راهنمای کلیدی نیو ساینتیست: انقلاب هوش مصنوعی
غلبه بر چالشهای علمی
سید محمدجواد فیاض- ۲۶ بهمن ۱۴۰۴
هوش مصنوعی دهههاست که بیسروصدا به ما در حل بسیاری از بزرگترین مسائل علمی کمک میکند. نسل کنونی الگوریتمها به شرکتها کمک میکنند تا با نوآوریهایی که پتانسیل تغییر جهان را دارند دستوپنجه نرم کنند؛ از تاخوردگی پروتئین و توسعه دارو گرفته تا همجوشی هستهای تجاری و مقرونبهصرفه.
DeepMind یکی از شرکتهایی است که همیشه در حل مسائل دنیای واقعی از خود استعداد نشان داده است. یکی از شگفتانگیزترین دستاوردهای DeepMind در زمینه تاخوردگی پروتئین است. تعیین شکلهای درهمپیچیده پروتئینها بر اساس توالی آمینواسیدهای سازنده آنها، برای دههها چالشی لاینحل بود که پژوهشگران اغلب سالها وقت صرف میکردند تا تنها یکی از آنها را حل کنند.DeepMind در سال ۲۰۲۲ با اعلام اینکه ساختار تقریباً تمام پروتئینهای شناختهشده برای علم را تنها در ۱۸ ماه پیشبینی کرده است، زیستشناسی را دگرگون کرد. این تیم مدل هوش مصنوعی خود به نام AlphaFold را با دادههای مربوط به شکلهای پروتئینی شناختهشده آموزش داده و این هوش مصنوعی یاد گرفت که پروتئینهای ناشناخته چه شکلی خواهند داشت.
کاربردهای پزشکی و محیطزیستی پیشبینی ساختار پروتئین
این دادهها هماکنون به پژوهشگران کمک میکند تا در همه چیز، از درمانهای جدید برای مالاریا گرفته تا خلق آنزیمهایی که میتوانند زبالههای پلاستیکی را تجزیه کنند، پیشرفت کنند. «پوشمیت کوهلی» (Pushmeet Kohli) یکی از اعضا DeepMind میگوید: «فراتر از پیشبینی ساختار پروتئین، کارهای بیشتری برای انجامدادن وجود دارد؛ مانند نقشهبرداری از دینامیک پروتئین، شتاب بخشیدن به طراحی پروتئین و درک اثر جهشهای پروتئینی از جمله جهشهایی که با بیماریهایی مانند سرطان مرتبط هستند.»
ورود هوش مصنوعی به عرصه توسعه دارو
هوش مصنوعی همچنین در حال ورود به مسائل مرتبط با توسعه دارو است. این فرایند شامل جمعآوری و تحلیل انواع پراکنده و متفاوت دادهها از آزمایشهای آزمایشگاهی، شبیهسازیهای رایانهای، اسکنها، کارآزماییهای بالینی و سوابق سلامت است. این روزها، رساندن داروهای جدید به بیماران زمانبرتر و پرهزینهتر از همیشه شده است، شاید به این دلیل که گزینههای آسانتر قبلاً استفاده شدهاند و مقررات افزایش یافته است. اما «کنراد بسانت» (Conrad Bessant) از دانشگاه Queen Mary عنوان میکند که در حال حاضر چندین پروژه از هوش مصنوعی برای خودکارسازی بخشهایی از این فرایند استفاده میکنند؛ کارهایی مانند گرفتن مجموعهدادههای بزرگ و نامرتب و سازماندهی آنها به شیوهای که تحلیل را آسانتر کند یا استفاده از هوش مصنوعی برای نوشتن کدهایی که این کار را انجام دهند. پژوهشگران همچنین از هوش مصنوعی مولد برای تولید ساختارهای مولکولی استفاده میکنند که فکر میکنند در هدف قراردادن بیماریهای خاص مفید خواهند بود.
نقش هوش مصنوعی در مبارزه با تغییرات اقلیمی
در سمتی دیگر، تلاشهای ما برای مبارزه با یکی از بزرگترین مشکلات جهان یعنی تغییرات اقلیمی نیز کمکهایی گرفتهاند. در این سمت، هوش مصنوعی برای ساخت خودروها، رایانهها و حتی توربینهای بادی با بهرهوری انرژی بیشتر استفاده میشود. پژوهشگران در مؤسسه پلیتکنیک پاریس در پروژهای از هوش مصنوعی استفاده کردند تا اطمینان حاصل شود که توربینها بیشتر اوقات در جهت باد قرار میگیرند که خروجی را تا ۰.۳ درصد افزایش داد. این رقم ممکن است ناچیز به نظر برسد، اما اگر در سطح جهانی اجرا شود، میتواند برای تأمین برق معادل ۱.۷ میلیون خانه در بریتانیا کافی باشد.
بهینهسازی وظایف محاسباتی و کاهش آلایندگی دیجیتال
DeepMind همچنین مدل هوش مصنوعیای توسعه داده است تا وظایف محاسباتی استاندارد مانند ضرب ماتریسی را بهبود دهد که آن را تا ۲۰ درصد تقویت کرد و الگوریتمهای مرتبسازی (Sorting) را تا ۷۰ درصد سرعت بخشید. هر دوی این وظایف روزانه تریلیونها بار در رایانههای سراسر جهان انجام میشوند. در مجموع، این گامهای بهظاهر کوچک، با کاهش انتشار گازهای گلخانهای ناشی از محاسبات، سهم قابلتوجهی در کمک به ما برای حرکت به سمت «آلایندگی خالص صفر» دارند.
در همین حال، شرکت متا از هوش مصنوعی برای توسعه فرایندی جهت تولید بتن استفاده کرده است که ۴۰ درصد کربن کمتری منتشر میکند. ازآنجاکه بتن مسئول تا ۸ درصد از انتشار کربن جهانی است، چنین اتفاقی میتواند کمکی بزرگی در مبارزه ما علیه تغییرات اقلیمی باشد.
چالش بزرگ همجوشی هستهای؛ امید به آینده با هوش مصنوعی
در نهایت به همجوشی هستهای میرسیم. پژوهشگران دهههاست که تلاش میکنند یک نیروگاه همجوشی هستهای کارآمد و مطمئن طراحی کنند و بسازند؛ با این وعده که یک پیشرفت بزرگ بهقدری انرژی را ارزان خواهد کرد که میتوان آن را رایگان توزیع کرد. اما این کار بسیار چالشبرانگیز است؛ آنقدر که ضربالمثلی هم برای آن وجود دارد: «انرژی همجوشی فقط ۳۰ سال با ما فاصله دارد و همیشه همینطور خواهد ماند.»
در داخل یک رآکتور همجوشی «توکامک» (Tokamak)، چندین سیمپیچ مغناطیسی کار میکنند تا پلاسما که حتی داغتر از هر بخشی از خورشید است را بهصورت ایمن مهار کنند. کنترل دقیق و سریع چندین سیمپیچ برای فشردهسازی پلاسما به یکشکل محدود و ایمن نگهداشتن آن از تماس فاجعهبار با دیوارههای دستگاه، به طرز دیوانهکنندهای دشوار است.
هوش مصنوعی در واقع مشکل را حل نکرده است، اما دارد کمک میکند. پژوهشگران در DeepMind و مؤسسه فدرال فناوری سوئیس، یک شبکه عصبی طراحی کردند که قادر به کنترل ۱۹ سیمپیچ مغناطیسی بود. این هوش مصنوعی همچنین قادر بود پلاسما را در یک توکامک به اشکال مختلف و بهدلخواه شکلدهی کند. «لی مارگتس» (Lee Margetts) از دانشگاه منچستر اعتقاد دارد که رآکتورهای همجوشی در حال حاضر یک مفهوم اثباتشده هستند و هوش مصنوعی میتواند نقطه عطفی برای تبدیل نهایی آنها به واقعیت باشد.
