La nutrition de précision implique de comprendre comment le système complexe de facteurs biologiques, comportementaux, sociaux, … [+] Les facteurs environnementaux, économiques et autres interagissent pour affecter ce que vous mangez et ce qui arrive à votre santé. L’intelligence artificielle (IA) peut aider à comprendre et à intégrer ces interactions. (Photo : Getty)
getty
Pas vraiment. Il peut être très complexe de suivre et de trier toutes ces différentes choses qui se produisent de différentes manières, à différents niveaux, pour différentes personnes, à différents moments et circonstances. Cela fait beaucoup de « différents ». De nos jours, cependant, chaque fois que vous avez quelque chose de très complexe à régler, vous avez un ami potentiel dans l’IA, c’est-à-dire l’intelligence artificielle.
L’un des grands défis est que la science n’a pas encore compris comment tous ces différents facteurs peuvent interagir pour influer sur la manière dont le régime alimentaire d’une personne peut affecter sa santé. Bien sûr, les études réalisées jusqu’à présent ont permis de mieux comprendre comment chacun de ces facteurs peut agir séparément et pour certains types de personnes. Mais combiner ces connaissances est une autre affaire et de nombreuses lacunes subsistent.
En effet, une seule étude traditionnelle en laboratoire, clinique ou épidémiologique ne peut à elle seule prendre en compte, mesurer et suivre tous les différents facteurs et résultats pour tous les types de personnes. Quels que soient vos efforts pour concevoir l’étude « parfaite », vous ne parviendrez sans doute pas à inclure tous les types de personnes et à mesurer tous les facteurs et résultats pertinents.
De plus, même si vous deviez concevoir l’étude « parfaite », vous devrez attendre très, très longtemps pour obtenir tous les résultats nécessaires. Cela peut prendre des années, voire des décennies, pour que les effets de la nutrition se manifestent sous la forme de différents problèmes de santé. Quiconque a mangé comme une poubelle et a considéré le ketchup comme un légume pendant la vingtaine vous le dira.
Donc, si vous voulez vraiment comprendre comment mettre en place une nutrition de précision, vous devez d’une manière ou d’une autre combiner les données de nombreuses études différentes et combler les lacunes. Vous souhaitez également trouver des moyens d’étendre les résultats d’une étude donnée à des personnes qui n’ont pas participé à cette étude et à des circonstances qui n’ont pas été couvertes. Tout cela peut être beaucoup trop complexe pour qu’un humain donné ou même une équipe d’humains puisse le faire sans aide.
Entrez dans AI et écoutez la chanson de Randy Newman, “You’ve Got A Friend in Me”. De telles techniques assistées par ordinateur peuvent suivre de nombreuses choses différentes, combiner différents ensembles de données de différentes manières et déterminer comment ils s’articulent. Ces techniques peuvent également déterminer comment les résultats d’une seule étude nutritionnelle pourraient s’appliquer à différentes conditions et situations, augmentant ainsi l’utilité et la valeur de cette étude. Et diverses techniques d’IA peuvent le faire rapidement, beaucoup plus vite que les humains. Ce ne sont là que quelques-unes des façons dont l’IA peut contribuer à une nutrition de précision.
Si vous voulez vraiment comprendre comment mettre en place une nutrition de précision, vous devez d’une manière ou d’une autre combiner les données… [+] de nombreuses études différentes et combler les lacunes. Vous souhaitez également trouver des moyens d’étendre les résultats d’une étude donnée à des personnes qui n’ont pas participé à cette étude et à des circonstances qui n’ont pas été couvertes. Tout cela peut être beaucoup trop complexe pour qu’un humain donné ou même une équipe d’humains puisse le faire sans aide. (Photo : Getty)
getty
Pour comprendre comment l’IA peut faire ces choses, vous devez d’abord savoir ce qu’est l’IA. De nos jours, l’IA est devenue un terme tellement sexy que les gens peuvent l’utiliser sans même vraiment savoir ce que le terme signifie, par exemple en disant des choses comme : « Hé, pouvez-vous faire ça en IA ? L’IA est un terme générique qui englobe essentiellement toute technique assistée par ordinateur capable de reproduire quelque chose qu’un cerveau humain ferait normalement au-delà du simple suivi d’instructions étape par étape. Ainsi, une approche basée sur l’IA pourrait évaluer des situations ou prendre des décisions par elle-même. Il existe déjà de nombreux types différents d’approches, de méthodes et d’outils d’IA et la liste ne cesse de s’allonger chaque année.
Une façon de classer les techniques d’IA consiste à suivre un continuum de la façon dont ces techniques sont conçues et fonctionnent. D’un côté se trouvent les approches d’IA purement basées sur les données. Il s’agit de techniques « descendantes » qui partent d’un ensemble de données et tentent de dégager des modèles, des tendances et des associations à partir de ces données. C’est un peu la façon dont un statisticien peut analyser un ensemble de données. Mais l’algorithme d’IA peut le faire beaucoup plus rapidement et effectuer simultanément de nombreuses analyses différentes sur plusieurs ensembles de données.
Regardons un exemple théorique. Une approche d’IA basée sur les données peut analyser divers ensembles de données, découper les données de différentes manières et découvrir que les personnes qui mangent un certain aliment ont tendance à vivre plus longtemps. Appelons cet aliment « Swift Bieber », un terme complètement fictif qui ne porte aucun nom particulier. L’algorithme d’IA peut alors associer Swift Biebers à une plus grande longévité, mais n’explique pas pourquoi cette association existe réellement. Il n’est pas possible de vraiment distinguer si la consommation de Swift Bieber a un effet nutritionnel bénéfique réel ou si une sorte de coïncidence se produit. Peut-être que ceux qui ont tendance à manger des Swift Biebers auront également tendance à manger un autre aliment non capturé dans l’ensemble de données qui fait réellement l’affaire. Ou peut-être que les personnes moins stressées sont plus susceptibles d’avoir le temps et l’argent nécessaires pour manger des Swift Biebers. Swift Biebers pourrait en fait être un hareng rouge, c’est-à-dire quelque chose de trompeur ou de distrayant plutôt que quelque chose à base de poisson.
À l’autre extrémité du spectre se trouvent les approches d’IA mécanistes ou explicables. Ces méthodes d’IA tentent de recréer de bas en haut ce qui se passe réellement en recréant les mécanismes réels derrière un processus ou une décision. Ils sont considérés comme explicables car vous connaissez les raisons spécifiques pour lesquelles un résultat a été généré.
Cela est analogue à ce que font les scientifiques lorsqu’ils conçoivent des expériences en laboratoire pour tester ce qui pourrait se produire. La différence est que l’algorithme ou le modèle d’IA ne se limite pas à un laboratoire physique et peut servir de « laboratoire virtuel » représentant une personne entière, un ensemble de personnes, une population ou une zone géographique entière. Le modèle peut ensuite mener des expériences sur la « sécurité » d’un ordinateur d’une manière qui serait trop complexe, trop coûteuse, trop longue, trop peu pratique ou même trop dangereuse à réaliser dans la vie réelle. L’outil d’IA mécaniste pourrait ensuite utiliser les résultats de ces expériences pour déterminer des recommandations, tout comme un humain exécute des expériences de pensée dans sa tête avant d’agir.
Ainsi, par exemple, une approche mécaniste de l’IA pourrait consister à représenter les différentes raisons pour lesquelles une personne peut choisir de manger un Swift Bieber. Cela pourrait également représenter les différents nutriments contenus dans un Swift Bieber, comment ils sont décomposés dans le corps, comment ces nutriments affectent ensuite différents organes et comment cela affecte finalement la longévité. Ensuite, ce modèle d’IA pourrait alors examiner ce qui se passerait au fil du temps si différentes personnes mangeaient des Swift Biebers et décider qui bénéficierait de la consommation de Swift Biebers et comment.
Ces différentes techniques d’IA tout au long du spectre peuvent fonctionner ensemble et également être intégrées. Une approche purement basée sur les données peut suggérer des associations (par exemple, regardez de plus près Swift Biebers) qui peuvent guider la construction d’approches d’IA plus mécanistes (par exemple, voyons ce que Swift Biebers fait réellement au corps). De même, une approche mécaniste de l’IA peut aider à définir les domaines dans lesquels des approches basées sur les données sont nécessaires. Par exemple, lorsque vous essayez de représenter les mécanismes par lesquels un Swift Bieber affecte le microbiome, mais que vous n’arrivez pas à les comprendre car il n’existe pas d’études traditionnelles qui mettent clairement en évidence les associations, les modèles et les tendances. Par conséquent, il peut être utile pour les approches d’IA basées sur les données de passer au crible ces données du microbiome.
La voie vers une nutrition plus précise implique une meilleure compréhension de la diversité des personnes… [+] situations et circonstances. (Illustration : Getty)
getty
Bien sûr, il ne faut pas automatiquement faire confiance à tout ce que l’IA vous dit. Tout comme un essai clinique ou une étude observationnelle mal conçue peut conduire à des résultats trompeurs, une approche d’IA mal conçue peut également le faire. C’est pourquoi vous devez savoir ce qui se cache derrière une approche d’IA et comprendre ses forces et ses faiblesses relatives. Dans le même temps, aucune approche de l’IA, ni aucune étude concrète, ne sera parfaite. Ne laissez pas le parfait être l’ennemi du bien et laissez les imperfections d’une approche IA vous empêcher de l’utiliser par aversion au risque.
Intégrer davantage d’IA et d’autres approches assistées par ordinateur pour formuler des recommandations plus précises n’est pas complètement nouveau et a été réalisé dans d’autres domaines. Des domaines tels que la météorologie, la finance et l’ingénierie aérospatiale utilisent depuis longtemps des techniques assistées par ordinateur pour rassembler et analyser des données complexes provenant de différentes sources et générer des informations et des prévisions plus précises.
Ainsi, même si l’IA ne va probablement pas à l’encontre de certaines connaissances déjà établies en matière de nutrition, telles que la valeur de la consommation de fruits et de légumes, le domaine de la nutrition est mûr pour un changement. Il y a trop de gens qui prétendent que tel ou tel régime super-duper-il suffit de manger-ce fonctionne pour tout le monde. Mais tout le monde n’est pas pareil et ne vit pas les mêmes circonstances, et c’est précisément le problème. Parvenir à une nutrition plus précise n’est pas facile. mais vous avez un ami potentiel dans l’IA. Mais comme tout ami potentiel, vous devez le traiter correctement et savoir ce qu’il peut et ne peut pas faire.
#Comment #lintelligence #artificielle #lIA #peuvent #contribuer #une #nutrition #précision
