هوش مصنوعی تا چه حد میتواند در فرآیند پژوهش کمک کند؟
ما در نکست مایند ابزارهای بسیاری برای کمک به پژوهش و تحقیق معرفی کرده‌ایم. این ابزارها می‌توانند به محققین و پژوهشگران در انجام برخی از وظایف کمک کنند. اما آیا امکان دارد روزی هوش مصنوعی، تمام کارهای پژوهشی را خودش انجام دهد؟ آیا امکان پذیر است که هوش مصنوعی تبدیل به یک دانشمند شود و فرایند‌های پژوهشی و یا کلا علم، خودکار و اتوماتیک شود و به انسان‌ها دیگر نیاز نداشته باشد؟ این سوالی است که نشریه Nature به آن پرداخته است.
هوش مصنوعی دانشمند متولد شد.
هوش مصنوعی دانشمند یا AI Scientist که توسط تیمی در شرکت Sakana AI در توکیو و همچنین در آزمایشگاه‌هایی در کانادا و انگلستان توسعه داده شده است، میتواند تمام چرخه تحقیق را انجام دهد، از مرور ادبیات یک موضوع و فرمول‌بندی فرضیات تا آزمایش راه‌حل‌ها و نوشتن مقاله. AI Scientist حتی برخی از وظایف داوران را انجام می‌دهد و نتایج خود را ارزیابی می‌کند.
AI Scientist به مجموعه‌ای از تلاش‌ها برای خودکار کردن بخش‌هایی از فرایند علمی با استفاده از عوامل هوش مصنوعی می‌پیوندد. کانگ لو، یکی از خالقان این سیستم و پژوهشگر یادگیری ماشین در دانشگاه بریتیش کلمبیا می‌گوید: «تا آنجا که من می‌دانم، هیچ‌کس تاکنون جامعه علمی را به‌طور کامل و در یک سیستم انجام نداده است.» نتایج این تحقیق ماه گذشته در arXiv منتشر شد. ( برای دانلود مقاله اصلی اینجا کلیک کنید)
جیووین وست، دانشمند اجتماعی محاسباتی در دانشگاه واشنگتن در سیاتل، با ابراز شگفتی از این کار می‌گوید: «این واقعاً قابل توجه است که آنها این کار را به‌طور کامل انجام داده‌اند. و من فکر می‌کنم باید با این ایده‌ها آزمایش کنیم، چون ممکن است فرصتی برای کمک به علم وجود داشته باشد.»
تا کنون نتایج چندان شگفت‌انگیز نبوده و این سیستم تنها میتواند در زمینه یادگیری ماشین تحقیق کند. به‌ویژه، AI scientist از آنچه اکثر دانشمندان یک بخش حیاتی برای انجام علم می‌دانند، یعنی توانایی انجام کارهای آزمایشگاهی، محروم است. گرابران سیدر، یک دانشمند مواد در آزمایشگاه ملی لارنس برکلی در کالیفرنیا می‌گوید: «هنوز کارهای زیادی وجود دارد تا از یک هوش مصنوعی که فرضیه‌ای می‌سازد به پیاده‌سازی آن در یک دانشمند روباتیک برسیم.» با این حال، سیدر معتقد است: «اگر به آینده نگاه کنید، هیچ شکی برای من وجود ندارد که این نقطه‌ای است که بخش زیادی از علم به آن سمت خواهد رفت.»
آزمایش‌های خودکار
AI Scientist بر اساس یک مدل زبانی بزرگ ساخته شده است. این سیستم از یک الگوریتم یادگیری ماشین برای جستجو در ادبیات کارهای مشابه استفاده می‌کند. سپس تیم از محاسبات تکاملی، یک تکنیک الهام‌گرفته از جهش‌ها و انتخاب طبیعی در تکامل داروینی، بهره برده است. این تکنیک تغییرات کوچک و تصادفی را به یک الگوریتم وارد می‌کند و گزینه‌هایی را که کارایی مدل را بهبود می‌بخشند، انتخاب می‌کند.
برای این کار، AI Scientist «آزمایشات» خود را با اجرای الگوریتم‌ها و اندازه‌گیری عملکرد آنها انجام می‌دهد. در پایان، یک مقاله تولید کرده و آن را در نوعی بررسی خودکار ارزیابی می‌کند. پس از «غنی‌سازی ادبیات» به این شیوه، الگوریتم میتواند دوباره چرخه را آغاز کند و بر اساس نتایج خود پیش برود.
وست می‌گوید که نویسندگان دیدگاهی تقلیل‌گرایانه نسبت به چگونگی یادگیری پژوهشگران درباره وضعیت کنونی زمینه خود اتخاذ کرده‌اند. بسیاری از آنچه دانشگاهیان می‌دانند، مثلاً از رفتن به کنفرانس‌ها یا گفتگو با همکاران در کنار آب‌سردکن ناشی می‌شود، نه فقط مرور ادبیات یا کارهای کتابخانه‌ای. وست می‌گوید: «علم بیشتر از یک توده مقاله است. شما می‌توانید یک گفتگوی پنج دقیقه‌ای داشته باشید که بهتر از یک مطالعه پنج ساعته در ادبیات باشد.»
Shahan Memon، همکار وست در واشنگتن نیز با این نظر موافق است، اما هر دو نفر از نویسندگان به‌خاطر اینکه کد و نتایج خود را به‌طور کامل در دسترس عموم قرار داده‌اند، تقدیر می‌کنند. این اقدام به آنها اجازه داده است تا نتایج دانشمند هوش مصنوعی را تحلیل کنند. به‌عنوان مثال، آنها متوجه شده‌اند که این سیستم دارای یک «سوگیری محبوبیت» است و مقالات با ارجاعات بالا را ترجیح می‌دهد.
تاریخچه تلاش‌ها برای پژوهش با هوش مصنوعی
البته، پروژه AI Scientist نخستین تلاش برای خودکار کردن بخش‌هایی از کار یک پژوهشگر نیست. رویای خودکار کردن کشفیات علمی به‌اندازه خود هوش مصنوعی قدمت دارد و به دهه ۱۹۵۰ باز می‌گردد. (برای مطالعه تاریخچه هوش مصنوعی اینجا کلیک کنید) به گفته Tom Hope، یک دانشمند کامپیوتر در موسسه آلن برای هوش مصنوعی مستقر در اورشلیم، تقریباً یک دهه پیش، Automatic Statistician توانسته بود مجموعه‌های داده را تحلیل کرده و مقالاتی بنویسد. یا مثلا robot chemist که سال گذشته رونمایی شد، میتواند مواد جدید را سنتز کرده و با آنها آزمایش کند.
هوش مصنوعی میتواند کارهای تکراری در پژوهش را انجام دهد
Tom Hope می‌گوید که مدل‌های زبانی بزرگ فعلی «قادر به فرمول‌بندی جهت‌گیری‌های علمی جدید و مفید فراتر از ترکیب‌های سطحی و ابتدایی کلمات کلیدی نیستند». با این حال، حتی اگر هوش مصنوعی نتواند به‌زودی بخش خلاقانه‌تری از کار را انجام دهد، هنوز میتواند جنبه‌های تکراری تحقیق را خودکار کند. او می‌گوید: «در سطوح پایین، شما سعی می‌کنید، تنها نحوه واکنش و پاسخ دادن به برخی چیز‌ها را تجزیه و تحلیل کنید و این بخش خلاقانه علم نیست، اما 90 درصد آنچه را که ما انجام می‌دهیم، شامل می‌شود.» کانگ لو می‌گوید که او از بسیاری از پژوهشگران دیگر بازخورد مشابهی دریافت کرده است: «افراد می‌گویند، من 100 ایده دارم که برای آنها وقت ندارم. بگذارید AI Scientist آنها را انجام دهد.»
لو می‌گوید که برای گسترش قابلیت‌های AI scientist ، حتی به زمینه‌های انتزاعی فراتر از یادگیری ماشین مانند ریاضی محض ، ممکن است نیاز به گنجاندن تکنیک‌های دیگری فراتر از مدل‌های زبانی بزرگ باشد. به عنوان نمونه، کار تیم دیپ‌مایند، قدرت استفاده از مدل‌های زبانی بزرگ را با تکنیک‌های هوش مصنوعی سمبولیک در حل مسائل ریاضی نشان داده است. این کار قوانین منطقی را به یک سیستم وارد می‌کند و فقط به یادگیری از الگوهای آماری در داده‌ها وابسته نیست.
یک شروع کوچک برای پژوهش با هوش مصنوعی
با وجود همه محدودیت‌ها، می‌توانیم بگوییم که AI Scientist در حال حاضر شبیه نسخه اولیه GPT است که سال‌های پیش ساخته شد. نسخه‌ای کم کاربرد، اما نقطه آغازی برای یک انقلاب بزرگ. بدون شک هوش مصنوعی در آینده بسیار بیشتر از کارهایی که امروز ما تصور می‌کنیم میتواند انجام دهد. شکی نیست که این فناوری یک ابزار کلیدی برای محققین خواهد بود. اما آیا روزی میتواند جایگزین دانشمندان شود، یک سوال مهم است که برای پاسخ به آن باید صبر کنیم.
