AI paātrina zinātnisko atklājumu: zinātnieks, kurš nekad neguļ

• Autors:
• Autors nosaukums

  Quantumrun Foresight
• Decembris 12, 2023

Ieskata kopsavilkums

AI, īpaši tādas platformas kā ChatGPT, ievērojami paātrina zinātnisko atklāšanu, automatizējot datu analīzi un hipotēžu ģenerēšanu. Tās spēja apstrādāt milzīgu daudzumu zinātnisku datu ir ļoti svarīga, lai attīstītos tādās jomās kā ķīmija un materiālu zinātne. AI spēlēja galveno lomu COVID-19 vakcīnas izstrādē, kas liecina par tās spēju veikt ātrus, kopīgus pētījumus. Ieguldījumi "eksa mēroga" superdatoros, piemēram, ASV Enerģētikas departamenta Frontier projektā, izceļ AI potenciālu zinātnisku sasniegumu virzīšanā veselības aprūpē un enerģētikā. Šī mākslīgā intelekta integrācija pētniecībā veicina daudzdisciplīnu sadarbību un ātru hipotēžu pārbaudi, lai gan tā arī rada jautājumus par AI kā līdzpētnieka ietekmi uz ētiku un intelektuālo īpašumu.

AI paātrina zinātnisko atklājumu kontekstu

Zinātne pati par sevi ir radošs process; pētniekiem pastāvīgi jāpaplašina savs prāts un perspektīvas, lai radītu jaunas zāles, ķīmiskos lietojumus un nozares inovācijas kopumā. Tomēr cilvēka smadzenēm ir savas robežas. Galu galā Visumā ir vairāk iedomājamu molekulāro formu nekā atomu. Neviens nevar pārbaudīt tos visus. Šī nepieciešamība izpētīt un pārbaudīt iespējamo zinātnisko eksperimentu bezgalīgo daudzveidību ir mudinājusi zinātniekus pastāvīgi pieņemt jaunus rīkus, lai paplašinātu savas izmeklēšanas iespējas — jaunākais rīks ir mākslīgais intelekts.
 
AI izmantošanu zinātniskajos atklājumos virza (2023) dziļi neironu tīkli un ģeneratīvi AI ietvari, kas spēj ģenerēt lielapjoma zinātniskas zināšanas no visa publicētā materiāla par konkrētu tēmu. Piemēram, ģeneratīvas AI platformas, piemēram, ChatGPT, var analizēt un sintezēt milzīgu daudzumu zinātniskās literatūras, palīdzot ķīmiķiem pētīt jaunus sintētiskos mēslošanas līdzekļus. AI sistēmas var izsijāt plašas patentu, akadēmisko rakstu un publikāciju datubāzes, formulējot hipotēzes un vadot pētniecības virzienu.

Līdzīgi AI var izmantot analizētos datus, lai izstrādātu oriģinālas hipotēzes, lai paplašinātu jaunu molekulāro dizainu meklējumus tādā mērogā, ko atsevišķs zinātnieks atrastu neiespējami. Šādi AI rīki, apvienojumā ar nākotnes kvantu datoriem, spētu ātri simulēt jaunas molekulas, lai apmierinātu jebkuru noteiktu vajadzību, pamatojoties uz daudzsološāko teoriju. Pēc tam teorija tiks analizēta, izmantojot autonomus laboratorijas testus, kur cits algoritms novērtētu rezultātus, identificētu nepilnības vai defektus un iegūtu jaunu informāciju. Radīsies jauni jautājumi, un tādējādi process sāktos no jauna tikumīgā ciklā. Šādā scenārijā zinātnieki pārraudzītu sarežģītus zinātniskus procesus un iniciatīvas, nevis atsevišķus eksperimentus.

Traucējoša ietekme

Viens piemērs tam, kā mākslīgais intelekts ir izmantots zinātnisko atklājumu paātrināšanai, bija Covid-19 vakcīnas izveide. 87 organizāciju konsorcijs, sākot no akadēmiskajām aprindām līdz tehnoloģiju firmām, ir ļāvis pasaules pētniekiem piekļūt superdatoriem (ierīcēm ar ātrdarbīgām skaitļošanas iespējām, kas var darbināt ML algoritmus), lai izmantotu mākslīgo intelektu, lai izsijātu esošos datus un pētījumus. Rezultāts ir bezmaksas ideju un eksperimentu rezultātu apmaiņa, pilnīga piekļuve progresīvām tehnoloģijām un ātrāka, precīzāka sadarbība. Turklāt federālās aģentūras apzinās AI potenciālu, lai ātri izstrādātu jaunas tehnoloģijas. Piemēram, ASV Enerģētikas departaments (DOE) ir pieprasījis Kongresam budžetu līdz 4 miljardiem USD 10 gadu laikā, lai ieguldītu mākslīgā intelekta tehnoloģijās, lai veicinātu zinātniskos atklājumus. Šie ieguldījumi ietver "eksa mēroga" (kas spēj veikt lielus aprēķinus) superdatorus.

2022. gada maijā DOE pasūtīja tehnoloģiju uzņēmumam Hewlett Packard (HP) izveidot ātrāko eksa mēroga superdatoru Frontier. Paredzams, ka superdators atrisinās ML aprēķinus līdz pat 10 reizēm ātrāk nekā mūsdienu superdatori un atradīs risinājumus problēmām, kas ir 8 reizes sarežģītākas. Aģentūra vēlas koncentrēties uz atklājumiem vēža un slimību diagnostikā, atjaunojamās enerģijas jomā un ilgtspējīgiem materiāliem. 

DOE ir finansējusi daudzus zinātniski pētnieciskos projektus, tostarp atomu sagraušanas projektus un genoma sekvencēšanu, kā rezultātā aģentūra pārvalda milzīgas datu bāzes. Aģentūra cer, ka šie dati kādu dienu varētu radīt sasniegumus, kas cita starpā var veicināt enerģijas ražošanu un veselības aprūpi. Paredzams, ka AI/ML veiks smago darbu, sākot no jaunu fizikālu likumu secināšanas un beidzot ar jauniem ķīmiskiem savienojumiem, kas novērstu neskaidrības un palielinātu zinātnisko pētījumu panākumu iespējas.

AI paātrinātā zinātniskā atklājuma sekas

Zinātniskā atklājuma AI ātruma palielināšanas plašākas sekas var ietvert: 

• Veicināt zināšanu ātru integrāciju dažādās zinātnes disciplīnās, veicinot novatoriskus risinājumus sarežģītām problēmām. Šis ieguvums veicinātu daudznozaru sadarbību, apvienojot atziņas no tādām jomām kā bioloģija, fizika un datorzinātne.
• AI tiek izmantots kā universāls laboratorijas asistents, kas analizē milzīgas datu kopas daudz ātrāk nekā cilvēki, tādējādi ļaujot ātrāk ģenerēt un apstiprināt hipotēzes. Ikdienas pētniecības uzdevumu automatizācija ļaus zinātniekiem koncentrēties uz sarežģītām problēmām un analizēt testus un eksperimentu rezultātus.
• Pētnieki, kas iegulda AI radošuma nodrošināšanā, lai izstrādātu savus jautājumus un risinājumus zinātniskiem jautājumiem dažādās studiju jomās.
• Kosmosa izpētes paātrināšana kā AI palīdzēs apstrādāt astronomiskos datus, identificēt debess objektus un plānot misijas.
• Daži zinātnieki uzstāj, ka viņu AI kolēģim vai līdzpētniekam ir jāpiešķir intelektuālās autortiesības un publikācijas.
• Vairāk federālo aģentūru iegulda superdatoros, nodrošinot arvien progresīvākas pētniecības iespējas universitātēm, valsts aģentūrām un privātā sektora zinātnes laboratorijām.
• Ātrāka zāļu izstrāde un sasniegumi materiālu zinātnē, ķīmijā un fizikā, kas var novest pie bezgalīgi daudzām nākotnes inovācijām.

Jautājumi komentēšanai

• Ja esat zinātnieks vai pētnieks, kā jūsu organizācija izmanto AI pētniecībā?
• Kādi ir iespējamie riski, ja AI būs līdzpētnieki?