اگه این چند سال اخیر اخبار تکنولوژی و شبکههای اجتماعی رو دیده باشی، احتمالاً برات این حس پیش اومده که هوش مصنوعی قراره همه مشکلات دنیا رو حل کنه: از تعمیر کردن شبکه برق و درمان همه بیماریها بگیر تا تکمیل خرید عید! اما راستش کلی بزرگنمایی و هایپ (یعنی شلوغش کردن) دور و برش هست.
این هفته، سایت Technology Review یه مجموعه مطلب منتشر کرد به اسم «Hype Correction» یعنی اصلاح اون همه شلوغبازی درباره تکنولوژی! هدفشونم اینه که به واقعیات هوش مصنوعی نگاه کنن و بگن واقعاً چی پیش میاد و چی فقط روی کاغذه.
یکی از جذابترین داستانهاشون مربوط به بخش کشف مواد با هوش مصنوعیه. راستش علم مواد (Materials Science یعنی علمی که در مورد ساخت و شناخت مواد جدید تحقیق میکنه) برای دنیای امروز خیلی مهمه، مخصوصاً برای تکنولوژیهای مربوط به تغییرات اقلیمی مثل باتریهای جدید، نیمه هادیها، آهنرباهای قوی و کلی چیز دیگه. ولی مشکل اینجاست که کشف مواد جدید کار خیلی زمانبر و سختیه.
یه مثال بزنم: اولین پلاستیک صددرصد مصنوعی تو سال ۱۹۰۷ ساخته شد، اما چند دهه زمان برد که اونجوری که الآن میشناسیم همهگیر بشه! تازه با اینکه پلاستیک کلی کاربرد داره، برامون کلی دردسر هم درست کرده. به طور کلی، تو این چند دهه اخیر، علم مواد سر و صدای خاصی نکرده و فقط چندتا دستاورد بزرگ مثل باتریهای لیتیومیونی بوده.
حالا همه چشم دوختن ببینن هوش مصنوعی آیا میتونه این روال رو عوض کنه. کلی شرکت دارن تلاش میکنن قضیه رو امتحان کنن.
مثلاً یه شرکتی به اسم Lila Sciences تو کمبریج آمریکا داره با کمک مدلهای هوش مصنوعی دنبال کشف مواد جدید میگرده. کارشون اینه که مدلهای هوش مصنوعیشون رو با کلی اطلاعات علمی بهروز آموزش بدن و تو آزمایشگاههایی که همه چیز اتوماتیک انجام میشه (یعنی خودشون آزمایش میگیرن و دیتا جمع میکنن)، دیتای واقعی رو هم بهش بدن تا مدل هر روز بیشتر یاد بگیره و پروسه آزمایش و پیدا کردن فرمولهای جدید رو سرعت بده. تازه مدلهای هوش مصنوعی میتونن چیزهایی رو ببینن یا بفهمن که ما آدما معمولاً حواسمون بهش نیست.
یکی از همبنیانگذارهای این شرکت، رافائل گومز-بومبارلی، تو یه مصاحبه گفته که هنوز اون «لحظهی تحول بزرگ» تو کشف مواد با هوش مصنوعی اتفاق نیفتاده، ولی مدلها ایدهها و درکهایی میدن که حتی از دانشمندای حرفهای هم عمیقتره!
جالبه که همین گومز-بومبارلی میگه شاید آینده نزدیک مدلهای هوش مصنوعی بتونن جوری «فکر» کنن و راه حل پیدا کنن که رویکرد ما آدما کاملاً فرق داشته باشه. یعنی حتی باید یاد بگیریم طرز فکر پیچیده و عجیب AI رو بفهمیم و ترجمه کنیم به زبان خودمون!
همه اینا باحال به نظر میاد، ولی فعلاً راه زیادی مونده تا بشه گفت هوش مصنوعی واقعاً تونسته کشف مواد جدید رو متحول کنه. یکی از چالشهای اساسی اینه که مدلهای AI شاید بتونن پیشنهاد ساختار جدید بدن یا بگن چه آزمایشی انجام بدیم، اما اینکه یه مادهی جدید واقعاً ساخته بشه، ثابت بشه که واقعاً “جدید” و کاربردیه، داستانش یه چیز دیگهست!
یادتونه چند سال پیش تیم DeepMind از گوگل اعلام کرد با کمک هوش مصنوعی تونسته ساختار چند میلیون ماده جدید رو پیشبینی کنه و صدها تا ازشون رو تو آزمایشگاه تولید کنه؟ خب بعدش دانشمندای مواد گفتن خیلی از این موادی که به عنوان «جدید» معرفی شدن یا فقط یه تغییر کوچیک نسخه قبلیهاشونه، یا به طور واقعی تو شرایط عادی اصلاً نمیتونن وجود داشته باشن! مثلاً فقط تو دماهای خیلی پایین (که بهش میگن ultra-low temperature) میشه اونا رو شبیهسازی کرد، جایی که حتی اتمها هم تکون نمیخورن!
درسته که شاید AI بزنه و دورهی جدیدی از سوپرکاندکتور (یعنی موادی که برق رو بدون هیچ مقاومتی عبور میدن)، باتریهای عجیبغریب و آهنرباهای قویتر بسازه، ولی فعلاً هنوز مطمئن نیستیم این اتفاق واقعاً از مرحله حرف فراتر میره یا نه. پس فعلاً که یه کم شلوغ کردن قضیه زیاده!
اگه به اینجور موضوعا علاقه داری، این مقاله از نیوسلتر هفتگی The Spark تو MIT Technology Review بود. دوست داشتی عضو شی، لینکش رو تو متن اصلی گذاشتیم!
منبع: +
