L'ETH rencontre San Francisco
San Francisco, 6 décembre 2018 - L'intelligence artificielle (IA) semble être omniprésente et avoir des applications dans presque tous les domaines de la science moderne. De la robotique et de la biologie à l'ingénierie chimique et aux soins de santé, l'application de l'IA permet à la plupart des domaines scientifiques de progresser. Qu'est-ce que l'IA exactement ? L'IA va-t-elle changer le processus de découverte scientifique ? Sommes-nous prêts à tirer parti de l'IA et à comprendre son impact sur la science et la société ?
Les défis de la découverte de nouvelles thérapies pharmaceutiques présentent un problème multidimensionnel. L'identification de candidats médicaments viables nécessite une optimisation - en parallèle - de l'efficacité et de la sécurité. Au c?ur de la quatrième révolution industrielle, le potentiel de l'IA en matière de soins de santé numériques suscite beaucoup d'enthousiasme. Comment définirions-nous le "comportement intelligent" dans le contexte de la découverte de médicaments ? Essentiellement, un agent intelligent - qu'il s'agisse d'un homme ou d'une machine - démontre une capacité à résoudre des problèmes, à apprendre de l'expérience et à faire face à de nouvelles situations. Au regard de ces trois critères centraux, certaines modalités d'apprentissage automatique, en particulier les systèmes adaptatifs autonomes, peuvent constituer des instances d'IA.
Les progrès récents dans les systèmes robotiques adaptatifs, les synthèses chimiques automatisées et les tests biologiques, ainsi que les systèmes d'intelligence artificielle, améliorent une hypothèse de conception gr?ce à l'analyse du feedback. De tels systèmes fournissent la base pour l'introduction d'une plus grande automatisation, ce qui accélère potentiellement les délais pour la découverte de composés, l'optimisation et les recherches d'espace chimique plus efficaces. Toutefois, de telles approches soulèvent également des défis conceptuels, techniques et organisationnels considérables, ainsi qu'un engouement et un scepticisme. Les cycles de feedback rapides nécessitent non seulement la personnalisation de l'instrumentation, mais aussi l'adaptation des processus de travail. L'établissement de ce concept dans la découverte pharmaceutique peut nécessiter un investissement important en termes d'argent et de (ré)organisation, non seulement des structures et des processus de laboratoire, mais aussi des mentalités. Il sera nécessaire d'évaluer la faisabilité d'une conception moléculaire entièrement autonome à l'aide d'ordinateurs et de dispositifs robotiques. En même temps, analyser quels aspects de la génération de composés sont les mieux laissés à un cerveau d'intelligence artificielle chimiquement compétent ou à un esprit humain habile.
Ce symposium réunit des experts de premier plan qui dévoileront des concepts, des approches et des technologies que les chimistes médicinaux pourraient mettre en ?uvre de manière robuste dans un avenir proche. Ils analyseront également de manière critique les opportunités et les défis d'une application plus large.
Symposium de l'ETH "RETHINK Drug Design"
Thursday, December 6, 2018
Temps
6:30pm - 9.30pm
Ouverture des portes : 6.00pm
Venue
page externeswissnex San Francisco, Pier 17, Suite 800, San Francisco CA 94111
Inscription
Veuillez vous inscrire page externehere.
Veuillez trouver le programme Téléchargerhere (PDF, 818 KB).
Speakers
Modération
page externeChris Luebkeman, Arup Foresight
Speakers
Gisbert Schneider, ETH Zurich
Drug Design du futur
page externeJasmin Fisher, Microsoft Research et Université de Cambridge
Améliorer la découverte de médicaments gr?ce à la modélisation in silico
page externeRobert Goodnow, Pharmaron
AI Guider l'exploration de l'espace chimique avec la chimie codée par l'ADN
page externeJennifer Listgarten, UC Berkeley
Recherche intelligente pilotée par l'IA à travers l'espace de conception
Norman Sieroka, ETH Zurich
La philosophie de l'intelligence (artificielle)