AI سائنسی تحقیق: مشین لرننگ کا اصل مقصد

• مصنف:
• مصنف کا نام

  Quantumrun دور اندیشی
• 11 فرمائے، 2023

مفروضوں کو تیار کرنا روایتی طور پر ایک مکمل انسانی سرگرمی سمجھا جاتا ہے، کیونکہ اس کے لیے تخلیقی صلاحیت، وجدان اور تنقیدی سوچ کی ضرورت ہوتی ہے۔ تاہم، تکنیکی ترقی کے ساتھ، سائنس دان نئی دریافتیں پیدا کرنے کے لیے تیزی سے مشین لرننگ (ML) کا رخ کر رہے ہیں۔ الگورتھم بڑی مقدار میں ڈیٹا کا تیزی سے تجزیہ کر سکتے ہیں اور ایسے نمونوں کی نشاندہی کر سکتے ہیں جنہیں انسان نہیں دیکھ سکتے۔

سیاق و سباق

انسانی پیشگی تصورات پر انحصار کرنے کے بجائے، محققین نے انسانی دماغ سے متاثر ایک ڈیزائن کے ساتھ نیورل نیٹ ورک ایم ایل الگورتھم بنائے ہیں، جو ڈیٹا کے نمونوں کی بنیاد پر نئے مفروضے تجویز کرتے ہیں۔ نتیجے کے طور پر، بہت سے علاقے جلد ہی ML کی طرف رجوع کر سکتے ہیں تاکہ سائنسی دریافت کو تیز کیا جا سکے اور انسانی تعصبات کو کم کیا جا سکے۔ بیٹری کے غیر دریافت شدہ مواد کے معاملے میں، سائنس دانوں نے روایتی طور پر قابل عمل مالیکیولز کی شناخت کے لیے ڈیٹا بیس کی تلاش کی تکنیک، ماڈلنگ اور ان کی کیمیائی حس پر انحصار کیا ہے۔ یوکے میں قائم یونیورسٹی آف لیورپول کی ایک ٹیم نے تخلیقی عمل کو آسان بنانے کے لیے ML کا استعمال کیا۔ 

سب سے پہلے، محققین نے ایک نیورل نیٹ ورک بنایا جس نے ایک قیمتی نئے مواد کی پیداوار کے امکانات کی بنیاد پر کیمیائی امتزاج کو ترجیح دی۔ اس کے بعد سائنسدانوں نے ان درجہ بندیوں کو اپنے لیبارٹری مطالعات کی رہنمائی کے لیے استعمال کیا۔ نتیجے کے طور پر، انہیں اپنی فہرست میں موجود ہر چیز کی جانچ کیے بغیر بیٹری کے چار قابل عمل انتخاب ملے، جس سے انہیں مہینوں کی آزمائش اور غلطی سے بچا گیا۔ نیا مواد واحد فیلڈ نہیں ہے جہاں ایم ایل تحقیق میں مدد کرسکتا ہے۔ محققین زیادہ اہم تکنیکی اور نظریاتی خدشات کو حل کرنے کے لیے عصبی نیٹ ورکس کا بھی استعمال کرتے ہیں۔ مثال کے طور پر، زیورخ کے انسٹی ٹیوٹ فار تھیوریٹیکل فزکس کے ایک ماہر طبیعیات، ریناٹو رینر، اس بات کی ایک مربوط وضاحت تیار کرنے کی امید کرتے ہیں کہ دنیا ایم ایل کے استعمال سے کیسے کام کرتی ہے۔ 

مزید برآں، OpenAI کے ChatGPT جیسے مزید نفیس جنریٹو AI ماڈلز محققین کو خود بخود نئے ڈیٹا، ماڈلز اور مفروضے بنانے کی اجازت دیتے ہیں۔ یہ کارنامہ جنریٹو ایڈورسریئل نیٹ ورکس (GANs)، تغیراتی آٹو اینکوڈرز (VAEs)، اور ٹرانسفارمر پر مبنی لینگویج ماڈلز (جیسے جنریٹو پری ٹرینڈ ٹرانسفارمر-3 یا GPT-3) جیسی تکنیکوں کے ذریعے حاصل کیا جاتا ہے۔ یہ AI ماڈل مصنوعی ڈیٹا سیٹ بنانے، نئے ML فن تعمیرات کو ڈیزائن اور بہتر بنانے کے لیے استعمال کیے جا سکتے ہیں، اور ڈیٹا میں پیٹرن اور تعلقات کی نشاندہی کرکے نئے سائنسی مفروضے تیار کیے جا سکتے ہیں جو پہلے نامعلوم تھے۔

خلل ڈالنے والا اثر

سائنس دان تحقیق میں مدد کے لیے جنریٹو اے آئی کو تیزی سے استعمال کر سکتے ہیں۔ نمونوں کا تجزیہ کرنے اور اس علم کی بنیاد پر نتائج کی پیشن گوئی کرنے کی صلاحیت کے ساتھ، یہ ماڈل سائنس کے پیچیدہ نظریات کو حل کر سکتے ہیں جو بنی نوع انسان کے ذریعہ حل نہیں ہوئے ہیں۔ اس سے نہ صرف وقت اور پیسے کی بچت ہوگی بلکہ اس سے سائنس کے بارے میں انسانی سمجھ کو اس کی موجودہ حدود سے بہت آگے بڑھنے میں بھی مدد ملے گی۔ 

ایک ریسرچ اینڈ ڈیولپمنٹ (R&D) وینچر ممکنہ طور پر مناسب فنڈنگ ​​اکٹھا کرنا آسان بنائے گا کیونکہ ML ڈیٹا پر تیزی سے کارروائی کر سکتا ہے۔ نتیجے کے طور پر، سائنسدان نئے ملازمین کی خدمات حاصل کرکے یا معروف کاروباری اداروں اور کمپنیوں کے ساتھ تعاون کرکے بہتر نتائج حاصل کرنے کے لیے مزید مدد حاصل کریں گے۔ اس دلچسپی کا مجموعی اثر نہ صرف سائنسی ترقی کے لیے بلکہ سائنسی شعبوں میں پیشہ ور افراد کے لیے بھی مثبت ہوگا۔ 

تاہم، ایک ممکنہ روڈ بلاک یہ ہے کہ ان موافقت پذیر ماڈلز کے حل انسانوں کے لیے اکثر مشکل ہوتے ہیں، خاص طور پر اس میں شامل استدلال۔ مشینوں کی وجہ سے صرف جوابات دینے اور حل کے پیچھے وجہ کی وضاحت نہ کرنے کی وجہ سے، سائنسدان اس عمل اور نتیجے کے بارے میں غیر یقینی رہ سکتے ہیں۔ یہ مبہم نتائج پر اعتماد کو کمزور کرتا ہے اور عصبی نیٹ ورکس کی تعداد کو کم کرتا ہے جو تجزیہ میں مدد کر سکتے ہیں۔ لہذا، محققین کے لئے یہ ضروری ہو گا کہ وہ ایک ماڈل تیار کریں جو خود کی وضاحت کر سکے.

AI سائنسی تحقیق کے مضمرات

AI سائنسی تحقیق کے وسیع مضمرات میں شامل ہو سکتے ہیں:

• تحقیقی مقالوں کے لیے تصنیف کے معیارات میں تبدیلیاں، بشمول انٹلیکچوئل پراپرٹی کریڈٹ AI کو دینا۔ اسی طرح، AI سسٹمز کو ایک دن ممکنہ نوبل انعام وصول کنندگان کے طور پر نوازا جائے گا، جو اس بات پر شدید بحث کا باعث بن سکتا ہے کہ آیا ان الگورتھم کو موجد کے طور پر تسلیم کیا جانا چاہیے۔
• AI سے تیار کردہ تحقیق ذمہ داری کی نئی شکلوں اور سائنسی دریافتوں میں AI اور خود مختار نظام کے استعمال سے متعلق مزید قانونی اور اخلاقی سوالات کا باعث بن سکتی ہے۔
• سائنس دان مختلف جنریٹو AI ٹولز کے ساتھ کام کر رہے ہیں تاکہ طبی پیشرفت اور جانچ کو تیز کیا جا سکے۔
• ان وسیع الگورتھمز کو چلانے کے لیے درکار اعلی کمپیوٹنگ پاور کی وجہ سے توانائی کے استعمال میں اضافہ۔
• مستقبل کے سائنسدانوں کو ان کے ورک فلو میں AI اور دیگر ML ٹولز استعمال کرنے کی تربیت دی جا رہی ہے۔
• حکومتیں AI سے تیار کردہ سائنسی تجربات کی حدود اور تقاضوں پر عالمی معیارات بناتی ہیں۔

غور کرنے کے لیے سوالات۔

• اگر آپ سائنسدان ہیں، تو آپ کا ادارہ یا لیبارٹری AI کی مدد سے چلنے والی تحقیق کو شامل کرنے کی منصوبہ بندی کیسے کر رہی ہے؟
• آپ کے خیال میں AI سے تیار کردہ تحقیق سائنس دانوں اور محققین کے لیے ملازمت کے بازار کو کیسے متاثر کرے گی؟