Dialogue Avec Hong Liang De L'université Jiao Tong De Shanghai : Il Est Plus Gratifiant De Mettre En Œuvre L'ia Pour La Science

Ces dernières années, avec la nouvelle génération de technologies de l'information menée par la nouvelle infrastructure explorée dans des milliers d'industries, la « collaboration industrie-université-recherche-application » est apparue fréquemment dans les documents politiques et les plans de développement industriel. Le rapport d’activité du gouvernement de cette année propose clairement « d’approfondir l’intégration industrie-université-recherche-application ». L'auteur estime queLe domaine « industrie-université-recherche-application » peut en réalité être divisé en deux domaines : université-recherche et industrie-application.La recherche universitaire fait référence à l’éducation et à la recherche scientifique, à savoir la culture des talents et la recherche scientifique ; La production et l'application font référence à la mise en œuvre de technologies innovantes dans les liens de production et les scénarios d'application réels.

Pendant longtemps, la recherche et la production étaient séparées par une mer de séparation. La communauté universitaire s’est concentrée sur les avancées technologiques de pointe, tandis que l’industrie était confinée à des problèmes pratiques et n’avait « aucun endroit où chercher un traitement médical ». Par la suite, l’importance de la transformation des réalisations scientifiques et technologiques est devenue de plus en plus évidente, et un pont de communication et d’échange a été progressivement construit entre l’industrie et la recherche. Aujourd’hui, une nouvelle vague d’IA est en train de déferler. Il s’agit non seulement d’un assistant puissant pour l’industrie afin d’améliorer la qualité et l’efficacité, mais aussi de reconstruire progressivement le paradigme de la recherche scientifique. Dans ce contexte,Le « mouvement à double sens » entre le monde universitaire et l’industrie est devenu une tendance générale.

d'une part,Les applications d’IA industrielle se concentrent davantage sur la transformation intelligente des processus commerciaux et des méthodes de production, et les outils ou solutions d’IA entièrement autonomes et contrôlables sont relativement rares ;d'autre part,Le développement de l’IA pour la science a accéléré les progrès de la recherche scientifique et a également engendré un grand nombre de résultats révolutionnaires et innovants, qui nécessitent de toute urgence davantage de données réelles ou de scénarios d’application pour vérifier leur faisabilité.

Comme l'a déclaré Hong Liang, professeur distingué de recherche en sciences naturelles à l'École de physique et d'astronomie et à l'École de pharmacie de l'Université Jiao Tong de Shanghai :« Dans l’environnement de développement actuel, les chercheurs sont de plus en plus conscients que la publication d’articles n’est plus le seul objectif, et qu’il est plus important de se concentrer sur la résolution de problèmes d’ingénierie pratiques. »

L'attitude ouverte du professeur Hong Liang envers l'intégration de l'industrie et de la recherche se reflète également dans les activités de l'école d'été qu'il a organisées. Contrairement à la plupart des écoles dont le programme est entièrement centré sur l'affichage et le partage des réalisations académiques, l'école d'été sur l'IA pour la bio-ingénierie de l'Université Jiao Tong de Shanghai se concentre sur le domaine de l'ingénierie des protéines. Elle a non seulement invité des experts de l'Université Jiao Tong de Shanghai, de l'Université de Xiamen, de l'Université Fudan, de l'Université Sun Yat-sen et du Laboratoire d'intelligence artificielle de Shanghai à partager les derniers progrès de la recherche, mais a également présenté conjointement avec Jinsai Pharmaceutical, Weilan Biotechnology et Zhongyuan Huiji, les progrès du développement du domaine de la bio-ingénierie de l'IA dans l'industrie du point de vue de l'application.

Il convient de mentionner que les participants à cette école d'été comprennent non seulement des experts et des universitaires de nombreuses universités nationales, mais également du personnel de R&D de près de 30 entreprises.Parmi eux se trouvaient des chefs d’équipe et même des présidents de grandes entreprises. Ils ont écouté l'intégralité du cours de trois jours avec les étudiants présents.Ce phénomène, rarement observé dans les séminaires sur les technologies de pointe organisés dans les écoles/instituts de recherche, est apparu dans les activités des écoles d'été universitaires, ce qui démontre pleinement que l'industrie est pleine d'enthousiasme pour l'IA, en particulier « l'IA pratique ».

Au cours de l'école d'été, HyperAI a eu l'honneur d'avoir une conversation approfondie avec le professeur Hong Liang. À partir du développement de l'IA dans le domaine de l'ingénierie des protéines, il a examiné de manière exhaustive les défis et les approches de la mise en œuvre de l'IA pour la science (AI4S), ainsi que la manière dont l'IA et la science peuvent être combinées de manière organique.

Transformation décisive, obtention d'un diplôme en IA à Station B

En effet, l’IA pour la science a connu un développement rapide au cours des deux dernières années. Au départ, certains groupes de recherche ont exploré et expérimenté des outils d’IA à petite échelle, essayant d’améliorer l’efficacité du traitement des données. De nos jours, dans de nombreux domaines de recherche scientifique, l’IA est devenue la clé pour surmonter les goulots d’étranglement de la recherche, et même ses performances dans de nombreuses tâches d’ingénierie ont dépassé les capacités des experts humains. Il s’en est suivi un afflux de praticiens de l’IA dans le domaine de la recherche scientifique, et les chercheurs ont commencé à apprendre eux-mêmes l’IA. Il ne fait aucun doute que la suppression des barrières entre l’IA et la science a donné naissance à un grand nombre de résultats de recherche scientifique remarquables.Mais seuls quelques-uns sortent réellement du laboratoire.

À cet égard, le professeur Hong Liang a déclaré : « Lorsque nous faisons de l'IA pour le développement, nous devons éviter de tisser les nouveaux vêtements de l'empereur, car tôt ou tard, ils seront exposés, nous devons donc toujours penser à la mise en œuvre. » Il a admis,« Il sera plus gratifiant de mettre en œuvre avec succès AI4S. »

Le professeur Hong Liang a analysé plus en détail le charme de la mise en œuvre de l’IA pour les services en utilisant sa propre expérience comme exemple. Il s'est d'abord consacré à la recherche scientifique fondamentale et « ne pouvait qu'imaginer comment la recherche scientifique pourrait être appliquée dans la pratique à travers des articles publiés ». Cependant, lorsque son équipe a mis en œuvre avec succès l'intelligence artificielle générale pour l'ingénierie des protéines et a effectivement rejoint plus de 20 entreprises pour les aider dans la recherche et le développement de produits protéiques, et lorsqu'il a vu les molécules conçues sur son ordinateur être produites dans une cuve de fermentation de 5 000 L et utilisées dans la vie réelle,« À ce moment-là, pour les scientifiques qui avaient fait de la recherche scientifique fondamentale, le sentiment de bonheur était immense. »

Il convient de mentionner qu’à l’heure actuelle,Sur la base du grand modèle de la série Pro d'ingénierie des protéines développé en interne, l'équipe conçoit directement des séquences de protéines en fonction des exigences fonctionnelles.Nous avons déjà réalisé la première et la deuxième conception et industrialisation de modèles à grande échelle au monde de produits protéiques à haute difficulté.

Lorsqu'il parle d'être le premier à réaliser l'industrialisation dans le domaine de la recherche en ingénierie des protéines, le professeur Hong Liang estime que la plate-forme, le parcours académique personnel, l'orientation de la recherche, etc. sont tous cruciaux.

En termes de plateforme, l'Université Jiao Tong de Shanghai où il travaille est une institution connue pour ses spécialisations en ingénierie. « Je suis très reconnaissant à l’école d’avoir soutenu l’équipe de recherche dans l’intégration de l’industrie, du monde universitaire et de la recherche. »L'atmosphère académique générale de l'Université Jiao Tong de Shanghai est ouverte et inclusive envers l'industrie, le monde universitaire et la recherche.L’école fournira un grand encouragement matériel et spirituel à l’équipe de recherche dans le processus de promotion de la mise en œuvre des résultats.

En outre, la formation universitaire du professeur Hong Liang et sa connaissance approfondie des tendances de développement de l'IA sont les pierres angulaires qui l'ont poussé à s'orienter vers la recherche et le développement industriels.

Il a étudié la physique à l'Université des sciences et technologies de Chine pour son diplôme de premier cycle, à l'Université chinoise de Hong Kong pour son diplôme d'études supérieures et à l'Université d'Akron pour son doctorat, en se concentrant sur les propriétés physico-chimiques, la dynamique et les transitions de phase des polymères et des protéines.

En 2010, il part aux États-Unis pour poursuivre ses études et rejoint le Oak Ridge National Laboratory en tant qu'étudiant postdoctoral, se concentrant sur la structure, la dynamique et la fonction des protéines dans le domaine de la biologie computationnelle.C’est peut-être cette expérience aux États-Unis qui a jeté les bases de son futur axe de recherche principal : la fonction des protéines. En 2015, il a rejoint l'Université Jiao Tong de Shanghai en tant que chercheur principal indépendant pour mener des recherches en biophysique moléculaire.

En 2016, AlphaGo a battu le champion de Go sud-coréen Lee Jae-seok, devenant célèbre et permettant au monde de voir les capacités de l'IA. En 2018, AlphaFold est sorti de nulle part, provoquant un énorme choc dans le domaine biologique, et a également amené le professeur Hong Liang à commencer à réfléchir à la manière de combiner sa direction de recherche avec l'IA.

Le véritable tournant s’est produit à la fin de l’année 2019, alors que la pandémie de COVID-19 faisait rage. Pendant qu'il était chez lui, il a suivi le cours d'IA publié sur Bilibili par le professeur Li Hongyi de l'Université nationale de Taiwan et est véritablement entré dans cette technologie émergente apparemment mystérieuse.Bien qu'il ait plaisanté en disant qu'il avait « obtenu un diplôme en IA de Bilibili », ces 80 cours lui ont donné une compréhension plus claire de l'IA.J’ai alors résolument choisi l’IA pour la science.

« Lorsque la technologie industrielle évolue, elle n’est pas soumise à la volonté personnelle. »Face à la révolution imparable de l'IA, le professeur Hong Liang a commencé à combiner l'IA, l'informatique et les expériences humides pour mener des recherches sur la conception des protéines en 2020. De la physique à la chimie, puis de la chimie à la biologie, il s'est concentré sur l'étude de la fonction et de la conception des protéines, et enfin des expériences humides à l'informatique et à l'intelligence artificielle. On peut dire qu'il a suivi le rythme des avancées technologiques et a fait chaque pas sur terre, et finalement il a pu conduire l'équipe hors du laboratoire avec des résultats expérimentaux.

L'auteur estime qu'il s'agit d'une véritable représentation de « la préparation est la clé du succès », mais le professeur Hong Liang a ri et a déclaré :« J'ai beaucoup de chance. »

En tant que chercheur dans le domaine scientifique, il a activement adopté l'IA et a commencé par des connaissances générales pour comprendre son mécanisme. Cela a jeté les bases de son exploration de l’IA4S, tandis que la chance s’est davantage reflétée dans le choix de la direction de la recherche. « Après avoir décidé de travailler sur l'IA pour l'ingénierie des protéines, j'ai choisi la fonction parmi les trois directions que sont la prédiction de la structure, la dynamique et la fonction. »Il a admis qu'« il n'y a pas de produit sans fonction ».

Mais ce choix est en réalité très audacieux et plein d’incertitudes. « Même si un produit est perfectionné, il peut ne pas être industrialisable. » Mais le professeur Hong Liang avait exactement 39 ans à l'époque, à l'intersection de la trentaine et de la quarantaine, et il conservait toujours la passion de se battre et le courage de recommencer.

J'avais 39 ans à l'époque et j'aurais encore pu essayer. Si j'avais échoué, j'aurais perdu quelques années à choisir une nouvelle voie et à réessayer. Heureusement, nous avons eu de la chance et avons finalement réussi. D'un point de vue technique,« C’est aussi une sorte de chance que la structure et le volume des données dans le domaine scientifique puissent égaler les progrès technologiques de l’IA. »

Bien qu'il attribue le succès de l'industrialisation à la chance, il analyse également la tendance de développement de l'IA pour les services. Par exemple, lorsqu'il a vu qu'AlphaFold avait obtenu un tel succès dans le domaine de la prédiction de la structure des protéines, et qu'il y avait un géant du monde des affaires comme Google derrière lui pour le soutenir, il a été très enthousiasmé par cette réalisation scientifique historique. Cependant, après avoir réfléchi calmement et considéré de manière exhaustive les fondements et la force de sa propre équipe,Après avoir déterminé qu’il ne pouvait pas survivre dans le domaine de la prédiction de la structure des protéines, il a résolument abandonné cette direction de recherche.

final,Le professeur Hong Liang a choisi le domaine de l’intelligence artificielle générale dans l’ingénierie des protéines en fonction de ses propres points forts.Une caractéristique notable de ce domaine est que les données sur la fonction des protéines ne peuvent pas être standardisées, ce qui constitue un défi difficile à surmonter en une seule fois pour les chercheurs qui se concentrent uniquement sur l’informatique. Seuls les experts possédant une solide expérience dans le domaine concerné peuvent progresser grâce à une itération continue des « expériences humides » en laboratoire.

Heureusement, l'équipe de recherche du professeur Hong Liang, s'appuyant sur ses années d'accumulation dans le domaine interdisciplinaire de l'informatique et des protéines, a réussi à « briser la barrière » dans ce domaine et est devenue la première à goûter la chair de crabe.

AI4S : L'IA doit respecter la science, et la science doit apprendre l'IA par elle-même

Il ne fait aucun doute que le succès d’AlphaFold a grandement favorisé et inspiré le développement de l’IA4S, et a brisé la glace entre l’IA et la science d’un seul coup. Cependant, le développement actuel de l’IA pour le développement (IA4S) n’en est qu’à ses balbutiements et les deux parties n’ont pas encore exploré un modèle de coopération universel.L’industrie a également réfléchi à cette question : l’IA pour la science, est-elle menée par l’IA ou par la science ?

Bien que l’industrie ait fait appel à des talents de recherche interdisciplinaires en IA + recherche scientifique traditionnelle, son cycle de croissance peut être imaginé et on peut dire que c’est quelque chose qui peut être rencontré mais pas recherché. L'efficacité et l'innovation de conception des chercheurs dans le domaine de l'IA dans la construction de modèles, l'optimisation du cadre, etc. sont souvent difficiles à rattraper rapidement pour les chercheurs scientifiques, tandis que le positionnement et l'analyse précis des problèmes scientifiques dans les domaines verticaux par les chercheurs scientifiques sont difficiles à réaliser rapidement pour l'IA.

En comparaison, le professeur Hong Liang estime queLe cœur de l’IA pour la science réside dans la science. Les problèmes scientifiques ou d’ingénierie doivent d’abord être définis avant que des solutions d’IA puissent être proposées.

Le professeur Hong Liang a pris comme exemple le modèle d’équipe de DeepMind. Son équipe d'experts couvre les domaines de recherche scientifique traditionnels ainsi que la science des données et l'informatique, complétant une boucle fermée allant de l'identification des problèmes scientifiques à la construction de méthodes d'IA. La constitution de l’équipe de son groupe de recherche est similaire à celle-ci. En 2020, nous avons réuni plusieurs étudiants en informatique pour travailler avec nous sur l'IA pour l'ingénierie des protéines. Après sa mise en œuvre, ils ont eux-mêmes acquis une nouvelle compréhension de l'IA4S et ont éprouvé un profond sentiment d'accomplissement.Le groupe de recherche de Hong Liang a également recruté des talents dans les domaines de l'informatique et de l'ingénierie des protéines pour mener des recherches collaboratives.

En pratique, le Dr Zhou Bingxin, membre principal de l'équipe, a expliqué que les étudiants du domaine informatique proposeraient également des idées et souhaiteraient essayer d'utiliser l'IA pour optimiser une méthode de recherche scientifique traditionnelle. À ce moment-là, le CS prendrait la tête des discussions sur la faisabilité. De même, les étudiants en ingénierie des protéines décriraient clairement les problèmes scientifiques qu’ils ont rencontrés et chercheraient des solutions à partir de l’IA. À cette époque, la science prendrait l’initiative de trouver conjointement des méthodes innovantes.

Le professeur Hong Liang et son équipe ont bien démontré le caractère inclusif du domaine scientifique. Dans le même temps, il a également suggéré que les chercheurs des domaines traditionnels apprennent l’IA par eux-mêmes, en particulier les chefs de groupes de recherche.Le chef d'équipe est comparable à un chef d'entreprise. La transition de la recherche scientifique traditionnelle vers l'IA pour le service public s'apparente à une transformation stratégique au sein de l'entreprise. Elle nécessite la mise en place d'un projet. Il est très dangereux que le responsable n'ait aucune connaissance des nouveaux produits et technologies.

Cependant, il a également déclaré franchement que toutes les directions de recherche ne peuvent pas réaliser de percées avec l'aide de l'IA à ce stade, mais la politique nationale actuelle encourage l'IA à « avoir un impact » sur divers domaines de recherche scientifique. J'espère que les enseignants en sciences, et surtout les jeunes, auront l'audace de tenter leur chance. S'ils ont la chance de trouver une voie de recherche innovante, une fois la méthodologie mise au point, cela apportera une contribution majeure à la discipline.

Il convient toutefois de noter qu’un impact réussi ne signifie pas que l’industrie peut être mise en œuvre.

Par exemple, l’application de l’IA dans le domaine de la recherche et du développement de nouveaux médicaments bat son plein. Des institutions de recherche scientifique aux entreprises, de la recherche aux essais cliniques, d’énormes ressources humaines et financières ont été investies. De nombreuses start-ups ont même disparu ou ont été dissoutes avant même d’avoir pu voir le jour. Il suffit de voir que« Le temps de boucle fermée pour la conception de médicaments par IA est trop long. »Le professeur Hong Liang a expliqué : « La biologie computationnelle (informatique physique + IA) aide souvent les chercheurs à déterminer des indicateurs expérimentaux in vitro (moléculaires ou cellulaires), mais la corrélation entre ces expériences in vitro et les résultats des expérimentations animales peut être très faible. Même si les résultats des expérimentations animales sont bons, cela ne signifie pas que les essais cliniques peuvent fournir un retour d'information pertinent. »

C'est aussi pourquoi,Son équipe se concentre davantage sur la direction de recherche de la fonction enzymatique.Les expériences moléculaires constituent les résultats finaux et peuvent être rapidement vérifiées en boucle fermée. La recherche et le développement d'excellents produits enzymatiques peuvent apporter des avantages significatifs à de nombreux secteurs tels que l'alimentation et les boissons, la beauté et les soins de la peau, le lavage et les textiles, la biomédecine, etc., et contribuer directement au principal champ de bataille de l'économie nationale.

En fait, en plus des équipes de recherche scientifique comme le professeur Hong Liang qui se sont activement transformées en AI4S, les équipes de recherche dans le domaine de l'IA espèrent également faire de grands progrès dans le domaine de l'AI4S, mais les barrières techniques qu'elles rencontrent peuvent être imaginées. À cet égard,Le conseil du professeur Hong Liang est de « trouver la bonne direction de recherche et de ne pas se contenter de montrer ses compétences ou d’appliquer mécaniquement de grands modèles ».

Plus précisément, il estime que « les personnes travaillant dans le domaine de l'IA qui souhaitent faire de l'IA pour le service doivent d'abord trouver un domaine de recherche où les données d'entrée et de sortie peuvent être standardisées et structurées, plutôt que des problèmes scientifiques imaginaires ». C'est précisément là que réside l'avantage des scientifiques : « Dans les recherches impliquant des fonctions, les données sont difficiles à standardiser et nécessitent des itérations expérimentales. Si l'IA permet de réduire les coûts expérimentaux, associée à une compréhension approfondie des problèmes scientifiques, elle contribuera grandement au développement de ce secteur. »

Conclusion

Lors de l'entretien avec le professeur Hong Liang, il a mentionné la « chance » plus d'une fois. À mon avis, « c’est le temps, la chance et le destin, et ce n’est pas quelque chose que je peux contrôler ». Cependant, ceux qui peuvent réellement saisir les opportunités doivent avoir des perspectives d'avenir, une exécution efficace et le courage d'essayer et d'échouer, ce qui se reflète également dans chaque choix fait par le professeur Hong Liang, et il a finalement opté pour l'IA pour l'ingénierie des protéines. J’ai hâte que lui et son équipe apportent des résultats plus tangibles.

Enfin, recommandez une activité académique ! Cliquez sur l'image pour plus de détails↓