AI ਵਿਗਿਆਨਕ ਖੋਜ: ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦਾ ਅਸਲ ਉਦੇਸ਼

• ਲੇਖਕ ਬਾਰੇ:
• ਲੇਖਕ ਦਾ ਨਾਮ

  Quantumrun ਦੂਰਦ੍ਰਿਸ਼ਟੀ
• 11 ਮਈ, 2023

ਪਰੰਪਰਾਵਾਂ ਦੇ ਵਿਕਾਸ ਨੂੰ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਸਿਰਫ਼ ਮਨੁੱਖੀ ਗਤੀਵਿਧੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਕਿਉਂਕਿ ਇਸ ਲਈ ਰਚਨਾਤਮਕਤਾ, ਅਨੁਭਵੀ ਅਤੇ ਆਲੋਚਨਾਤਮਕ ਸੋਚ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਤਕਨੀਕੀ ਤਰੱਕੀ ਦੇ ਨਾਲ, ਵਿਗਿਆਨੀ ਨਵੀਂ ਖੋਜਾਂ ਪੈਦਾ ਕਰਨ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ (ML) ਵੱਲ ਵੱਧ ਰਹੇ ਹਨ। ਐਲਗੋਰਿਦਮ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਡੇਟਾ ਦਾ ਤੇਜ਼ੀ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਮਨੁੱਖ ਦੇਖ ਨਹੀਂ ਸਕਦੇ।

ਪਰਸੰਗ

ਮਨੁੱਖੀ ਪੂਰਵ ਧਾਰਨਾਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਨ ਦੀ ਬਜਾਏ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮਨੁੱਖੀ ਦਿਮਾਗ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਇੱਕ ਡਿਜ਼ਾਈਨ ਦੇ ਨਾਲ ਨਿਊਰਲ ਨੈਟਵਰਕ ML ਐਲਗੋਰਿਦਮ ਦਾ ਨਿਰਮਾਣ ਕੀਤਾ ਹੈ, ਜੋ ਡਾਟਾ ਪੈਟਰਨਾਂ ਦੇ ਅਧਾਰ ਤੇ ਨਵੀਆਂ ਧਾਰਨਾਵਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ। ਨਤੀਜੇ ਵਜੋਂ, ਵਿਗਿਆਨਕ ਖੋਜਾਂ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਅਤੇ ਮਨੁੱਖੀ ਪੱਖਪਾਤ ਨੂੰ ਘਟਾਉਣ ਲਈ ਬਹੁਤ ਸਾਰੇ ਖੇਤਰ ਛੇਤੀ ਹੀ ML ਵੱਲ ਮੁੜ ਸਕਦੇ ਹਨ। ਅਣਪਛਾਤੀ ਬੈਟਰੀ ਸਮੱਗਰੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਵਿਗਿਆਨੀਆਂ ਨੇ ਵਿਹਾਰਕ ਅਣੂਆਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ ਡੇਟਾਬੇਸ ਖੋਜ ਤਕਨੀਕਾਂ, ਮਾਡਲਿੰਗ ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਰਸਾਇਣਕ ਸੂਝ 'ਤੇ ਭਰੋਸਾ ਕੀਤਾ ਹੈ। ਯੂਕੇ-ਅਧਾਰਤ ਯੂਨੀਵਰਸਿਟੀ ਆਫ ਲਿਵਰਪੂਲ ਦੀ ਇੱਕ ਟੀਮ ਨੇ ਰਚਨਾਤਮਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਲਈ ਐਮ.ਐਲ. 

ਪਹਿਲਾਂ, ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਬਣਾਇਆ ਜੋ ਇੱਕ ਕੀਮਤੀ ਨਵੀਂ ਸਮੱਗਰੀ ਪੈਦਾ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਅਧਾਰ ਤੇ ਰਸਾਇਣਕ ਸੰਜੋਗਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦਾ ਹੈ। ਫਿਰ ਵਿਗਿਆਨੀਆਂ ਨੇ ਆਪਣੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਅਧਿਐਨਾਂ ਦੀ ਅਗਵਾਈ ਕਰਨ ਲਈ ਇਹਨਾਂ ਦਰਜਾਬੰਦੀਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਨਤੀਜੇ ਵਜੋਂ, ਉਹਨਾਂ ਨੂੰ ਆਪਣੀ ਸੂਚੀ ਵਿੱਚ ਹਰ ਚੀਜ਼ ਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਚਾਰ ਵਿਹਾਰਕ ਬੈਟਰੀ ਸਮੱਗਰੀ ਵਿਕਲਪ ਮਿਲੇ, ਉਹਨਾਂ ਨੂੰ ਕਈ ਮਹੀਨਿਆਂ ਦੀ ਅਜ਼ਮਾਇਸ਼ ਅਤੇ ਗਲਤੀ ਬਚਾਈ। ਨਵੀਂ ਸਮੱਗਰੀ ਸਿਰਫ ਉਹ ਖੇਤਰ ਨਹੀਂ ਹੈ ਜਿੱਥੇ ML ਖੋਜ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰ ਸਕਦਾ ਹੈ। ਖੋਜਕਰਤਾ ਵਧੇਰੇ ਮਹੱਤਵਪੂਰਨ ਤਕਨੀਕੀ ਅਤੇ ਸਿਧਾਂਤਕ ਚਿੰਤਾਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਵੀ ਕਰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜ਼ਿਊਰਿਖ ਦੇ ਸਿਧਾਂਤਕ ਭੌਤਿਕ ਵਿਗਿਆਨ ਲਈ ਇੱਕ ਭੌਤਿਕ ਵਿਗਿਆਨੀ, ਰੇਨਾਟੋ ਰੇਨਰ, ML ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵਿਸ਼ਵ ਕਿਵੇਂ ਕੰਮ ਕਰਦਾ ਹੈ ਇਸ ਬਾਰੇ ਇੱਕ ਤਾਲਮੇਲ ਵਿਆਖਿਆ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਉਮੀਦ ਕਰਦਾ ਹੈ। 

ਇਸ ਤੋਂ ਇਲਾਵਾ, ਓਪਨਏਆਈ ਦੇ ਚੈਟਜੀਪੀਟੀ ਵਰਗੇ ਵਧੇਰੇ ਆਧੁਨਿਕ ਜਨਰੇਟਿਵ ਏਆਈ ਮਾਡਲ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਆਪਣੇ ਆਪ ਹੀ ਨਵਾਂ ਡੇਟਾ, ਮਾਡਲ ਅਤੇ ਅਨੁਮਾਨ ਤਿਆਰ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ। ਇਹ ਕਾਰਨਾਮਾ ਜਨਰੇਟਿਵ ਐਡਵਰਸੈਰੀਅਲ ਨੈੱਟਵਰਕ (GAN), ਵੇਰੀਏਸ਼ਨਲ ਆਟੋਐਨਕੋਡਰ (VAEs), ਅਤੇ ਟ੍ਰਾਂਸਫਾਰਮਰ-ਅਧਾਰਿਤ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (ਜਿਵੇਂ ਕਿ ਜਨਰੇਟਿਵ ਪ੍ਰੀ-ਟ੍ਰੇਂਡ ਟ੍ਰਾਂਸਫਾਰਮਰ-3 ਜਾਂ GPT-3) ਵਰਗੀਆਂ ਤਕਨੀਕਾਂ ਰਾਹੀਂ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਇਹਨਾਂ AI ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਸੈੱਟ ਤਿਆਰ ਕਰਨ, ਨਵੇਂ ML ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ ਅਨੁਕੂਲ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ, ਅਤੇ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨਾਂ ਅਤੇ ਸਬੰਧਾਂ ਦੀ ਪਛਾਣ ਕਰਕੇ ਨਵੀਆਂ ਵਿਗਿਆਨਕ ਧਾਰਨਾਵਾਂ ਵਿਕਸਿਤ ਕੀਤੀਆਂ ਜਾ ਸਕਦੀਆਂ ਹਨ ਜੋ ਪਹਿਲਾਂ ਅਣਜਾਣ ਸਨ।

ਵਿਘਨਕਾਰੀ ਪ੍ਰਭਾਵ

ਖੋਜ ਵਿੱਚ ਸਹਾਇਤਾ ਕਰਨ ਲਈ ਵਿਗਿਆਨੀ ਵੱਧ ਤੋਂ ਵੱਧ ਜਨਰੇਟਿਵ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਪੈਟਰਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਅਤੇ ਉਸ ਗਿਆਨ ਦੇ ਆਧਾਰ 'ਤੇ ਨਤੀਜਿਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦੀ ਯੋਗਤਾ ਦੇ ਨਾਲ, ਇਹ ਮਾਡਲ ਵਿਗਿਆਨ ਦੇ ਗੁੰਝਲਦਾਰ ਸਿਧਾਂਤਾਂ ਨੂੰ ਹੱਲ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਮਨੁੱਖਜਾਤੀ ਦੁਆਰਾ ਅਣਸੁਲਝੀਆਂ ਰਹਿ ਗਈਆਂ ਹਨ। ਇਸ ਨਾਲ ਨਾ ਸਿਰਫ ਸਮੇਂ ਅਤੇ ਪੈਸੇ ਦੀ ਬਚਤ ਹੋਵੇਗੀ, ਸਗੋਂ ਇਹ ਵਿਗਿਆਨ ਦੀ ਮਨੁੱਖੀ ਸਮਝ ਨੂੰ ਇਸਦੀਆਂ ਮੌਜੂਦਾ ਸੀਮਾਵਾਂ ਤੋਂ ਬਹੁਤ ਦੂਰ ਵਧਾਉਣ ਵਿੱਚ ਵੀ ਮਦਦ ਕਰੇਗਾ। 

ਇੱਕ ਖੋਜ ਅਤੇ ਵਿਕਾਸ (R&D) ਉੱਦਮ ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਉਚਿਤ ਫੰਡ ਇਕੱਠਾ ਕਰਨਾ ਸੌਖਾ ਬਣਾ ਦੇਵੇਗਾ ਕਿਉਂਕਿ ML ਡਾਟਾ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਕਿਰਿਆ ਕਰ ਸਕਦਾ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ, ਵਿਗਿਆਨੀ ਬਿਹਤਰ ਨਤੀਜੇ ਪੈਦਾ ਕਰਨ ਲਈ ਨਵੇਂ ਕਰਮਚਾਰੀਆਂ ਨੂੰ ਭਰਤੀ ਕਰਕੇ ਜਾਂ ਮਸ਼ਹੂਰ ਕਾਰੋਬਾਰਾਂ ਅਤੇ ਕੰਪਨੀਆਂ ਨਾਲ ਸਹਿਯੋਗ ਕਰਕੇ ਵਧੇਰੇ ਸਹਾਇਤਾ ਦੀ ਮੰਗ ਕਰਨਗੇ। ਇਸ ਦਿਲਚਸਪੀ ਦਾ ਸਮੁੱਚਾ ਪ੍ਰਭਾਵ ਸਕਾਰਾਤਮਕ ਹੋਵੇਗਾ, ਨਾ ਸਿਰਫ਼ ਵਿਗਿਆਨਕ ਤਰੱਕੀ ਲਈ, ਸਗੋਂ ਵਿਗਿਆਨਕ ਖੇਤਰਾਂ ਵਿੱਚ ਪੇਸ਼ੇਵਰਾਂ ਲਈ ਵੀ। 

ਹਾਲਾਂਕਿ, ਇੱਕ ਸੰਭਾਵੀ ਰੁਕਾਵਟ ਇਹ ਹੈ ਕਿ ਇਹਨਾਂ ਅਨੁਕੂਲ ਮਾਡਲਾਂ ਦੇ ਹੱਲ ਅਕਸਰ ਮਨੁੱਖਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਚੁਣੌਤੀਪੂਰਨ ਹੁੰਦੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਇਸ ਵਿੱਚ ਸ਼ਾਮਲ ਤਰਕ। ਮਸ਼ੀਨਾਂ ਸਿਰਫ ਜਵਾਬ ਦੇਣ ਅਤੇ ਹੱਲ ਦੇ ਪਿੱਛੇ ਕਾਰਨ ਨਾ ਦੱਸਣ ਕਾਰਨ, ਵਿਗਿਆਨੀ ਪ੍ਰਕਿਰਿਆ ਅਤੇ ਸਿੱਟੇ ਬਾਰੇ ਅਨਿਸ਼ਚਿਤ ਰਹਿ ਸਕਦੇ ਹਨ। ਇਹ ਅਸਪਸ਼ਟਤਾ ਨਤੀਜਿਆਂ ਵਿੱਚ ਵਿਸ਼ਵਾਸ ਨੂੰ ਕਮਜ਼ੋਰ ਕਰਦੀ ਹੈ ਅਤੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘਟਾਉਂਦੀ ਹੈ ਜੋ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਲਈ, ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਵਿਕਸਤ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੋਵੇਗਾ ਜੋ ਆਪਣੇ ਆਪ ਦੀ ਵਿਆਖਿਆ ਕਰ ਸਕੇ।

ਏਆਈ ਵਿਗਿਆਨਕ ਖੋਜ ਦੇ ਪ੍ਰਭਾਵ

AI ਵਿਗਿਆਨਕ ਖੋਜ ਦੇ ਵਿਆਪਕ ਪ੍ਰਭਾਵਾਂ ਵਿੱਚ ਇਹ ਸ਼ਾਮਲ ਹੋ ਸਕਦੇ ਹਨ:

• ਖੋਜ ਪੱਤਰਾਂ ਲਈ ਲੇਖਕਤਾ ਦੇ ਮਿਆਰਾਂ ਵਿੱਚ ਬਦਲਾਅ, ਜਿਸ ਵਿੱਚ AI ਨੂੰ ਬੌਧਿਕ ਸੰਪੱਤੀ ਦਾ ਕ੍ਰੈਡਿਟ ਦੇਣਾ ਸ਼ਾਮਲ ਹੈ। ਇਸੇ ਤਰ੍ਹਾਂ, ਏਆਈ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਇੱਕ ਦਿਨ ਸੰਭਾਵੀ ਨੋਬਲ ਪੁਰਸਕਾਰ ਪ੍ਰਾਪਤਕਰਤਾਵਾਂ ਵਜੋਂ ਸਨਮਾਨਿਤ ਕੀਤਾ ਜਾਵੇਗਾ, ਜਿਸ ਨਾਲ ਇਸ ਗੱਲ 'ਤੇ ਤਿੱਖੀ ਬਹਿਸ ਹੋ ਸਕਦੀ ਹੈ ਕਿ ਕੀ ਇਹਨਾਂ ਐਲਗੋਰਿਦਮ ਨੂੰ ਖੋਜਕਰਤਾ ਵਜੋਂ ਸਵੀਕਾਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
• AI-ਤਿਆਰ ਖੋਜ ਵਿਗਿਆਨਕ ਖੋਜਾਂ ਵਿੱਚ AI ਅਤੇ ਖੁਦਮੁਖਤਿਆਰੀ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਸੰਬੰਧਿਤ ਜ਼ਿੰਮੇਵਾਰੀ ਦੇ ਨਵੇਂ ਰੂਪਾਂ ਅਤੇ ਹੋਰ ਕਾਨੂੰਨੀ ਅਤੇ ਨੈਤਿਕ ਸਵਾਲਾਂ ਦੀ ਅਗਵਾਈ ਕਰ ਸਕਦੀ ਹੈ।
• ਡਾਕਟਰੀ ਵਿਕਾਸ ਅਤੇ ਟੈਸਟਿੰਗ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਟਰੈਕ ਕਰਨ ਲਈ ਵਿਗਿਆਨੀ ਵੱਖ-ਵੱਖ ਜਨਰੇਟਿਵ AI ਟੂਲਸ ਨਾਲ ਕੰਮ ਕਰ ਰਹੇ ਹਨ।
• ਇਹਨਾਂ ਵਿਸਤ੍ਰਿਤ ਐਲਗੋਰਿਦਮ ਨੂੰ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀ ਉੱਚ ਕੰਪਿਊਟਿੰਗ ਪਾਵਰ ਦੇ ਕਾਰਨ ਊਰਜਾ ਦੀ ਵਰਤੋਂ ਵਧ ਰਹੀ ਹੈ।
• ਭਵਿੱਖ ਦੇ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਵਰਕਫਲੋ ਵਿੱਚ AI ਅਤੇ ਹੋਰ ML ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾ ਰਹੀ ਹੈ।
• ਸਰਕਾਰਾਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਵਿਗਿਆਨਕ ਪ੍ਰਯੋਗਾਂ ਨੂੰ ਸੰਚਾਲਿਤ ਕਰਨ ਦੀਆਂ ਸੀਮਾਵਾਂ ਅਤੇ ਜ਼ਰੂਰਤਾਂ 'ਤੇ ਗਲੋਬਲ ਮਾਪਦੰਡ ਬਣਾਉਂਦੀਆਂ ਹਨ।

ਵਿਚਾਰ ਕਰਨ ਲਈ ਪ੍ਰਸ਼ਨ

• ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਵਿਗਿਆਨੀ ਹੋ, ਤਾਂ ਤੁਹਾਡੀ ਸੰਸਥਾ ਜਾਂ ਪ੍ਰਯੋਗਸ਼ਾਲਾ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਖੋਜ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾ ਰਹੀ ਹੈ?
• ਤੁਸੀਂ ਕਿਵੇਂ ਸੋਚਦੇ ਹੋ ਕਿ AI-ਤਿਆਰ ਖੋਜ ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਨੌਕਰੀ ਦੇ ਬਾਜ਼ਾਰ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਤ ਕਰੇਗੀ?