AI fremskynder videnskabelig opdagelse: Forskeren, der aldrig sover

• Forfatter:
• Forfatter navn

  Quantumrun Foresight
• 12. December, 2023

Oversigt over indsigt

AI, især platforme som ChatGPT, accelererer markant videnskabelig opdagelse ved at automatisere dataanalyse og hypotesegenerering. Dens evne til at behandle enorme mængder videnskabelige data er afgørende for at fremme områder som kemi og materialevidenskab. AI spillede en central rolle i udviklingen af ​​COVID-19-vaccinen, hvilket eksemplificerede dens evne til hurtig, kollaborativ forskning. Investeringer i "exascale" supercomputere, som det amerikanske energiministeriums Frontier-projekt, fremhæver AI's potentiale i at drive videnskabelige gennembrud inden for sundhedspleje og energi. Denne integration af AI i forskning fremmer tværfagligt samarbejde og hurtig hypotesetestning, selvom den også rejser spørgsmål om de etiske og intellektuelle ejendomsmæssige implikationer af AI som medforsker.

AI fremskynder videnskabelig opdagelseskontekst

Videnskab er i sig selv en kreativ proces; forskere skal konstant udvide deres sind og perspektiver for at skabe ny medicin, kemiske anvendelser og industriinnovationer som helhed. Men den menneskelige hjerne har sine grænser. Der er trods alt flere tænkelige molekylære former, end der er atomer i universet. Ingen må undersøge dem alle. Dette behov for at udforske og teste den uendelige mangfoldighed af mulige videnskabelige eksperimenter har skubbet videnskabsmænd til konstant at anvende nye værktøjer til at udvide deres efterforskningsmuligheder – det seneste værktøj er kunstig intelligens.
 
Brugen af ​​AI til videnskabelig opdagelse drives (2023) af dybe neurale netværk og generative AI-rammer, der er i stand til at generere videnskabelig viden i bulk fra alt publiceret materiale om et specifikt emne. For eksempel kan generative AI-platforme som ChatGPT analysere og syntetisere enorme mængder videnskabelig litteratur og hjælpe kemikere med at forske i nye syntetiske gødninger. AI-systemer kan gennemsøge omfattende databaser med patenter, akademiske artikler og publikationer, formulere hypoteser og vejlede forskningsretninger.

På samme måde kan AI bruge de data, den analyserer, til at udtænke originale hypoteser for at udvide søgningen efter nye molekylære designs i en skala, som en individuel videnskabsmand ville finde umulig at matche. Sådanne AI-værktøjer, når de kobles sammen med fremtidige kvantecomputere, ville være i stand til hurtigt at simulere nye molekyler for at imødekomme ethvert specificeret behov baseret på den mest lovende teori. Teorien vil derefter blive analyseret ved hjælp af autonome laboratorietest, hvor en anden algoritme vil evaluere resultaterne, identificere huller eller defekter og udtrække ny information. Nye spørgsmål ville opstå, og så ville processen begynde igen i en god cyklus. I et sådant scenarie ville videnskabsmænd overvåge komplekse videnskabelige processer og initiativer i stedet for individuelle eksperimenter.

Forstyrrende påvirkning

Et eksempel på, hvordan AI er blevet brugt til at fremskynde videnskabelige opdagelser, var skabelsen af ​​COVID-19-vaccinen. Et konsortium af 87 organisationer, der spænder fra den akademiske verden til teknologivirksomheder, har givet globale forskere adgang til supercomputere (enheder med højhastigheds-computerfunktioner, der kan køre ML-algoritmer) for at bruge AI til at gennemsøge eksisterende data og undersøgelser. Resultatet er en fri udveksling af ideer og eksperimentresultater, fuld adgang til avanceret teknologi og hurtigere og mere præcist samarbejde. Yderligere er føderale agenturer ved at realisere potentialet i AI til hurtigt at udvikle nye teknologier. For eksempel har det amerikanske energiministerium (DOE) bedt Kongressen om et budget på op til 4 milliarder USD over 10 år til at investere i AI-teknologier for at øge videnskabelige opdagelser. Disse investeringer omfatter "exascale" (i stand til at udføre store mængder beregninger) supercomputere.

I maj 2022 bestilte DOE teknologifirmaet Hewlett Packard (HP) til at skabe den hurtigste exascale supercomputer, Frontier. Supercomputeren forventes at løse ML-beregninger op til 10x hurtigere end nutidens supercomputere og finde løsninger på problemer, der er 8x mere komplekse. Agenturet ønsker at fokusere på opdagelser inden for kræft- og sygdomsdiagnostik, vedvarende energi og bæredygtige materialer. 

DOE har finansieret mange videnskabelige forskningsprojekter, herunder atomsmashere og genomsekventering, hvilket har resulteret i, at agenturet administrerer massive databaser. Agenturet håber, at disse data en dag kan resultere i gennembrud, der blandt andet kan fremme energiproduktion og sundhedspleje. Fra at udlede nye fysiske love til nye kemiske forbindelser, forventes AI/ML at udføre det største arbejde, der ville fjerne uklarheder og øge chancerne for succes i videnskabelig forskning.

Implikationer af AI, der fremskynder videnskabelig opdagelse

Bredere implikationer af videnskabelig opdagelse af AI-hastigheder kan omfatte: 

• Facilitering af hurtig integration af viden på tværs af forskellige videnskabelige discipliner, fremme af innovative løsninger på komplekse problemer. Denne fordel ville tilskynde til tværfagligt samarbejde, der blander indsigt fra områder som biologi, fysik og datalogi.
• AI bliver brugt som en laboratorieassistent til alle formål, der analyserer enorme datasæt meget hurtigere end mennesker, hvilket fører til hurtigere hypotesegenerering og validering. Automatisering af rutinemæssige forskningsopgaver vil frigøre forskerne til at fokusere på komplekse problemer og analysere test og eksperimentresultater.
• Forskere investerer i at give AI kreativitet til at udvikle deres egne spørgsmål og løsninger på videnskabelige forespørgsler inden for forskellige studieretninger.
• Accelerering af rumudforskning som AI vil hjælpe med at behandle astronomiske data, identificere himmellegemer og planlægge missioner.
• Nogle videnskabsmænd insisterer på, at deres AI-kollega eller medforsker skal tildeles intellektuelle ophavsrettigheder og publikationskreditter.
• Flere føderale agenturer investerer i supercomputere, hvilket muliggør stadig mere avancerede forskningsmuligheder for universiteter, offentlige agenturer og videnskabslaboratorier i den private sektor.
• Hurtigere lægemiddeludvikling og gennembrud inden for materialevidenskab, kemi og fysik, hvilket kan føre til en uendelig række af fremtidige innovationer.

Spørgsmål at kommentere på

• Hvis du er videnskabsmand eller forsker, hvordan bruger din organisation AI i forskningen?
• Hvad er de potentielle risici ved at have AI som medforskere?