به گزارش خبرنگار علم و فناوری ایسکانیوز؛ هوش مصنوعی یکی از دگرگون‌کننده‌ترین و ارزشمندترین ابزارهای علمی است که تا به حال توسعه یافته است. سیستم‌های هوش مصنوعی با بهره‌گیری از حجم عظیمی از داده‌ها و قدرت محاسباتی می‌توانند الگوها را کشف کنند، بینش‌هایی ایجاد کنند و پیش‌بینی‌هایی را انجام دهند که قبلاً دست نیافتنی بودند.

همانطور که در آستانه یک انقلاب هوش مصنوعی هستیم، دانشمندان این سوال را مطرح می‎‌کنند که چگونه می‌توان از این فناوری در تلاش‌های تحقیقاتی خود به بهترین شکل استفاده کرد. به طور خاص، وزارت انرژی آمریکا در حال بررسی چگونگی بهترین استفاده از مجموعه گسترده منابع محاسباتی خود برای تبدیل هوش مصنوعی به ابزاری مرکزی در تحقیقات علمی است.

این تلاش با ایجاد «ابتکار عمل هوش مصنوعی مرزی برای علم، امنیت و فناوری» (FASST) در آمریکا به اوج خود رسید. FASST به عنوان یک ابتکار تحقیق و توسعه زیرساخت با هدف توسعه و استقرار سیستم‌های هوش مصنوعی با ارزش برای علم عمل خواهد کرد.

هوش مصنوعی انعطاف‌پذیری علم را تسریع می‌کند

ریک استیونز، مدیر آزمایشگاه محاسبات، محیط زیست و علوم زیستی در آمریکا، می‌گوید که تلاش‌های علمی مهم برای تجمیع تلاش‌ها در توسعه هوش مصنوعی عبارتند از:

• هوش مصنوعی برای استنتاج ویژگی‌های پیشرفته و طراحی معکوس: ذخیره‌سازی انرژی، پروتئین‌ها، پلیمرها، مدرن‌سازی انبار

• هوش مصنوعی و رباتیک برای کشف خودمختار: مواد، شیمی، زیست‌شناسی، منابع نور، نوترون‌ها

• هوش مصنوعی برای مهندسی نرم‌افزار و برنامه‌نویسی: ترجمه کد، بهینه‌سازی، کامپایل کوانتومی، QAIgs

• هوش مصنوعی برای پیش‌بینی و کنترل سیستم‌های مهندسی پیچیده: شتاب‌دهنده‌ها، ساختمان‌ها، شهرها، راکتورها، شبکه برق، شبکه‌ها

• بنیاد، هوش مصنوعی مطمئن برای دانش علمی: تشکیل فرضیه، نظریه ریاضی و سنتز مدل‌سازی

استیونز به سرعت به این نکته اشاره می‌کند که جامعه علمی باید به فکر ایجاد مدل‌های انعطاف‌پذیری باشد که بتواند عملکردهای زیادی را انجام دهد.

استیونز می‌گوید: شما می‌توانید هر یک از این حوزه‌ها را به عنوان هدف مفهومی برای چیزی شبیه به یک مدل بنیادی مرزی در نظر بگیرید. این ایده که برای استنتاج ویژگی‌های پیشرفته و طراحی معکوس، مدلی است که تمام این حوزه‌های دیگر را در بر می‌گیرد، همانطور که ChatGPT یک مدل است.

در این راستا، وزارت انرژی به ایجاد مدل‌های بنیادی انعطاف‌پذیر امیدوار است که بتواند عملکردهای مختلفی را در یک زمینه علمی مشابه حل کند.

دیوید ترک، معاون وزیر انرژی، می‌گوید: تصور کنید ما یک مدل پایه هوش مصنوعی علوم پایه مانند ChatGPT برای زبان انگلیسی داشتیم – اما فیزیک و شیمی صحبت می‌کرد.

استیونز می‌گوید که با توجه به این واقعیت که اندازه پارامترهای مدل هوش مصنوعی در حال انفجار است، این انعطاف‌پذیری کاملاً ضروری است. Argonne در حال حاضر برای مدل‌های تریلیون پارامتری آماده می‌شود که به مقدار زیادی قدرت محاسباتی نیاز دارند.

استیونز می‌افزاید که اگر دانشمندی بخواهد یک مدل تریلیون پارامتری را روی ۲۰ تریلیون توکن داده با استفاده از ماشینی با دقت مخلوط ۱۰ اگزافلوپ آموزش دهد، تکمیل آن چندین ماه طول می‌کشد. این یک مانع بزرگ است که اکثر سازمان‌ها قادر به غلبه بر آن نیستند و به همین دلیل دانشمندان در حال حاضر برای بهبود کارایی کار می‌کنند. استیونز فشار به سمت مدل‌های کوچک‌تر با داده‌های با کیفیت بالا و همچنین پیچیدگی کمتر را راه‌حل ذکر کرد.

با این حال، یک نوآوری واقعا جالب که او در سخنرانی خود مطرح کرد، ظهور دستیاران هوش مصنوعی است.

پتانسیل دستیاران هوش مصنوعی

استیونز و دیگر دانشمندان سخت کار می‌کنند تا دستیارهای هوش مصنوعی را توسعه دهند تا بیشترین بهره را از ابزارهای هوش مصنوعی برای تحقیقات علمی ببرند. ایده این است که محققان این دستیاران هوش مصنوعی را متناسب با نوع خاصی از تحقیقات علمی که روی آن کار می‌کنند بسازند.

استیونز می‌گوید: این دستاورد ۲۴ ساعته و هفت روز هفته با شما کار می‌کند. می‌توانید آن را ایمیل کنید، پیامک بفرستید، ویدیو کنید، فریاد بزنید. دستورالعمل‌های سطح بالا را می‌گیرد و در جهت اهداف مشخص عمل می‌کند و آنچه را که می‌خواهید درک می‌کند. در صورت نیاز چک می‌کند، اما فقط به کار خود ادامه می‌دهد. و ما در تلاشیم تا بررسی کنیم که چگونه این ممکن است کار کند."

با چنین ایده مهیج و انقلابی، این سوال باقی می‌ماند که این فناوری تا چه اندازه با واقعیت فاصله دارد. در حالی که استیونز به پروژه‌ای به نام Astral اشاره کرد که روی این مشکل کار می‌کند، او به نکاتی اشاره کرد که در مورد قابلیت اعتماد در توسعه دستیاران هوش مصنوعی صحبت می‌کند.

استیونز مثالی را نشان داد که در آن از Chat-GPT4 خواست تا یک برنامه پایتون بنویسد تا به صورت عددی برای برخی معادلات Drift-Diffusion حل کند که بارها و نیمه‌هادی‌ها را مدل می‌کند - کاری که برای طراحی رایانه‌های آینده ضروری است.

Chat-GPT4 این دستورالعمل‌ها را دریافت کرد و یک کد پایتون را که اجرا می‌شود و به شما پاسخ می‌دهد، بیرون ریخت. اما استیونز یک سوال بسیار مهم پرسید - چه کسی می‌تواند آن را بررسی کند؟ واقعاً به چند انسان نیاز داریم تا بررسی کنیم که Chat-GPT پاسخ صحیح را داده است؟

دستیارهای هوش مصنوعی یک تغییر کامل بازی برای علم خواهند بود. با این حال، اگر نتوانیم به اطلاعاتی که از آنها دریافت می‌کنیم اعتماد کنیم، این ابزارها کاملاً بی‌فایده هستند. خوشبختانه، ابتکاراتی مانند FASST برای حل مشکلات اعتماد هوش مصنوعی سخت کار می‌کنند و امیدواریم دستیاران هوش مصنوعی را به واقعیت تبدیل کنند.

انتهای پیام/