Les coûts cachés de la pensée automatisée

En fait, AlphaFold avait déjà plié le jeu en 2018 : ►http://www.internetactu.net/a-lire-ailleurs/les-couts-caches-de-la-pensee-automatisee

J’utilise le mot « exploser » à dessein :) il y a un graphe dans l’article qui montre de combien ça a progressé dans les 3 dernières années.

Le repliement des protéines : Résolu par l’intelligence artificielle AlphaFold ? [ScienceEtonnante]
▻https://www.youtube.com/watch?v=OGewxRMME8o

L’algorithme AlphaFold de DeepMind aurait résolu un des problèmes les plus important de la biologie. De quoi s’agit-il, et est-ce vraiment si révolutionnaire ?

Détails et compléments dans le billet de blog qui accompagne la vidéo : ▻https://scienceetonnante.com/2020/12/09/le-repliement-des-proteines

Et oui, c’est impressionnant.

AlphaFold2 CASP14 : “It feels like one’s child has left home.” « Some Thoughts on a Mysterious Universe
▻https://moalquraishi.wordpress.com/2020/12/08/alphafold2-casp14-it-feels-like-ones-child-has-left-home

dans cette longue analyse du résultat (repérée par @0gust1) je note ce passage en particulier :

the cytoplasm is not a crystal! Most crystallized protein structures are probably not particularly good representatives of physiologic state! We’ve all been engaged in a sort of make-belief exercise that crystal structures give us the “truth”, and they do in a sense, about proteins coerced into forming crystalline material. But insofar as we’re interested in biological function, if predicted structures are well within the lowest energy basin of a protein’s energy landscape, I would argue it’s unclear whether crystal structures or predicted ones will be more informative.

traduction : le "graal" de la détermination du repliement des protéines devrait être de savoir à quoi elles ressemblent dans la cellule, et non pas quand on les cristallise. Le score de "100" serait une parfaite adéquation avec un modèle déformé.

#modélisation #vérité