au lieu de modifier du code puis de garder uniquement ce qui fonctionne, l’agent doit annoncer une hypothèse. Il prévoit ensuite le résultat attendu, écrit son programme, le teste et compare ce qui s’est réellement passé avec sa prévision.
Source : Wikimedia Commons — Arek Socha, CC0
Cette différence compte lorsque l’essai échoue. Le système reçoit des informations détaillées sur les cas où son programme s’améliore ou régresse. Il peut donc relier une modification précise à ses effets. À l’itération suivante, ces résultats servent à construire une nouvelle hypothèse plutôt qu’à repartir au hasard.
Les chercheurs ont testé cette méthode sur deux tâches liées à la biologie. La première consiste à prévoir l’effet d’une mutation sur le fonctionnement d’une protéine. Le système a élaboré une stratégie appelée Delta V, qui combine plusieurs modèles existants et ajuste leurs résultats. Sur le classement ProteinGym utilisé dans l’étude, elle atteint la première place selon les cinq mesures officielles évaluées.
Le second test concernait l’ADN. Certaines protéines se fixent préférentiellement sur de courtes séquences particulières. Repérer ces motifs aide à comprendre comment l’activité des gènes est contrôlée. L’IA a écrit à partir de zéro un algorithme nommé DALE pour rechercher ces motifs dans les données.
Sur 132 protéines régulant l’activité des gènes, DALE a obtenu un score moyen de 0,842 contre 0,803 pour STREME, l’outil de référence. Dans ce test, DALE fonctionnait également 11 fois plus vite.
Le système prévoit aussi une manière de sortir d’une impasse. Après plusieurs tentatives sans progrès, un second agent propose une nouvelle façon d’aborder le problème, inspirée parfois d’un autre domaine. Dans les deux expériences, ce changement de perspective a participé à des améliorations ensuite développées par l’agent principal.
Le code et l’historique des essais sont publiés pour permettre de reproduire les tests.