کشفیات جدید با هوش مصنوعی
دانشمندان معتقدند علم در صد سال گذشته با یافتههای تصادفی و آزمون و خطاهای فراوان همراه بود، اما امروز هوش مصنوعی برای پیشبرد تحقیقات ضروری است
از تارنمای رادیو عمومی آمریکا، سوزانا واسکوئز تورس دانشجوی دانشگاه واشنگتن می خواهد داروهای جدید برای بیماری های گرمسیری مغفول کشف کند. بر اساس اعلام سازمان جهانی بهداشت هزاران نفر هر سال در اثر مارگزیدگی جان خود را از دست می دهند، با این حال درمان های کنونی بسیار گران هستند و از طرف دیگر بی خطر نیستند.
بخشی از مشکل تهیه داروهای جدید مانند مارگزیدگی به علت فرایند کُند و پرزحمت تحقیقات است و دستیابی به یک ترکیب نویدبخش ممکن است سال ها طول بکشد. اما به تازگی ابزار جدیدی در آزمایشگاه به فرایند تحقیق سرعت بخشیده است؛ ابزاری برگفته از قابلیتهای هوش مصنوعی.
تورس که طرح خود را در ماه فوریه آغاز کرد و اکنون به چند گزینه دارویی دست یافته، از اینکه در مدت چند ماه کارش به نتیجه رسیده است، بسیار خوشحال است.
هوش مصنوعی نویدبخش دگرگونی در اقتصاد دانش است و می تواند برنامه های رایانه ای را کدنویسی کند، نقاشی بکشد و حتی برای پزشکان یادداشت برداری کند. اما شاید هیچ جایی به اندازه علوم در تحقق وعده هوش مصنوعی به واقعیت نزدیک نیست. محققان مشتاق هستند قدرت هوش مصنوعی را برای حل مشکلات مختلف از بیماری گرفته تا تغییرات اقلیمی به کار گیرند.
آکادمیهای ملی آمریکا نشست دو روزه ای را درباره ظرفیت های هوش مصنوعی برای تغییر علم برگزار کردند. یولاندا گیل، مدیر ابتکارات هوش مصنوعی و علم داده در مؤسسه علوم اطلاعات در دانشگاه کالیفرنیای جنوبی در این نشست گفت: دانشمندان هوش مصنوعی واقعاً میتوانند سیستماتیکتر و جامعتر بوده و خطا هم نداشته باشند.
در حوزه پزشکی، پزشکان غرق کارهای نوشتاری هستند اما برخی شرکت ها ادعا می کنند هوش مصنوعی می تواند به آنها کمک کند. محقق دانشگاه واشنگتن به جای استفاده از هوش مصنوعی برای انجام تمام کارهای علمی، آیندهای را تجسم می کند که هوش مصنوعی با همکاری همتایان انسانی خود، آزمایشها را برنامهریزی و اجرا میکنند. وی میگوید در جهانی که با چالشهای فنی پیچیدهتر روبهرو هستیم، افراد کافی برای انجام همه کارها وجود ندارد.
طراحی پروتئینها
در دانشگاه واشنگتن، تورس یکی از حدود ۲۰۰ دانشمندی است که در آزمایشگاه برای طراحی درمانهای جدید با استفاده از پروتئین ها مشغول تحقیق هستند. پروتئین ها مولکول هایی هستند که بیشتر کارهای روزمره بدن را انجام می دهند؛ آنها عضلات و اندام ها را می سازند، غذا را هضم می کنند و با ویروس ها مبارزه می کنند.
پروتئین از ترکیبات ساده تری به نام اسیدهای آمینه ساخته شده است. مسئله این است که این آمینو اسیدها را می توان به روش های تقریبا نامتناهی ترکیب کرد تا تعداد تقریباً نامتناهی پروتئین ساخته شود.
فناوری
در گذشته، محققان مجبور بودند به طور سیستماتیک هزاران طرح ممکن را آزمایش کنند تا بتوانند طرح مناسب را بیابند. تصور کنید یک سطل کلید به شما داده می شود تا دری را باز کنید؛ بدون اینکه بدانید کدام یک در را می گشاید. دیوید بیکر، دانشمند ارشد آزمایشگاه میگوید: کلیدها را یکی یکی امتحان میکنید تا ببینید کدام به قفل می خورد.
هوش مصنوعی همه چیز را تغییر داده است. وی میگوید: بهجای اینکه مجبور باشیم مجموعهای از ساختارهای ممکن را در رایانه بسازیم و آنها را یکی یکی امتحان کنیم، میتوانیم ساختاری بسازیم که از ابتدا کاملا مناسب باشد.
محققان دانشگاه واشنگتن از هوش مصنوعی برای طراحی انواع جدید پروتئین ها استفاده می کنند؛ سپس پروتئین ها را در آزمایشگاه می سازند تا ببینند آیا موثر هستند یا خیر.
نوع خاصی از هوش مصنوعی به عنوان مدل انتشار شناخته می شود. این همان فناوری است که تولیدکنندگان تصویر مشهور هوش مصنوعی از آن استفاده می کنند. این سیستم با میدانی از پیکسلهای تصادفی، شروع میشود و سپس به آرامی هر کدام را تغییر میدهد تا آنچه را کاربر خواسته، ایجاد کند. در مورد یک تولید کننده تصویر هوش مصنوعی، ممکن است تصویر یک گل باشد. در مورد هوش مصنوعی این آزمایشگاه، هدف ساخت یک پروتئین با شکل خاص است.
بیکر میگوید شکل پروتئین اغلب کارایی آن را تعیین میکند. بنابراین، این نوع هوش مصنوعی برای این کار بسیار مناسب است. هوش مصنوعی همچنین به الگوهایی برای یادگیری نیاز دارد. خوشبختانه دانشمندان ده ها و میلیاردها دلار صرف ساخت یک پایگاه داده عظیم از پروتئین هایی کرده اندد.
بیکر میگوید: در حوزه علوم جایی نیست که چنین پایگاههای داده ای وجود داشته باشد و این بخشی از دلیل آن است که هنوز مشخص نیست آیا همه حوزهها به یک اندازه از هوش مصنوعی بهره مند می شوند یا خیر.
ماریا چان در آزمایشگاه ملی آرگون در ایلینوی، در زمینه تهیه مواد جدیدی مانند باتری و صفحه های خورشیدی کار می کند. وی میگوید: برخلاف حوزه پروتئینها، تحقیقات زیادی در مورد انواع موادی که او مطالعه میکند، وجود ندارد. همچنین دادهها به گونهای سازماندهی نشدهاند که همه بتوانند از آن استفاده کنند.
علاوه بر این، مواد با پروتئین ها تفاوت دارند. خواص مواد با برهمکنش ها در مقیاس های مختلف – از مولکولی گرفته تا مقیاس های بزرگ – تعیین می شود.
کمبود داده و پیچیدگی مواد، مطالعه آنها را با استفاده از هوش مصنوعی دشوارتر می کند، اما چان همچنان معتقد است هوش مصنوعی می تواند در این زمینه مفید باشد. تقریبا هرچیزی بهتر از شیوه کار دانشمندان قبل از انقلاب رایانه است.
وی میگوید: علم صد سال گذشته با یافته های تصادفی و آزمون و خطاهای فراوان همراه بود. هوش مصنوعی برای پیشبرد تحقیقات ضروری است؛ به خصوص وقتی صحبت از بحران اقلیمی، یکی از پیچیده ترین مشکلات دوران امروزی می شود.
مواد و پروتئین ها یکی از حوزه هایی است که به طرق مختلف با هوش مصنوعی ارتباط دارد. در حوزه ژنتیک، مطالعات اقلیمی، فیزیک ذرات و رشته های دیگر سیستم هایی فعالانه در حال توسعه هستند. هدف در بسیاری از موارد، شناسایی الگوهای جدید در مقادیر زیادی داده های علمی است؛ مانند اینکه آیا یک سویه ژنتیکی باعث ایجاد یک ناهنجاری مضر می شود یا خیر.
شکارچیان فرضیه
اما برخی از محققان معتقدند هوش مصنوعی می تواند نقش بنیادی تری در اکتشافات علمی داشته باشد. حنانه حاجی شیرزی که در موسسه هوش مصنوعی آلن در سیاتل کار می کند، می خواهد سامانه های هوش مصنوعی جدید مشابه چت جی پی تی برای علم ابداع کند. هدف او سامانه ای است که بتواند تمام مطالب علمی را در یک زمینه پردازش کند و سپس از آن دانش برای دستیابی به ایدهها یا فرضیههای جدید استفاده کند.
از آنجا که ادبیات علمی میتواند هزاران مقاله منتشر شده در طول دهها سال باشد، یک سامانه هوش مصنوعی ممکن است بتواند ارتباطات جدیدی بین مطالعات پیدا کند و خطوط جدید هیجانانگیزی از مطالعه را پیشنهاد کند که انسان قادر به انجام آن نیست.
برخی از محققان امیدوارند از هوش مصنوعی برای یافتن مواد جدید در ساخت سلول های خورشیدی استفاده کنند. دادههای محدودی در مورد این مواد وجود دارد و ذخیره نمیشوند، بنابراین نتایج تضمین نمیشوند.
وی میگوید: در مقطعی هوش مصنوعی ابزار واقعاً خوبی برای ما خواهد بود تا بتوانیم به کتشفیات علمی جدید دست پیدا کنیم. البته، هنوز به محققان انسانی نیاز است تا بفهمند آیا ایده های علمی که هوش مصنوعی می خواهد دنبال کند، ارزشمند است یا خیر.
یولاندا گیل از دانشگاه کالیفرنیای جنوبی به دنبال هوش مصنوعی است که بتواند تمام تحقیقات علمی را انجام دهد. وی سامانه های خودکاری را پیشبینی میکند که میتوانند آزمایشها را خودشان برنامهریزی و انجام دهند. این کار احتمالاً به معنای توسعه انواع کاملاً جدید هوش مصنوعی است که میتوانند بهتر از مدلهای فعلی استدلال کنند.
اما اگر این سامانه بتواند کار کند، گیل معتقد است دانشمندان هوش مصنوعی میتوانند تأثیر زیادی بر تحقیقات داشته باشند. او آینده ای را متصور است که سامانه های هوش مصنوعی میتوانند به طور مداوم دادهها را مجدداً تجزیه و تحلیل کنند و نتایج را در مورد بیماریها یا تغییرات محیطی بهروزرسانی کنند.
وی می گوید: چرا مقاله ای که در سال ۲۰۱۲ منتشر شد، باید پاسخ قطعی به سوال باشد؟ هرگز نباید اینگونه باشد.
گیل همچنین فکر میکند دانشمندان هوش مصنوعی همچنین میتوانند خطاها را کاهش داده و تکرارپذیری را افزایش دهند، زیرا سامانه ها خودکار هستند. به عقیده گیل این روش بسیار قابل اعتمادتر است و می تواند سیستماتیکتر نیز باشد.
اما اگر آینده از آن دانشمندان هوش است، تورس در دانشگاه واشنگتن نگران این موضوع نیست. او و همکارانش در آزمایشگاه با استفاده از پروتئین های طراح خود به دنبال حل مشکلات هستند؛ از داروهای جدید، واکسن ها، بهبود فتوسنتز در گیاهان و یافتن ترکیبات جدید برای کمک به تجزیه پلاستیک.
تورس می گوید: مشکلات زیادی وجود دارد که باید حل شوند و اکتشافات هیجان انگیز زیادی به یُمن هوش مصنوعی در راه است. میتوانیم در حال حاضر به راحتی با این ابزارهای جدید دارو بسازیم و امنیت شغلی اصلاً جای نگرانی نیست.