هوش مصنوعی به کشف علمی سرعت می بخشد: دانشمندی که هرگز نمی خوابد
هوش مصنوعی به کشف علمی سرعت می بخشد: دانشمندی که هرگز نمی خوابد
هوش مصنوعی به کشف علمی سرعت می بخشد: دانشمندی که هرگز نمی خوابد
- نویسنده:
- دسامبر 12، 2023
خلاصه بینش
هوش مصنوعی، بهویژه پلتفرمهایی مانند ChatGPT، با خودکار کردن تجزیه و تحلیل دادهها و تولید فرضیه، اکتشافات علمی را به میزان قابل توجهی تسریع میکند. توانایی آن در پردازش مقادیر زیادی از داده های علمی برای پیشرفت در زمینه هایی مانند شیمی و علم مواد بسیار مهم است. هوش مصنوعی نقش مهمی در توسعه واکسن کووید-19 ایفا کرد که نمونه ای از ظرفیت آن برای تحقیقات سریع و مشترک است. سرمایهگذاری در ابررایانههای "exascale"، مانند پروژه مرزی وزارت انرژی ایالات متحده، پتانسیل هوش مصنوعی را در ایجاد پیشرفتهای علمی در مراقبتهای بهداشتی و انرژی برجسته میکند. این ادغام هوش مصنوعی در تحقیقات، همکاری چند رشتهای و آزمایش سریع فرضیهها را ترویج میکند، اگرچه سؤالاتی در مورد مفاهیم اخلاقی و مالکیت معنوی هوش مصنوعی به عنوان یک محقق مشترک نیز ایجاد میکند.
هوش مصنوعی زمینه کشف علمی را سرعت می بخشد
علم، به خودی خود، فرآیندی خلاقانه است. محققان باید به طور مداوم ذهن و دیدگاه خود را برای ایجاد داروهای جدید، برنامه های کاربردی شیمیایی و نوآوری های صنعتی به طور کلی گسترش دهند. با این حال، مغز انسان محدودیت هایی دارد. به هر حال، اشکال مولکولی قابل تصور بیشتری نسبت به اتم های موجود در جهان وجود دارد. هیچ شخصی نمی تواند همه آنها را بررسی کند. این نیاز به کاوش و آزمایش تنوع بینهایت آزمایشهای علمی ممکن، دانشمندان را وادار کرده است که به طور مداوم از ابزارهای جدید برای گسترش قابلیتهای تحقیقاتی خود استفاده کنند - آخرین ابزار هوش مصنوعی است.
استفاده از هوش مصنوعی در اکتشافات علمی (2023) توسط شبکه های عصبی عمیق و چارچوب های هوش مصنوعی مولد که قادر به تولید دانش علمی به صورت انبوه از تمام مطالب منتشر شده در مورد یک موضوع خاص هستند، انجام می شود. به عنوان مثال، پلتفرمهای هوش مصنوعی مولد مانند ChatGPT میتوانند حجم وسیعی از ادبیات علمی را تجزیه و تحلیل و ترکیب کنند و به شیمیدانان در تحقیق در مورد کودهای مصنوعی جدید کمک کنند. سیستمهای هوش مصنوعی میتوانند پایگاههای اطلاعاتی گستردهای از پتنتها، مقالات آکادمیک و انتشارات را بررسی کنند، فرضیهها را فرموله کنند و جهت تحقیق را هدایت کنند.
به طور مشابه، هوش مصنوعی میتواند از دادههایی که تجزیه و تحلیل میکند برای ابداع فرضیههای اصلی برای گسترش جستجوی طرحهای مولکولی جدید، در مقیاسی که برای یک دانشمند غیرممکن است، استفاده کند. چنین ابزارهای هوش مصنوعی زمانی که با کامپیوترهای کوانتومی آینده همراه میشوند، میتوانند به سرعت مولکولهای جدید را برای رفع هر نیاز مشخصی بر اساس امیدوارکنندهترین نظریه شبیهسازی کنند. سپس این تئوری با استفاده از تستهای آزمایشگاهی مستقل تجزیه و تحلیل میشود، جایی که الگوریتم دیگری نتایج را ارزیابی میکند، شکافها یا نقصها را شناسایی میکند و اطلاعات جدید استخراج میکند. پرسشهای جدیدی مطرح میشود، و بنابراین این فرآیند دوباره در یک چرخه فضیلتآمیز آغاز میشود. در چنین سناریویی، دانشمندان به جای آزمایشهای فردی، بر فرآیندها و ابتکارات علمی پیچیده نظارت خواهند داشت.
تاثیر مخرب
یکی از نمونه هایی از اینکه چگونه هوش مصنوعی برای سرعت بخشیدن به اکتشافات علمی استفاده شده است، ساخت واکسن COVID-19 بود. کنسرسیومی متشکل از 87 سازمان، از دانشگاهها تا شرکتهای فناوری، به محققان جهانی اجازه دادهاند به ابررایانهها (دستگاههایی با قابلیتهای محاسباتی با سرعت بالا که میتوانند الگوریتمهای ML را اجرا کنند) دسترسی داشته باشند تا از هوش مصنوعی برای غربال کردن دادهها و مطالعات موجود استفاده کنند. نتیجه تبادل رایگان ایدهها و نتایج آزمایش، دسترسی کامل به فناوری پیشرفته و همکاری سریعتر و دقیقتر است. علاوه بر این، آژانس های فدرال در حال درک پتانسیل هوش مصنوعی برای توسعه سریع فناوری های جدید هستند. به عنوان مثال، وزارت انرژی ایالات متحده (DOE) از کنگره درخواست کرده است تا بودجه ای بالغ بر 4 میلیارد دلار در مدت 10 سال برای سرمایه گذاری در فناوری های هوش مصنوعی برای تقویت اکتشافات علمی اختصاص دهد. این سرمایهگذاریها شامل ابررایانههای «exascale» (قابلیت انجام محاسبات بالا) است.
در ماه مه 2022، DOE شرکت فناوری Hewlett Packard (HP) را مأمور ساخت سریعترین ابررایانه مقیاس اگزا، Frontier، کرد. پیشبینی میشود که این ابررایانه محاسبات ML را تا 10 برابر سریعتر از ابررایانههای امروزی حل کند و راهحلهایی برای مشکلاتی پیدا کند که 8 برابر پیچیدهتر هستند. این آژانس می خواهد بر اکتشافات در تشخیص سرطان و بیماری، انرژی های تجدیدپذیر و مواد پایدار تمرکز کند.
DOE پروژههای تحقیقاتی علمی بسیاری از جمله خردکنندههای اتم و توالییابی ژنوم را تأمین مالی کرده است که منجر به مدیریت پایگاههای اطلاعاتی عظیم توسط آژانس شده است. آژانس امیدوار است این دادهها روزی به پیشرفتهایی منجر شود که میتواند تولید انرژی و مراقبتهای بهداشتی و سایر موارد را ارتقا دهد. از استنباط قوانین فیزیکی جدید گرفته تا ترکیبات شیمیایی جدید، انتظار میرود که AI/ML کارهای سنگینی را انجام دهد که ابهامات را از بین ببرد و شانس موفقیت در تحقیقات علمی را افزایش دهد.
پیامدهای افزایش سرعت اکتشاف علمی هوش مصنوعی
پیامدهای گسترده تر اکتشافات علمی سریع هوش مصنوعی ممکن است شامل موارد زیر باشد:
- تسهیل ادغام سریع دانش در رشته های مختلف علمی، پرورش راه حل های نوآورانه برای مشکلات پیچیده. این مزیت همکاری چند رشتهای را تشویق میکند و بینشهایی را از زمینههایی مانند زیستشناسی، فیزیک و علوم کامپیوتر ترکیب میکند.
- هوش مصنوعی به عنوان یک دستیار آزمایشگاهی همه منظوره مورد استفاده قرار می گیرد و مجموعه داده های گسترده را بسیار سریعتر از انسان ها تجزیه و تحلیل می کند و منجر به تولید و اعتبارسنجی سریعتر فرضیه می شود. اتوماسیون کارهای تحقیقاتی معمول، دانشمندان را آزاد می کند تا روی مسائل پیچیده و تجزیه و تحلیل آزمایش ها و نتایج آزمایش تمرکز کنند.
- پژوهشگرانی که روی خلاقیت هوش مصنوعی سرمایه گذاری می کنند تا سؤالات و راه حل های خود را برای پرس و جوهای علمی در زمینه های مختلف تحصیلی ایجاد کنند.
- تسریع اکتشاف فضا به عنوان هوش مصنوعی به پردازش داده های نجومی، شناسایی اجرام آسمانی و برنامه ریزی ماموریت ها کمک می کند.
- برخی از دانشمندان اصرار دارند که باید به همکار یا محقق هوش مصنوعی آنها حق چاپ معنوی و اعتبار انتشار داده شود.
- آژانسهای فدرال بیشتری روی ابررایانهها سرمایهگذاری میکنند و فرصتهای تحقیقاتی پیشرفتهتری را برای دانشگاهها، آژانسهای دولتی و آزمایشگاههای علمی بخش خصوصی فراهم میکنند.
- توسعه سریعتر دارو و پیشرفت در علم مواد، شیمی و فیزیک، که می تواند به تنوع بی نهایتی از نوآوری های آینده منجر شود.
سوالاتی برای اظهار نظر
- اگر شما یک دانشمند یا محقق هستید، سازمان شما چگونه از هوش مصنوعی در تحقیقات استفاده می کند؟
- خطرات بالقوه داشتن هوش مصنوعی به عنوان محقق مشترک چیست؟
مراجع بینش
پیوندهای محبوب و نهادی زیر برای این بینش ارجاع داده شد: