چهار کشف مهم سال ۲۰۲۴ که تنها به لطف هوش مصنوعی ممکن شدند_صبح سریع

در سراسر جهان هزاران طومار باستانی وجود دارند که اگر فردی بخواهد آنها را باز کند، کاملاً متلاشی و ناخوانا خواهند شد. طومار‌های هرکولانیوم تا به کنون باز نشده باقی مانده‌اند، اما به لطف هوش مصنوعی، محتوای آنها اکنون در دسترس دانشمندان و باستان شناسان است. سه محقق با منفعت گیری از هوش مصنوعی و پرتو‌های ایکس با وضوح بالا، در سال ۲۰۲۳ بیشتر از ۲۰۰۰ کاراکتر از این طومار‌ها را رمزگشایی کردند. گمان می‌رود این طومار‌ها مطعلق به خانه پدر زن ژولیوس سزار باشند و شامل مجموعه بی سابقه‌ای از اطلاعات درمورد روم و یونان باستان خواهد شد. دانشمندان علوم کامپیوتر رقابتی را برای تسریع فرآیند رمزگشایی این طومار‌ها طراحی کرده‌اند و امیدوارند که ۹۰ درصد از چهار طومار تا آخر سال ۲۰۲۴ رمزگشایی شوند.

برنت سیلز، استاد علوم کامپیوتر در دانشگاه کنتاکی که بیشتر از یک دهه است بر رمزگشایی این طومار‌ها کار می‌کند، او گفت: «هوش مصنوعی به ما پشتیبانی می‌کند تا خوانایی جوهر را تحکیم کنیم. هوش مصنوعی بدون صدمه زدن به طومار‌ها می‌تواند جوهر را تقطیر و متراکم کند و حروف ناخوانا را پر رنگ کند.» این پروژه یکی از مثالهای قانع‌کننده از کاربرد رو به رشد هوش مصنوعی در اکتشافات علمی است. سیلز این چنین گفت: «من به هوش مصنوعی به گفتن نوعی ابرقدرت فکر می‌کنم که شما را قادر می‌سازد چیز‌هایی را در داده‌ها ببینید که با چشم انسان قادر به دیدن آنها نیستید.» هوش مصنوعی این چنین فهمیدن دانشمندان را از نحوه ربط حیوانات در اعماق اقیانوس ارتقا داده است، به باستان‌شناسان پشتیبانی می‌کند مکان‌های جدیدی را در زمین‌های دورافتاده اشکار کنند و حل برخی از بزرگترین چالش‌های زیست شناسی را ممکن کرده است.

محققان می‌دانند صدا‌هایی که توسط نهنگ‌ها تشکیل می‌شود از نظر شدت، ریتم و طول متفاوت است، اما آنچه که حیوانات با این صدا‌ها می‌گویند برای گوش انسان یک راز باقی مانده است. با این حال، هوش مصنوعی به دانشمندان پشتیبانی کرده است تا نزدیک به ۹۰۰۰ توالی صدا ضبط شده را تجزیه و تحلیل کنند که صدای تقریباً ۶۰ نهنگ در دریای کارائیب مشخص می کند. این پژوهش امکان پذیر روزی ربط انسان با حیوانات دریایی را ممکن کند. دانشمندان زمان و بسیاری صدا‌ها در سخن بگویید‌های نهنگ‌های منفرد، در گروه‌های همخوانی و در تبادل تماس و جواب بین آنها را بازدید کردند. با پشتیبانی هوش مصنوعی، الگو‌های صدایی که پیش از این نادیده گرفته می‌شدند، ظاهر شدند. یقیناً در حالی که هوش مصنوعی در شناسایی الگو‌ها ماهر است، معنی این صدا‌ها را روشن نمی‌کند. قدم بعدی این مطالعه، آزمایش تعاملی با نهنگ‌ها، همراه با مشاهدات حرکت نهنگ‌ها است که می‌تواند قسمت مهمی از کشف نحو توالی صدا‌های گوناگون تشکیل شده توسط نهنگ‌ها باشد. این رویکرد می‌تواند برای صدا‌های حیوانات دیگر نیز اعمال شود.

در همین حال، در خشکی، هوش مصنوعی اکنون در جستجوی خطوط و نماد‌های مرموز حک شده در زمین غبارآلود صحرای نازکا پرو است که باستان شناسان نزدیک به یک قرن را صرف کشف و مستندسازی آن کرده‌اند. این خطوط پراکنده زیاد تر فقط از بالا قابل مشاهده می باشند و مطرح‌های هندسی، پیکره‌های انسان‌همانند و حتی شمایل یک نهنگ قاتل را به عکس کشیده‌اند. گروهی از محققان به سرپرستی ماساتو ساکای، استاد باستان‌شناسی در دانشگاه یاماگاتا ژاپن، یک مدل هوش مصنوعی تشخیص اشیا را با تصاویری با وضوح بالا از ۴۳۰ نماد نازکا که در سال ۲۰۲۰ نقشه‌برداری شده‌اند، آموزش داده‌اند. این تیم دقت مدل خود را در صحرای نازکا، بازدید مکان‌های امیدوارکننده با پای پیاده و با منفعت گیری از پهپاد‌ها آزمایش کردند. این هوش مصنوعی ۴۷۰۰۰ مکان بالقوه از منطقه بیابانی را نظر کرد که ۶۲۹ کیلومتر مربع را پوشش می‌دهد. تیمی از باستان شناسان این پیشنهادات را غربال و رتبه بندی کردند و ۱۳۰۹ مکان با پتانسیل بالا را شناسایی کردند. بر پایه این مطالعه، برای هر ۳۶ نظر اراعه شده توسط مدل هوش مصنوعی، محققان یک نامزد امیدوارکننده را شناسایی کردند.

آمینه جامباجانتسان، محقق و دانشمند داده، او گفت: «هوش مصنوعی این پتانسیل را دارد که پشتیبانی بسیاری به باستان‌شناسی، به‌اختصاصی در زمین‌های دورافتاده و خشن همانند بیابان‌ها داشته باشد، اگرچه مدل‌ها تا این مدت کاملاً دقیق نیستند.» جامباجانتسان در تحقیقات نازکا شرکت نداشت، اما از یک مدل هوش مصنوعی برای شناسایی تپه‌های تدفین در مغولستان بر پایه تصاویر ماهواره‌ای منفعت گیری می‌کند. جامباجانتسان افزود: «مشکل این است که باستان شناسان نمی‌دانند چطور یک مدل یادگیری ماشین بسازند و دانشمندان داده طبق معمولً علاقه‌ای به باستان شناسی ندارند، چون می‌توانند در عرصه‌های دیگر پول بیشتری به دست آورند.»

مدل‌های هوش مصنوعی این چنین به محققان در فهمیدن زندگی در کوچک‌ترین مقیاس پشتیبانی می‌کنند: رشته‌هایی از مولکول‌ها که پروتئین‌ها را راه اندازی خواهند داد یا همان بلوک‌های سازنده حیات. در حالی که پروتئین‌ها تنها از نزدیک به ۲۰ اسید آمینه ساخته خواهد شد، می‌توانند به راه حلهای تقریباً بی‌پایانی ترکیب شوند و خود را به شکل الگو‌های زیاد پیچیده در فضای سه‌بعدی جمع شوند. این مواد به راه اندازی سلول‌های مو، پوست و بافت پشتیبانی می‌کنند. آنها دی ان‌ای را می‌خوانند، کپی و ترمیم می‌کنند و به حمل اکسیژن در خون پشتیبانی می‌کنند. برای دهه‌ها، رمزگشایی این ساختار‌های سه‌بعدی یک تلاش چالش‌برانگیز و زمان‌بر بوده است که شامل منفعت گیری از آزمایش‌های پیچیده و تکنیکی به نام کریستالوگرافی اشعه ایکس است.

با این حال، در سال ۲۰۱۸ یک ابزار مبتنی بر هوش مصنوعی به صحنه آمد. آخرین نسخه از پایگاه داده ساختار پروتئین آلفا فولد که توسط دمیس حسابیس و جان جامپر در لندن گسترش یافته است، ساختار تقریباً همه ۲۰۰ میلیون پروتئین شناخته شده از توالی اسید‌های آمینه را پیش بینی می‌کند. این پایگاه داده که با همه توالی‌های اسید آمینه شناخته شده و ساختار‌های پروتئینی به طور تجربی تعیین شده آموزش دیده است، همانند جستجوی گوگل عمل می‌کند. این هوش مصنوعی با لمس یک دکمه به مدل‌های پیش‌بینی‌شده پروتئین‌ها دسترسی اشکار می‌کند و پیشرفت در زیست‌شناسی بنیادی و دیگر عرصه‌های مرتبط از جمله پزشکی را تسریع می‌کند. این ابزار توسط حداقل ۲ میلیون محقق در سراسر جهان منفعت گیری شده است.

یقیناً این ابزار محدودیت‌هایی نیز دارد. کوششها برای اعمال آلفا فولد بر روی پروتئین‌های مبتنی بر توالی‌های جهش‌یافته، از جمله توالی مرتبط با سرطان پستان اولیه، قبول کرده‌اند که این نرم‌افزار برای پیش‌بینی عواقب جهش‌های تازه در پروتئین‌ها تجهیزنیست. آلفا فولد تنها پرمخاطب‌ترین ابزار هوش مصنوعی است که در عرصه‌های زیست پزشکی به کار گرفته شده است. یادگیری ماشینی در حال تسریع کوششها برای جمع‌آوری هر نوع سلول در بدن انسان و کشف مولکول‌هایی است که به دارو‌های تازه تبدیل خواهد شد، از جمله نوعی آنتی‌بیوتیک که امکان پذیر علیه باکتری‌های مقاوم به دارو‌ها عمل کند.