Les grands modèles de langage surpassent les experts humains dans la prévision des résultats en neurosciences

Les découvertes scientifiques dépendent souvent de la synthèse de décennies de recherches, une tâche qui dépasse potentiellement les capacités de traitement de l'information des humains. Les grands modèles de langage (GML) offrent une solution. Les GML formés sur la vaste littérature scientifique pourraient potentiellement intégrer des résultats bruyants mais interconnectés pour mieux prévoir de nouveaux résultats que les experts humains. Ici, pour évaluer cette possibilité, nous avons créé BrainBench, un référentiel prospectif pour prédire les résultats en neurosciences. Nous constatons que les GML surpassent les experts dans la prévision des résultats expérimentaux. BrainGPT, un GML que nous avons ajusté sur la littérature en neurosciences, a obtenu de meilleures résultats encore. Comme les experts humains, lorsque les GML ont exprimé une grande confiance dans leurs prévisions, leurs réponses étaient plus susceptibles d'être correctes, ce qui annonce un avenir où les GML aident les humains à faire des découvertes. Notre approche n'est pas spécifique aux neurosciences et est transférable à d'autres secteurs exigeants en connaissances.