شروع عصر “علم باهوش”؛ وقتی هوش مصنوعی همه‌کاره پا به آزمایشگاه‌ها گذاشته!

تا همین یکی دو سال پیش، اگه کسی درباره هوش مصنوعی (AI) تو دنیای علم حرف می‌زد، عموماً منظورش همین مدل‌های متنی مثل GPT-3.5 بود که تازه تازه داشتن یاد می‌گرفتن یه مرور خوب روی مقالات علمی بنویسن! اما خب، اوضاع خیلی سریع‌تر از چیزی که فکر می‌کردیم تغییر کرد و الان وارد یه دوره جدید شدیم که اصلاً قابل مقایسه با قبل نیست.

داستان از این قراره که الان با مدل‌های AI طرفیم که فقط متن نمی‌نویسن! بلکه می‌تونن ببینن، بشنون، صحبت کنن و حتی کارهای واقعی تو آزمایشگاه انجام بدن. این مدل‌ها رو بهشون می‌گن “agentic systems” یعنی سیستم‌هایی که مثل یه عامل هوشمند، خودشون تصمیم می‌گیرن و عمل می‌کنن. مثلاً فرض کن یه هوش مصنوعی بتونه تجهیزات آزمایشگاه رو کنترل کنه، داده‌ها رو آنالیز کنه و حتی پیشنهاد بده بار بعد چی رو تست کنن!

به این مدل‌های جدید، معمولاً “مولتی‌مدال” یا همان “چندوجهی” می‌گن؛ یعنی می‌تونن با انواع اطلاعات مثل تصویر، صدا، متن یا حتی حرکات فیزیکی کار کنن. هیجان‌انگیزتر اینه که این سیستم‌ها الآن می‌تونن نرم‌افزارهای ابری (cloud-based software یعنی نرم‌افزارهایی که رو سرورهای اینترنتی اجرا می‌شن) و حتی سخت‌افزارهای آزمایشگاهی واقعی رو با هم هماهنگ کنن و تقریباً همه کارای یه دانشمند رو خودشون انجام بدن!

تو همین مدت کوتاه، شاهد پروژه‌هایی بودیم که هوش مصنوعی از “خوندن و خلاصه کردن مقالات علمی” رسیده به “پیش‌بینی فرضیات علمی” و حتی قدم گذاشته به دنیای “آزمایشگاه‌های خودگردان” یا “self-driving labs” یعنی آزمایشگاه‌هایی که بدون حضور آدم‌ها خودشون آزمایش انجام می‌دن! این وسط، یه شاخه خیلی جالب دیگه هم پدیدار شده به اسم “organoid intelligence” یا هوش ارگانوییدی؛ یعنی استفاده از سلول‌های زنده در کنار هوش مصنوعی برای تحقیق روی مغز یا مدل‌سازی‌های زیستی. تازه هوش مصنوعی می‌تونه با مدل‌سازی‌های خیلی بزرگ، پیش‌بینی‌های اقلیمی (climate-scale forecasting) هم انجام بده؛ مثلاً بگه شرایط آب‌وهوایی کره‌زمین در آینده چجوری می‌شه.

اما موضوع فقط پیشرفت تکنولوژی نیست؛ قوانین و مقررات مهمی هم دارن تو این حوزه مطرح می‌شن. مثلاً اتحادیه اروپا یه قانونی رو تصویب کرده به نام European Union Artificial Intelligence Act (یعنی قانون هوش مصنوعی اتحادیه اروپا که هدفش نظارت و کنترل این تکنولوژی‌هاست). یا یه استاندارد جهانی داریم به اسم ISO 42001 که چارچوب مدیریت و استفاده ایمن از هوش مصنوعیه.

این بحث‌ها رو معمولاً دو دسته از آدم‌ها دنبال می‌کنن: یکی دانشمندایی که سال‌ها دنبال علم دقیق و معتبر بودن، و یکی هم سردبیرهایی که باید مواظب استاندارد بودن مقالات علمی باشن. خودشون می‌گن ما داریم وارد یه دوره جدید می‌شیم؛ یه جور “انتقال از کمک‌یاب به خلبان آزمایشگاه”! یعنی قبلاً هوش مصنوعی فقط کمک می‌کرد دانشمندان اطلاعات رو بفهمن و تفسیر کنن، ولی الان خودِ هوش مصنوعی مستقلاً می‌تونه کارای علمی رو پیش ببره.

این جهش تکنولوژیک باعث می‌شه بازدهی و سرعت کشفیات علمی خیلی زیاد بشه، اما در عوض نگرانی‌هایی هم به وجود میاره؛ مثل مسئله تکرارپذیری (reproducibility یعنی اینکه آیا یه آزمایش یا نتیجه علمی رو می‌شه دوباره با همون کیفیت تکرار کرد یا نه)، قابلیت بررسی (auditability، یعنی بتونیم بفهمیم مراحل آزمایش چطور انجام شده)، امنیت، و همین‌طور دسترسی عادلانه همه به این فنّاوری‌ها.

در کل، الان داریم یه تغییر بزرگ تو دنیای علم رو می‌بینیم که “scAInce” یا “علم هوشمند” اسم گرفتنش واقعاً برازنده‌شه؛ چون از این به بعد دیگه فقط دانشمندها نیستن که علم رو می‌برن جلو، بلکه هوش مصنوعی هم نقشش خیلی پررنگ و شگفت‌انگیز شده!

منبع: +