۹ اقدام انقلابی هوش مصنوعی گوگل، در علم

در چند سال گذشته، پیشرفت‌ها در زمینه‌های نوین، مانند هوش مصنوعی و محاسبات کوانتومی، به طور چشمگیری سرعت اکتشافات علمی را تسریع کرده است. این پیشرفت‌ها بر اساس دهه‌ها همکاری بین محققان، فناوران، سیاست‌گذاران، سازمان‌های مدنی و بسیاری از افراد در سراسر دنیا ایجاد محقق شده است و مقصود این پیشرفت‌ها، به کارگیری هوش مصنوعی در علم برای بهبود کیفیت زندگی انسان بوده و است.

گوگل یکی از غول‌های فناوری است که در راستای استفاده هوش مصنوعی در علم گام برداشته است؛ در ادامه این گزارش به پیشرفت‌هایی که هوش مصنوعی گوگل در علم داشته است، می‌پردازیم:

شکستن «چالش بزرگ» ۵۰ ساله پیش‌بینی ساختار پروتئین

ابهام‌زدایی از تاخوردگی پروتئین را به عنوان یک «چالش بزرگ» برای دهه‌ها بوده. در سال ۲۰۲۲، Google DeepMind  موفق شد ساختارهای پیش‌بینی‌شده ۲۰۰ میلیون پروتئین را با کمک مدل AlphaFold 2 خود پیش‌بینی کند و آن را به اشتراک بگذارد.

 پیش از این، تعیین ساختار سه بعدی یک پروتئین منفرد معمولاً یک سال یا بیشتر زمان می‌برد اما AlphaFold می‌تواند این اشکال را با دقت قابل توجهی در چند دقیقه پیش‌بینی کند. این کشف با انتشار رایگان آن در یک پایگاه‌داده همراه شد تا دانشمندان در سراسر جهان این امکان را داشته باشند از آن در جهت توسعه داروهای جدید، مبارزه با مقاومت آنتی‌بیوتیکی و مقابله با آلودگی پلاستیکی استفاده کنند.

نمایش مغز انسان با جزئیات بی‌سابقه برای حمایت از تحقیقات بهداشتی

از نظر پر رمز و راز بودن، قطعاً مغز انسان رتبه نخست را به خود اختصاص می‌دهد؛ گوگل که بیش از ۱۰ سال تحقیقات مربوط به کانکتومیک را توسعه داده است، با دیگران، از جمله آزمایشگاه لیختمن در هاروارد، همکاری کرد تا یک قطعه کوچک از مغز انسان را به سطحی از جزئیات ترسیم کند که قبلاً هرگز به آن دست نیافته بود.

این پروژه که در سال ۲۰۲۴ منتشر شد، ساختارهایی را که قبلاً هرگز دیده نشده بود در مغز انسان آشکار کرد و مجموعه‌داده‌های کاملی، از جمله حاشیه نویسی‌های ایجاد شده توسط هوش مصنوعی برای هر سلول، برای کمک به تسریع تحقیقات را در دسترس عموم قرار داد.

نجات زندگی با پیش بینی دقیق سیل

زمانی که پروژه پیش‌بینی سیل گوگل در سال ۲۰۱۸ آغاز شد، بسیاری بر این باور بودند که با توجه به کمیاب بودن داده‌ها، امکان پیش‌بینی دقیق سیل در مقیاس بزرگ وجود ندارد.

اما محققان گول توانستند یک مدل هوش مصنوعی دقیق در این راستا تولید کنند؛ در سال ۲۰۲۴، Google Research، گستره پوشش این مدل هوش مصنوعی را به ۱۰۰ کشور و ۷۰۰ میلیون نفر در سراسر جهان افزایش داد و موفق شد دقت مدل هوش مصنوعی را بهبود بخشید.

تشخیص زودهنگام آتش سوزی برای کمک به آتش نشانان

آتش‌سوزی‌های جنگل‌ها به دلیل آب و هوای گرم و خشک، می‌تواند تاثیرات عمیقی بر جمعیت زمین داشته باشد. در سال ۲۰۲۴، Google Research  با همکاری «سازمان جنگل ایالات متحده» برای توسعه FireSat، یک مدل هوش مصنوعی و منظومه ماهواره‌ای جهانی را توسعه دادند  که به طور خاص برای شناسایی و ردیابی آتش‌سوزی‌های در جنگل‌ها آموزش دیده و طراحی شده. این سیستم قادر خواهد بود آتش سوزی‌هایی به اندازه یک کلاس درس را در جنگ‌های کره زمین شناسایی کند.

این اقدام به مقامات آتش نشانی اجازه می‌دهد تا سریع‌تر واکنش نشان دهند و به طور بالقوه جان، اموال و منابع طبیعی را نجات دهند.

پیش بینی آب و هوا سریع‌تر و با دقت بیشتر

در سال ۲۰۲۳، Google DeepMind  مدل GraphCast را راه‌اندازی، یک مدل تحقیقاتی یادگیری ماشینی که شرایط آب و هوایی را تا ۱۰ روز با دقت و سرعت بسیار بیشتری نسبت به سیستم شبیه‌سازی آب و هوای استاندارد طلایی صنعت (HRES) پیش‌بینی می‌کند. این مدل همچنین می‌تواند مسیر طوفان‌ها را با دقت بیشتری پیش‌بینی کند.

 پیشبرد مرز استدلال ریاضی

هوش مصنوعی به دلیل کمبود داده‌ها و مهارت‌های استدلال همیشه با ریاضیات پیچیده دست و پنجه نرم کرده است. سپس، در سال ۲۰۲۴، گوگل DeepMind AlphaGeometry  را معرفی کرد، یک سیستم هوش مصنوعی که مشکلات هندسی پیچیده را در سطحی که به مدال طلای المپیاد انسانی نزدیک می‌شد حل می‌کرد.

استفاده از محاسبات کوانتومی برای پیش بینی دقیق واکنش شیمیایی و سینتیک

محققان گوگل توانستند بزرگ‌ترین شبیه سازی‌های شیمی تا به امروز را روی یک کامپیوتر کوانتومی انجام دهند. نتایج که در سال ۲۰۲۲ منتشر شد، نه تنها با روش‌های کلاسیک قابل رقابت بود، بلکه به کاهش خطای سنگینی که معمولاً با محاسبات کوانتومی مرتبط است، همراه شد.

توانایی انجام این شبیه‌سازی‌ها، پیش‌بینی‌های دقیق‌تری از واکنش‌پذیری شیمیایی و سینتیک ارائه می‌دهد، که روشی برای استفاده از شیمی برای کمک به حل چالش‌های دنیای واقعی است.

تسریع علم مواد و پتانسیل برای سلول‌های خورشیدی پایدارتر، باتری‌ها و ابررساناها

در سال ۲۰۲۳، Google DeepMind شبکه‌های گراف برای اکتشاف مو اد را معرفی کرد، ابزار هوش مصنوعی جدیدی که طبق شبیه‌سازی‌ها تاکنون ۳۸۰۰۰۰ ماده را کشف کرده است که در دماهای پایین پایدار هستند.

در زمانی که جهان ما به دنبال رویکردهای جدید در زمینه انرژی، قدرت پردازش و علم مواد است، این کار می‌تواند راه را برای سلول‌های خورشیدی، باتری‌ها و ابررساناهای بالقوه بهتر هموار کند.

برداشتن گامی معنادار به سوی همجوشی هسته‌ای و انرژی پاک فراوان

در سال ۲۰۲۲، Google DeepMind اعلام کرد که هوش مصنوعی آن، می‌تواند پلاسمای داخل یک راکتور همجوشی هسته‌ای را به طور مستقل کنترل کند. Google DeepMind با همکاری مرکز پلاسما سوئیس در EPFL، اولین سیستمی را ساخت که قادر به تثبیت و شکل دهی مستقل پلاسما در یک راکتور همجوشی عملیاتی است و گامی حیاتی به سمت همجوشی پایدار و انرژی پاک فراوان برای همه برداشت.