پژوهشگران سوئدی سامانه‌ای هوش مصنوعی طراحی کرده‌اند که با کمترین دخالت انسان کل روند علمی را از طرح فرضیه تا تفسیر نتایج انجام می‌دهد.
پژوهشگران در سوئد یک دانشمند هوش مصنوعی توسعه داده‌اند که توانایی تولید فرضیه‌های علمی، طراحی آزمایش‌ها و تفسیر نتایج را دارد.
آگهی
آگهی
این تیم چند مدل زبانی بزرگ (LLM)، بانک‌های اطلاعاتی گسترده و ربات‌های فیزیکی آزمایشگاهی را در یک سامانه حلقه‌بسته ترکیب کرده است که می‌تواند چرخه کامل کشف علمی (منبع به زبان انگلیسی) را اجرا کند.
ایوگینیا تیـوکووا، پژوهشگر دانشگاه فناوری چالمرز و یکی از نویسندگان مطالعه جدید که این دانشمند هوش مصنوعی را بررسی کرده است، گفت: «این حجم اطلاعات برای یک انسان بسیار زیاد است، اما دانشمند هوش مصنوعی ما توانست پرسش‌های زیستی امیدوارکننده را شناسایی کند، برای آزمون آنها آزمایش پیشنهاد دهد، نتایج آزمایش‌ها را ارزیابی کند و بر اساس شواهد جدید درک خود را به‌صورت تدریجی اصلاح کند».
دانشمند هوش مصنوعی یک پایگاه داده شامل حدود ۶۰ هزار رابطه فنوتیپی، فیزیولوژیک و متابولیک درباره ساکارومایسس سرویزیه، گونه‌ای از مخمر که با نام مخمر آبجو یا مخمر نان هم شناخته می‌شود، را تحلیل کرد. سپس سامانه نزدیک به ۲ هزار پیش‌بینی قابل‌آزمون درباره اینکه مواد مغذی چگونه بر رشد سلول و مقاومت در برابر تنش تاثیر می‌گذارند، شکل داد.
در ادامه، این فرضیه‌ها ارزیابی شدند، نمونه‌های کنترل برای مقایسه انتخاب شد و این ایده‌ها به دستورالعمل‌های گام‌به‌گام و قابل‌خواندن برای ماشین تبدیل شد تا تجهیزات آزمایشگاهی بتوانند آنها را اجرا کنند.
پس از پایان آزمایش‌ها، هوش مصنوعی داده‌ها را تحلیل کرد، مشخص کرد آیا پیش‌بینی‌ها درست بوده‌اند یا نه و به‌طور خودکار فرضیه‌های رد شده را برای چرخه‌های بعدی به‌روزرسانی یا اصلاح کرد.
تیـوکووا گفت: «دانشمند هوش مصنوعی به‌جای آنکه تنها به‌عنوان ابزار پشتیبان تصمیم‌گیری عمل کند، به‌طور فعال دانش علمی جدید تولید می‌کند».
نویسندگان تاکید کردند آینده پژوهش علمی در خودکارسازی نهفته است؛ پیشرفت در رباتیک، هوش مصنوعی و فناوری‌های پرظرفیت در حال دگرگون کردن روند علمی است.
راس کینگ، نویسنده ارشد این مطالعه در دانشگاه گوتنبرگ، گفت: «دانشمندان هوش مصنوعی در همکاری با دانشمندان انسانی به شتاب گرفتن کشف‌ها در زیست‌شناسی، پزشکی و زیست‌فناوری کمک خواهند کرد».
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».
انسان‌ها همچنان نقشی حیاتی خواهند داشت
پژوهشگران می‌گویند چنین راه‌حل‌های مبتنی بر هوش مصنوعی می‌تواند سوگیری انسانی را کاهش دهد، چرخه‌های پژوهشی را تسریع کند و تفاوت‌هایی را که بر اثر خطای انسانی، ثبت ناقص پروتکل‌های آزمایشی، شرایط محیطی و دیگر عواملی که بر نتایج و قابلیت تکرار آنها تاثیر می‌گذارد ایجاد می‌شود، کم کند.
با این حال، نویسندگان تاکید کردند که انسان‌ها همچنان در پژوهش علمی نقشی کلیدی خواهند داشت.
کینگ گفت: «انسان‌ها همچنان برای تعیین اولویت‌ها، تفسیر زمینه‌های گسترده‌تر، طراحی برنامه‌های پژوهشی و تضمین رعایت قواعد اخلاقی ضروری خواهند بود».
او افزود: «آزمایشگاه‌های خودکار نسل‌های آینده هرچه بیشتر قادر به همکاری با انسان‌ها خواهند شد و به شریکانی ارزشمند در تلاش برای حل چالش‌برانگیزترین پرسش‌ها در زیست‌شناسی و پزشکی تبدیل می‌شوند».
همزمان با گسترش استفاده از هوش مصنوعی در پژوهش، نهادهای بین‌المللی در حال تدوین چارچوب‌های حاکمیتی برای این فناوری هستند.
سازمان جهانی بهداشت (WHO) اخیرا یک گزارش (منبع به زبان انگلیسی) با توصیه‌هایی برای پژوهشگران، کمیته‌های اخلاق، نهادهای تنظیم‌گر، تامین‌کنندگان مالی و سیاستگذاران منتشر کرده است «تا کمک کند پژوهش‌های سلامت مبتنی بر هوش مصنوعی به‌طور مسئولانه و به نفع همه انجام شود».
مگ دوهرتی، مدیر دپارتمان علم برای سلامت در سازمان جهانی بهداشت، گفت: «هوش مصنوعی فرصت‌هایی بی‌سابقه برای شتاب دادن به پژوهش‌های سلامت و بهبود زندگی مردم خلق کرده است».
او گفت: «در عین حال، نوآوری باید با سازوکارهای اخلاقی قوی هدایت شود که از کرامت، حقوق و عدالت انسانی حفاظت می‌کند».