به گزارش خبرآنلاین، به نقل از یورونیوز، پژوهشگران در سوئد یک دانشمند هوش مصنوعی توسعه داده‌اند که قادر است فرضیه‌های علمی تولید کند، آزمایش‌ها را طراحی کند و نتایج را تفسیر کند.
این گروه چندین مدل زبانی بزرگ (LLM)، پایگاه‌های داده گسترده و ربات‌های فیزیکی آزمایشگاهی را در قالب یک سامانه حلقه‌بسته ادغام کردند که می‌تواند چرخه کامل کشف علمی را اجرا کند.
ایوگنیا تیوکوا، پژوهشگر دانشگاه فناوری چالمرز و یکی از نویسندگان این مطالعه تازه که دانشمند هوش مصنوعی را بررسی کرده است، گفت: «حجم اطلاعات آنقدر زیاد است که یک انسان نمی‌تواند آن را تحلیل کند، اما دانشمند هوش مصنوعی ما می‌تواند پرسش‌های امیدبخش زیستی را شناسایی کند، آزمایش‌هایی برای آزمودن آنها پیشنهاد دهد، نتایج آزمایش را ارزیابی کند و به طور تکراری بر اساس شواهد تازه درک خود را اصلاح کند.»
دانشمند هوش مصنوعی یک پایگاه داده شامل حدود ۶۰ هزار رابطه فنوتیپی، فیزیولوژیک و متابولیک مربوط به S. cerevisiae ـ گونه‌ای از مخمر که با نام مخمر آبجو یا مخمر نان هم شناخته می‌شود ـ را تحلیل کرد. سپس سامانه نزدیک به ۲۰۰۰ پیش‌بینی قابل آزمون درباره این که مواد مغذی چگونه بر رشد سلول و مقاومت در برابر تنش تاثیر می‌گذارند، شکل داد.
در مرحله بعد این فرضیه‌ها ارزیابی شدند، کنترل‌های مقایسه‌ای انتخاب شد و ایده‌ها به دستورالعمل‌های گام‌به‌گام و قابل خواندن برای دستگاه‌های آزمایشگاهی تبدیل شد.
پس از پایان آزمایش‌ها، هوش مصنوعی داده‌ها را تحلیل کرد، مشخص کرد که پیش‌بینی‌ها درست بوده‌اند یا نه و به طور خودکار فرضیه‌های اصلاح‌شده یا ردشده را برای چرخه‌های آینده به‌روز کرد.
تیوکوا گفت: «این سامانه به جای آن که فقط ابزار پشتیبان تصمیم‌گیری باشد، به طور فعال دانش علمی جدید تولید می‌کند.»
به گفته نویسندگان، آینده پژوهش علمی در خودکارسازی رقم می‌خورد؛ پیشرفت در رباتیک، هوش مصنوعی و فناوری‌های پرظرفیت در حال دگرگون کردن فرآیند علمی است.
راس کینگ، نویسنده ارشد این مطالعه در دانشگاه گوتنبرگ، گفت: «دانشمندان هوش مصنوعی با دانشمندان انسانی همکاری خواهند کرد تا کشفیات در زیست‌شناسی، پزشکی و زیست‌فناوری را شتاب دهند.»
کینگ گفت: «چنین سامانه‌های هوش مصنوعی این ظرفیت را دارند که زمان لازم برای بررسی پرسش‌های پیچیده علمی را کاهش دهند و استفاده از منابع آزمایشگاهی را بهینه کنند.»
پژوهشگران می‌گویند چنین راه‌حل‌های هوش مصنوعی می‌تواند سوگیری انسانی را به حداقل برساند، چرخه‌های پژوهش را سرعت دهد و تفاوت‌هایی را که ناشی از خطای انسانی، ثبت ناقص پروتکل‌های آزمایشی، شرایط محیطی و دیگر عواملی است که بر نتایج و قابلیت تکرار تاثیر می‌گذارند، کاهش دهد.
با این حال، نویسندگان تاکید کردند که انسان‌ها همچنان عنصر کلیدی در پژوهش علمی خواهند بود.
کینگ گفت: «انسان‌ها همچنان برای تعیین اولویت‌ها، تفسیر زمینه‌های گسترده‌تر، تدوین برنامه‌های پژوهشی و تضمین پایبندی به قواعد اخلاقی ضروری خواهند بود.»
او افزود: «نسل‌های آینده آزمایشگاه‌های خودکار هرچه بیشتر قادر به همکاری با انسان‌ها خواهند شد و به شریکانی ارزشمند در تلاش برای حل دشوارترین پرسش‌ها در زیست‌شناسی و پزشکی تبدیل می‌شوند.»
همزمان با گسترش استفاده از هوش مصنوعی در پژوهش، نهادهای بین‌المللی در حال حرکت به سوی تعیین نحوه حکمرانی بر آن هستند.
سازمان جهانی بهداشت (WHO) به تازگی یک گزارش منتشر کرده است که در آن برای پژوهشگران، کمیته‌های اخلاق، نهادهای ناظر، تامین‌کنندگان بودجه و سیاست‌گذاران توصیه‌هایی ارائه شده است «تا کمک کند پژوهش سلامت مبتنی بر هوش مصنوعی به شکل مسئولانه و به سود همه انجام شود».
مگ دوهرتی، مدیر بخش علم برای سلامت در سازمان جهانی بهداشت، گفت: «هوش مصنوعی فرصت‌هایی بی‌سابقه برای شتاب دادن به پژوهش سلامت و بهبود زندگی مردم ایجاد می‌کند.»
او گفت: «در عین حال، نوآوری باید با سپرهای اخلاقی قدرتمندی هدایت شود که از کرامت انسانی، حقوق و برابری حفاظت می‌کنند.»
5858
