به نقل از خبرآنلاین و یورونیوز، محققان در سوئد موفق به توسعه دانشمندی هوش مصنوعی شده‌اند که توانایی تولید فرضیه‌های علمی، طراحی آزمایشات و تحلیل نتایج را دارد.
این تیم با ترکیب چند مدل زبانی بزرگ (LLM)، پایگاه‌های داده وسیع و ربات‌های آزمایشگاهی فیزیکی، یک سامانه حلقه‌بسته را ایجاد کرد که قادر به اجرای تمام مراحل کشف علمی است.
ایوگنیا تیوکوا، پژوهشگر دانشگاه فناوری چالمرز و یکی از نگارندگان این تحقیق که به بررسی دانشمند هوش مصنوعی پرداخته است، اظهار داشت: «حجم اطلاعات آنقدر بالاست که تحلیل آن برای یک انسان ممکن نیست، اما هوش مصنوعی ما می‌تواند سوالات امیدوارکننده زیست‌شناسی را شناسایی کند، آزمایش‌هایی برای ارزیابی آن‌ها پیشنهاد دهد، نتایج را تحلیل کرده و بر اساس شواهد جدید درک خود را به‌روز کند.»
این دانشمند هوش مصنوعی داده‌های مربوط به تقریبا 60 هزار رابطه فنوتیپی، فیزیولوژیکی و متابولیکی از S. cerevisiae - همان مخمر آبجو یا نان - را بررسی کرده و بر اساس آن نزدیک به 2000 پیش‌بینی قابل آزمون درباره تأثیر مواد مغذی بر رشد سلول‌ها و مقاومت در برابر استرس تهیه کرد.
در گام بعدی، فرضیه‌های مذکور مورد ارزیابی قرار گرفتند، کنترل‌های مقایسه‌ای انتخاب شد و این ایده‌ها به دستورالعمل‌های گام‌به‌گام و قابل اجرا در محیط آزمایشگاهی تبدیل شدند.
پس از انجام آزمایشات، هوش مصنوعی داده‌ها را تحلیل کرده و مشخص کرد که آیا پیش‌بینی‌ها صحیح بودند یا خیر و به‌صورت خودکار فرضیه‌های اصلاح‌شده یا ردشده را برای چرخه‌های آتی به‌روز کرد.
تیوکوا بیان کرد: «این سامانه به‌جای اینکه فقط به عنوان یک ابزار پشتیبان در تصمیم‌گیری عمل کند، به‌طور فعال به تولید دانش علمی جدید کمک می‌کند.»
نویسندگان بر این باورند که خودکارسازی در آینده پژوهش علمی کانون توجه خواهد بود؛ پیشرفت‌های حاصل‌شده در رباتیک، هوش مصنوعی و فناوری‌های پرظرفیت در حال ترسیم تغییرات اساسی در فرآیندهای علمی هستند.
راس کینگ، نویسنده ارشد این تحقیق در دانشگاه گوتنبرگ، تصریح کرد: «دانشمندان هوش مصنوعی و همتایان انسانی آن‌ها با یکدیگر همکاری خواهند کرد تا سرعت کشفیات در زمینه‌های زیست‌شناسی، پزشکی و زیست‌فناوری را افزایش دهند.»
کینگ افزود: «این‌گونه سامانه‌های هوش مصنوعی می‌توانند زمان مورد نیاز برای بررسی پرسش‌های پیچیده علمی را کاهش داده و مدیریت بهتری بر منابع آزمایشگاهی داشته باشند.»
تحقیقات نشان می‌دهد که این نوع راه‌حل‌های هوش مصنوعی می‌تواند به حداقل رساندن سوگیری‌های انسانی، تسریع در چرخه‌های پژوهشی و کاهش اشتباهات ناشی از خطاهای انسانی، ثبت ناقص پروتکل‌های آزمایشی و شرایط محیطی که بر نتایج و قابلیت تکرار تأثیر می‌گذارند، کمک کند.
با این حال، نویسندگان بر اهمیت حضور انسان‌ها در روندهای پژوهشی تأکید کردند.
کینگ خاطرنشان کرد: «انسان‌ها همچنان برای مشخص کردن اولویت‌ها، تفسیر زمینه‌های وسیع‌تر، تنظیم برنامه‌های پژوهشی و رعایت اصول اخلاقی الزامی خواهند بود.»
او همچنین افزود: «نسل‌های آینده آزمایشگاه‌های خودکار به‌مرور زمان قادر به همکاری بیشتر با انسان‌ها خواهند بود و به همکارانی ارزشمند در تلاش برای حل چالش‌های دشوار در زیست‌شناسی و پزشکی تبدیل می‌شوند.
با افزایش کاربرد هوش مصنوعی در تحقیق، نهادهای بین‌المللی در حال تلاش برای تعیین چارچوب‌های مدیریتی برای آن هستند.
سازمان جهانی بهداشت (WHO) به‌تازگی گزارشی منتشر کرده که شامل توصیه‌هایی برای پژوهشگران، کمیته‌های اخلاقی، نهادهای نظارتی، منابع مالی و سیاست‌گذاران است تا اطمینان حاصل کنند که پژوهش‌های مبتنی بر هوش مصنوعی در حوزه سلامت به‌طور مسئولانه و به نفع همگان اجرا شوند.
مگ دوهرتی، مدیر بخش علم برای سلامت در WHO، گفت: «هوش مصنوعی فرصت‌های بی‌سابقه‌ای را برای تسریع در پژوهش‌های سلامت و ارتقاء کیفیت زندگی انسان‌ها فراهم می‌آورد.»
او افزود: «با این حال، نوآوری باید با تدابیر اخلاقی قوی هدایت شود تا از کرامت انسانی، حقوق و برابری حفاظت شود.»
5858
نظرات کاربران