Utafiti wa kisayansi wa AI: Madhumuni ya kweli ya kujifunza kwa mashine

• mwandishi:
• mwandishi jina

  Mtazamo wa Quantumrun
• Huenda 11, 2023

Kukuza dhahania kijadi kumezingatiwa kuwa shughuli ya kibinadamu pekee, kwani inahitaji ubunifu, angavu, na kufikiria kwa umakini. Hata hivyo, kutokana na maendeleo ya kiteknolojia, wanasayansi wanazidi kugeukia kujifunza kwa mashine (ML) ili kuzalisha uvumbuzi wa riwaya. Algoriti zinaweza kuchanganua kiasi kikubwa cha data kwa haraka na kutambua ruwaza ambazo huenda wanadamu wasiweze kuona.

Muktadha

Badala ya kutegemea mawazo ya awali ya binadamu, watafiti wameunda algoriti za mtandao wa neural za ML kwa muundo uliochochewa na ubongo wa binadamu, na kupendekeza dhahania mpya kulingana na mifumo ya data. Kwa hivyo, maeneo mengi hivi karibuni yanaweza kugeukia ML ili kuharakisha ugunduzi wa kisayansi na kupunguza upendeleo wa wanadamu. Kwa upande wa nyenzo za betri ambazo hazijagunduliwa, wanasayansi kwa jadi wameegemea mbinu za utaftaji wa hifadhidata, uundaji wa mfano, na hisia zao za kemikali ili kutambua molekuli zinazoweza kutumika. Timu kutoka Chuo Kikuu cha Liverpool chenye makao yake Uingereza iliajiri ML ili kurahisisha mchakato wa ubunifu. 

Kwanza, watafiti waliunda mtandao wa neural ambao ulitanguliza mchanganyiko wa kemikali kulingana na uwezekano wao wa kutoa nyenzo mpya muhimu. Wanasayansi kisha walitumia viwango hivi kuongoza masomo yao ya maabara. Kwa hivyo, walipata chaguo nne za nyenzo za betri zinazoweza kutumika bila kujaribu kila kitu kwenye orodha yao, na kuwaokoa miezi ya majaribio na makosa. Nyenzo mpya sio sehemu pekee ambapo ML inaweza kusaidia utafiti. Watafiti pia hutumia mitandao ya neural kutatua maswala muhimu zaidi ya kiteknolojia na kinadharia. Kwa mfano, mwanafizikia katika Taasisi ya Fizikia ya Kinadharia ya Zurich, Renato Renner, anatarajia kuendeleza maelezo ya pamoja ya jinsi ulimwengu unavyofanya kazi kwa kutumia ML. 

Zaidi ya hayo, miundo ya kisasa zaidi ya kuzalisha AI kama vile OpenAI's ChatGPT huruhusu watafiti kuzalisha kiotomatiki data, miundo na dhahania mpya. Ufanisi huu unapatikana kupitia mbinu kama vile mitandao generative adversarial (GANs), vaational autoencoder (VAEs), na miundo ya lugha inayotegemea transfoma (kama vile Generative Pre-trained Transformer-3 au GPT-3). Miundo hii ya AI inaweza kutumika kutengeneza seti za data sanisi, kubuni na kuboresha usanifu mpya wa ML, na kuendeleza dhahania mpya za kisayansi kwa kutambua ruwaza na mahusiano katika data ambayo hayakujulikana hapo awali.

Athari ya usumbufu

Wanasayansi wanaweza kutumia zaidi AI kusaidia katika utafiti. Kwa uwezo wa kuchanganua ruwaza na kutabiri matokeo kulingana na ujuzi huo, miundo hii inaweza kutatua nadharia changamano za sayansi ambazo zimesalia bila kutatuliwa na wanadamu. Sio tu kwamba hii itaokoa wakati na pesa, lakini pia itasaidia uelewa wa mwanadamu wa sayansi kuenea zaidi ya mipaka yake ya sasa. 

Utafiti na uendelezaji (R&D) utarahisisha kupata ufadhili unaofaa kwa sababu ML inaweza kuchakata data haraka zaidi. Kwa hivyo, wanasayansi watatafuta usaidizi zaidi kwa kuajiri wafanyikazi wapya au kushirikiana na biashara na kampuni zinazojulikana ili kutoa matokeo bora. Matokeo ya jumla ya maslahi haya yatakuwa chanya, si tu kwa maendeleo ya kisayansi lakini pia kwa wataalamu ndani ya nyanja za kisayansi. 

Hata hivyo, kizuizi kinachowezekana ni kwamba suluhu kutoka kwa miundo hii inayobadilika mara kwa mara huwa na changamoto kwa wanadamu kuelewa, hasa hoja zinazohusika. Kwa sababu ya mashine kutoa majibu tu na kutoelezea sababu ya suluhisho, wanasayansi wanaweza kubaki kutokuwa na uhakika juu ya mchakato na hitimisho. Kufichwa huku kunadhoofisha imani katika matokeo na kupunguza idadi ya mitandao ya neva ambayo inaweza kusaidia katika uchanganuzi. Kwa hivyo, itakuwa muhimu kwa watafiti kuunda mfano ambao unaweza kujielezea.

Athari za utafiti wa kisayansi wa AI

Athari pana za utafiti wa kisayansi wa AI zinaweza kujumuisha:

• Mabadiliko katika viwango vya uandishi wa karatasi za utafiti, ikiwa ni pamoja na kutoa mikopo ya uvumbuzi kwa AI. Vile vile, mifumo ya AI siku moja itatunukiwa kama wapokeaji wa Tuzo la Nobel, ambayo inaweza kusababisha mijadala mikali kuhusu kama kanuni hizi zinafaa kutambuliwa kama wavumbuzi.
• Utafiti unaotokana na AI unaweza kusababisha aina mpya za dhima na maswali zaidi ya kisheria na kimaadili yanayohusiana na kutumia AI na mifumo inayojitegemea katika uvumbuzi wa kisayansi.
• Wanasayansi wanaofanya kazi na zana mbalimbali za kuzalisha AI ili kufuatilia kwa haraka maendeleo na majaribio ya matibabu.
• Kuongezeka kwa matumizi ya nishati kunakosababishwa na nishati ya juu ya kompyuta inayohitajika ili kutekeleza algoriti hizi za kina.
• Wanasayansi wa siku zijazo wakifunzwa kutumia AI na zana zingine za ML katika mtiririko wao wa kazi.
• Serikali zinazounda viwango vya kimataifa kuhusu vikwazo na mahitaji ya kufanya majaribio ya kisayansi yanayotokana na AI.

Maswali ya kuzingatia

• Ikiwa wewe ni mwanasayansi, taasisi au maabara yako inapangaje kujumuisha utafiti unaosaidiwa na AI?
• Unafikiri utafiti unaotokana na AI utaathiri vipi soko la ajira kwa wanasayansi na watafiti?