هوش مصنوعی معمای ۱۰ ساله دانشمندان را در ۴۸ ساعت حل کرد

به گزارش خبرگزاری آنا، به نقل از «Futura Sciences»؛ گروهی از پژوهشگران امپریال کالج لندن حدود یک دهه روی یکی از پرسش‌های مهم پزشکی مدرن، اینکه برخی باکتری‌ها چگونه در برابر آنتی‌بیوتیک‌ها مقاوم می‌شوند و به اصطلاح به «ابرمیكروب» تبدیل می‌شوند، تحقیق می‌کردند. دانشمندان این پرسش را به ابزار Co-scientist مبتنی بر Gemini 2.0 دادند و این ابزار توانست این معمای علمی درباره ابرمیکروب‌ها را در کمتر از ۴۸ ساعت حل کند.

مقاومت آنتی‌بیوتیکی یکی از چالش‌های جدی پزشکی است و دانشمندان سال‌ها تلاش کرده‌اند سازوکارهایی را که به باکتری‌ها اجازه می‌دهد در برابر داروها مقاومت کنند، شناسایی کنند. این نمونه‌ نشان می‌دهد AI می‌تواند روند کشف علمی و پیدا کردن سرنخ‌های جدید در مبارزه با باکتری‌های مقاوم به آنتی‌بیوتیک را بسیار سریع‌تر کند.

چگونه هوش مصنوعی توانست ۱۰ سال تحقیق را در ۴۸ ساعت پشت سر بگذارد؟

پژوهشگران برای آزمایش توانایی هوش مصنوعی، همان پرسشی را که خودشان حدود ۱۰ سال روی آن کار کرده بودند، در اختیار Co-scientist، دستیار علمی هوش مصنوعی گوگل، قرار دادند. این ابزار که یک سامانه چندعاملی مبتنی بر Gemini 2.0 است، پس از بررسی اطلاعات موجود توانست در ۴۸ ساعت به همان فرضیه‌ای برسد که تیم پژوهشی پس از سال‌ها تحقیق به آن دست یافته بود.

این اتفاق برای José R. Penadés، یکی از اعضای تیم پژوهشی، آن‌قدر غیرمنتظره بود که ابتدا تصور کرد شاید گوگل به رایانه او دسترسی پیدا کرده باشد؛ زیرا یافته‌های پژوهشگران هنوز منتشر نشده بود، اما گوگل اعلام کرد این سامانه بدون دسترسی به رایانه یا اطلاعات خصوصی پژوهشگران و فقط با استفاده از اطلاعات در دسترس، به همان فرضیه رسیده است.

آیا هوش مصنوعی می‌تواند جای انجام سال‌ها تحقیق علمی را بگیرد؟

با وجود این نتیجه چشمگیر، پژوهشگران تاکید می‌کنند که نمی‌توان تمام ۱۰ سال فعالیت علمی را با ۴۸ ساعت کار هوش مصنوعی مقایسه کرد؛ زیرا بخش قابل توجهی از این سال‌ها صرف آزمایش و اثبات اعتبار فرضیه‌ها شده است؛ کاری که همچنان به آزمایش‌های واقعی و زمان نیاز دارد و هوش مصنوعی نمی‌تواند آن را به‌طور کامل جایگزین کند.

با این وجود، اگر پژوهشگران از همان ابتدا به فرضیه‌ای که Co-scientist ارائه کرد دسترسی داشتند، ممکن بود بخش قابل توجهی از زمان تحقیق برای رسیدن به آن صرف نشود. به این ترتیب، ارزش اصلی هوش مصنوعی در اینجا نه انجام تمام مراحل پژوهش، بلکه پیدا کردن مسیرهای تازه برای ادامه تحقیق است.

هوش مصنوعی فقط یک پاسخ ارائه نکرد

Co-scientist علاوه بر رسیدن به فرضیه اصلی پژوهشگران، چهار فرضیه دیگر نیز پیشنهاد کرد که از نظر علمی قابل بررسی بودند. یکی از این فرضیه‌ها حتی پیش از آن به ذهن اعضای تیم پژوهشی نرسیده بود و دانشمندان قصد دارند آن را در تحقیقات آینده بررسی کنند.

این موضوع اهمیت دیگری به کاربرد هوش مصنوعی در پژوهش می‌دهد؛ زیرا چنین ابزارهایی فقط برای پاسخ دادن به پرسش‌های مشخص استفاده نمی‌شوند و می‌توانند فرضیه‌های جدیدی برای آزمایش در اختیار دانشمندان قرار دهند.

به گفته خوزه پنادس، این فناوری می‌تواند علم را تغییر دهد و او این تحول را اتفاقی چشمگیر توصیف کرده است.

AI میان انبوه داده‌ها ارتباط پیدا کرد

یکی از نقاط قوت ابزارهایی مانند Co-scientist توانایی در بررسی حجم بسیار زیادی از اطلاعات، از مقالات علمی و داده‌های پژوهشی گرفته تا آرشیوهای تخصصی، است.

انسان ممکن است برای پیدا کردن ارتباط میان چندین مجموعه داده یا مقاله به زمان زیادی نیاز داشته باشد، اما هوش مصنوعی می‌تواند در مدت کوتاه‌تری حجم بزرگی از اطلاعات را بررسی و الگوهای احتمالی را شناسایی کند. البته این توانایی بدون محدودیت نیست. خطا یا تولید اطلاعات نادرست، موسوم به توهم هوش مصنوعی، همچنان یکی از چالش‌های مهم این فناوری است. بنابراین فرضیه‌های تولید شده توسط AI همچنان باید توسط پژوهشگران انسانی بررسی، آزمایش و تأیید شوند.

در نتیجه، این اتفاق را نمی‌توان به معنای جایگزین شدن هوش مصنوعی با دانشمندان دانست. آنچه این تجربه نشان می‌دهد، امکان شکل‌گیری نوع جدیدی از همکاری میان انسان و ماشین است؛ جایی که هوش مصنوعی وظیفه جست‌وجو در حجم عظیم داده‌ها و پیشنهاد مسیرهای احتمالی را بر عهده می‌گیرد و دانشمندان اعتبارسنجی و آزمایش آنها را انجام می‌دهند.