دانشمند هوش مصنوعی هم از راه رسید؛ از ساخت فرضیه تا انجام آزمایش

پژوهشگران سوئدی یک سامانه هوش مصنوعی ساخته‌اند که می‌تواند بخش بزرگی از چرخه پژوهش علمی را بدون دخالت مستقیم انسان انجام دهد. این سیستم در یکی از آزمایش‌ها توانست نزدیک به ۲۰۰۰ پیش‌بینی قابل آزمایش تولید و ارزیابی کند.

تیم پژوهشی برای ساخت این سامانه، چند مدل زبانی بزرگ (LLM)، پایگاه‌های داده علمی گسترده و تجهیزات رباتیک آزمایشگاهی را در قالب یک چرخه بسته به یکدیگر متصل کرده است. به این ترتیب، هوش مصنوعی می‌تواند یک پرسش علمی را شناسایی کند، برای بررسی آن آزمایش پیشنهاد دهد و دستورالعمل اجرای آزمایش را به شکلی قابل فهم برای تجهیزات آزمایشگاهی تولید کند.

دانشمند هوش مصنوعی چگونه کار می‌کند؟

اوگنیا تیوکووا، پژوهشگر دانشگاه فناوری چالمرز و یکی از نویسندگان این مطالعه، می‌گوید حجم اطلاعات علمی به حدی زیاد است که تحلیل آن برای انسان دشوار خواهد بود. به گفته او، این سامانه می‌تواند پرسش‌های زیستی امیدوارکننده را شناسایی کند، آزمایش‌های لازم را پیشنهاد دهد، نتایج را بررسی کند و در چرخه‌های بعدی درک خود را بر اساس شواهد جدید اصلاح کند.

این دانشمند هوش مصنوعی ابتدا پایگاه داده‌ای شامل حدود ۶۰ هزار رابطه فنوتیپی، فیزیولوژیکی و متابولیکی مربوط به مخمر S. cerevisiae را بررسی کرد. این گونه از مخمر در تهیه نان و تولید برخی نوشیدنی‌های تخمیری کاربرد دارد.

پس از تحلیل داده‌ها، سیستم نزدیک به ۲,۰۰۰ پیش‌بینی قابل آزمایش درباره تأثیر مواد مغذی بر رشد سلول‌ها و مقاومت آنها در برابر استرس تولید کرد. سپس فرضیه‌ها ارزیابی شدند و موارد منتخب به همراه گروه‌های کنترل برای آزمایش آماده شدند.

هوش مصنوعی در مرحله بعد ایده‌های خود را به دستورالعمل‌های گام‌به‌گام و قابل اجرا برای تجهیزات آزمایشگاهی رباتیک تبدیل کرد. پس از پایان آزمایش‌ها نیز داده‌های به‌دست‌آمده را تحلیل کرد تا مشخص شود پیش‌بینی‌هایش درست بوده‌اند یا خیر.

اگر یک فرضیه رد می‌شد، سیستم می‌توانست آن را برای چرخه‌های بعدی اصلاح یا بازنویسی کند. به این ترتیب، فرآیند پژوهش به یک چرخه پیوسته تبدیل می‌شود که در آن هوش مصنوعی از نتایج آزمایش‌های قبلی برای طراحی مراحل بعدی استفاده می‌کند.

نویسنده معتقد است این سامانه صرفاً یک ابزار برای کمک به تصمیم‌گیری دانشمندان نیست، بلکه می‌تواند به‌صورت فعال در تولید دانش علمی جدید نقش داشته باشد. نویسنده ارشد این پژوهش از دانشگاه گوتنبرگ، معتقد است چنین «دانشمندان هوش مصنوعی» در آینده در کنار پژوهشگران انسانی فعالیت خواهند کرد و می‌توانند روند کشف‌های علمی در حوزه‌هایی مانند زیست‌شناسی، پزشکی و زیست‌فناوری را سرعت ببخشند.

این سامانه‌ها همچنین می‌توانند زمان موردنیاز برای بررسی پرسش‌های پیچیده علمی را کاهش دهند و استفاده از منابع آزمایشگاهی را بهینه کنند. پژوهشگران همچنین معتقدند خودکارسازی می‌تواند برخی عوامل مؤثر بر خطا و کاهش تکرارپذیری آزمایش‌ها را کاهش دهد؛ از خطاهای انسانی و سوگیری گرفته تا ثبت ناقص دستورالعمل‌ها و تغییرات محیطی.

بااین‌حال، این پروژه به معنای حذف دانشمندان انسانی نیست. پژوهشگران تأکید دارند انسان همچنان باید اولویت‌های تحقیقاتی را تعیین کند، زمینه گسترده‌تر نتایج را درک کند، برنامه‌های پژوهشی را تدوین کند و بر رعایت اصول اخلاقی نظارت داشته باشد.

کینگ معتقد است آزمایشگاه‌های خودکار نسل‌های آینده توانایی بیشتری برای همکاری با انسان‌ها خواهند داشت و می‌توانند به شرکای ارزشمندی برای حل پیچیده‌ترین مسائل زیست‌شناسی و پزشکی تبدیل شوند.