چهار کشف بزرگ ۲۰۲۴ که تنها با کمک هوش مصنوعی محقق شدند
هوش مصنوعی در سال ۲۰۲۴ نقش تعیین‌کننده‌ای در چهار کشف علمی مهم ایفا کرد که بدون این تکنولوژی غیر‌ممکن به نظر می‌رسیدند. از رمزگشایی طومار‌های باستانی تا درک زبان نهنگ‌ها، کشف نقوش نازکا و پیش‌بینی ساختار پروتئین‌ها، هوش مصنوعی مرز‌های دانش انسانی را گسترش داد.
رمزگشایی طومار‌های هرکولانیوم با پرتو ایکس و هوش مصنوعی
هزاران طومار باستانی در سراسر جهان وجود دارند که باز کردن فیزیکی آن‌ها باعث تخریب و ناخوانا شدن می‌شود. طومار‌های هرکولانیوم تا به حال باز نشده بودند، اما محققان با ترکیب هوش مصنوعی و پرتو‌های ایکس با وضوح بالا، در سال ۲۰۲۳ موفق شدند بیش از ۲۰۰۰ کاراک‌تر از این طومار‌ها را رمزگشایی کنند. برنت سیلز، استاد علوم کامپیو‌تر دانشگاه کنتاکی که بیش از یک دهه روی این پروژه کار می‌کند، می‌گوید هوش مصنوعی به ما کمک می‌کند خوانایی جوهر را تقویت کنیم، بدون آسیب به طومار‌ها جوهر را متراکم و حروف ناخوانا را پررنگ سازد. محققان امیدوارند تا پایان ۲۰۲۴ نود درصد از چهار طومار اصلی رمزگشایی شوند. گمان می‌رود این طومار‌ها متعلق به خانه پدرزن ژولیوس سزار بوده و اطلاعات بی‌سابقه‌ای درباره روم و یونان باستان حاوی باشد.
تحلیل الگوی ارتباطی نهنگ‌ها در دریای کارائیب
محققان با کمک هوش مصنوعی توانستند نزدیک به ۹۰۰۰ توالی صدا ضبط شده از حدود ۶۰ نهنگ در دریای کارائیب را تجزیه و تحلیل کنند. اگرچه دانشمندان می‌دانند صدای نهنگ‌ها از نظر شدت، ریتم و طول متفاوت است، اما معنای این صدا‌ها برای انسان راز مانده بود. هوش مصنوعی الگو‌های صدایی را آشکار کرد که پیش از این نادیده گرفته می‌شدند. محققان اکنون بر روی آزمایش‌های تعاملی با نهنگ‌ها به همراه مشاهدات حرکتی تمرکز دارند تا نحو توالی صدا‌های گوناگون را کشف کنند. این رویکرد می‌تواند برای درک ارتباطات حیوانات دیگر نیز کاربرد یابد.
کشف ۳۰۳ نماد جدید نازکا در بیابان پرو
گروه‌ی از محققان به رهبری ماساتو ساکای، استاد باستان‌شناسی دانشگاه یاماگاتا ژاپن، یک مدل هوش مصنوعی تشخیص اشیا را با تصاویر با وضوح بالا از ۴۳۰ نماد نازکا که در سال ۲۰۲۰ نقشه‌برداری شده بودند، آموزش دادند. این مدل ۴۷۰۰۰ مکان بالقوه در منطقه‌ای مساحت ۶۲۹ کیلوم‌تر مربع را بررسی کرد و باستان‌شناسان ۱۳۰۹ مکان با پتانسیل بالا را شناسایی و رتبه‌بندی کردند. برای هر ۳۶ پیشن‌هادی مدل، یک نامزد امیدوارکننده یافت شد. آمینه جامباجانتسان، دانشمند داده، معتقد است هوش مصنوعی پتانسیل زیادی برای پشتیبانی از باستان‌شناسی در مناطق دورافتاده و خشن دارد، اگرچه مدل‌ها هنوز کاملا دقیق نیستند.
آلفافولد پیش‌بینی ساختار ۲۰۰ می‌لیون پروتئین
در سال ۲۰۱۸ ابزاری مبتنی بر هوش مصنوعی به نام آلفافولد، توسعه‌یافته توسط دمیس حسابیس و جانجامپر در لندن، انقلاب بزرگی در زیست‌شناسی ایجاد کرد. آخرین نسخه این پایگاه داده ساختار تقریبا همه ۲۰۰ می‌لیون پروتئین شناخته شده را از توالی اسید‌های آمینه پیش‌بینی می‌کند. این ابزار که مانند جستجوی گوگل عمل می‌کند، توسط حداقل دو می‌لیون محقق در سراسر جهان مورد استفاده قرار گرفته و پیشرفت در زیست‌شناسی بنیادی و پزشکی را تسریع کرده است. با وجود محدودیت‌ها در پیش‌بینی عواقب جهش‌های تازه در پروتئین‌ها، آلفافولد پرمخاطب‌ترین ابزار هوش مصنوعی در حوزه‌های زیستی-پزشکی است و یادگیری ماشین در حال تسریع کشف دارو‌های جدید، از جمله آنتی‌بیوتیک‌های موثر بر باک‌تری‌های مقاوم، می‌باشد.