„Diskusijose apie dirbtinį intelektą (AI) daugiausia dėmesio skiriama galimiems jo pavojams: algoritminiam šališkumui ir diskriminacijai, masiniam darbo vietų naikinimui ir netgi, kai kurių nuomone, žmonijos išnykimui. Kai kurie stebėtojai nerimauja dėl šių distopinių scenarijų, tačiau kiti sutelkia dėmesį į galimą atlygį. AI, jų teigimu, galėtų padėti žmonijai išspręsti kai kurias didžiausias ir sudėtingiausias problemas. Ir, anot jų, ai tai padarys labai specifiniu būdu: radikaliai paspartins mokslinių atradimų tempą, ypač tam tikrose srityse, tokiose, kaip medicina, klimato mokslas ir žaliosios technologijos. Tokie šios srities šviesuoliai, kaip Demisas Hassabis ir Yann LeCun tiki, kad dirbtinis intelektas gali paskatinti mokslo pažangą ir sukelti atradimų aukso amžių. Ar jie teisūs?
Tokius teiginius verta išnagrinėti ir jie gali būti naudinga atsvara baimei dėl didelio nedarbo ir robotų žudikų. Daugelis ankstesnių technologijų, žinoma, buvo klaidingai įvardintos, kaip panacėja. Elektrinis telegrafas XX amžiaus šeštajame dešimtmetyje buvo giriamas, kaip pasaulinės taikos šauklys, kaip ir orlaiviai 1900-aisiais; dešimtojo dešimtmečio ekspertai teigė, kad internetas sumažins nelygybę ir išnaikins nacionalizmą. Tačiau mechanizmas, kuriuo AI tariamai išspręs pasaulio problemas, turi tvirtesnį istorinį pagrindą, nes istorijoje buvo keli laikotarpiai, kai nauji metodai ir naujos priemonės iš tiesų padėjo sukelti pasaulį keičiančių mokslinių atradimų ir naujovių pliūpsnius.
XVII amžiuje mikroskopai ir teleskopai atvėrė naujas atradimų galimybes ir paskatino tyrėjus teikti pirmenybę savo pačių stebėjimams, o ne gautai antikos išminčiai, o mokslo žurnalų pristatymas suteikė jiems naujų būdų dalytis ir viešinti savo atradimus. Rezultatas buvo sparti astronomijos, fizikos ir kitų sričių pažanga bei nauji išradimai nuo švytuoklinio laikrodžio iki garo variklio – pagrindinio pramonės revoliucijos varikliuko.
Vėliau, pradedant XIX amžiaus pabaiga, įkurtos mokslinių tyrimų laboratorijos, kurios pramoniniu mastu sujungdavo idėjas, žmones ir medžiagas, paskatino tolesnes naujoves, tokias, kaip dirbtinės trąšos, vaistai ir tranzistorius – kompiuterio statybinė dalis. Nuo XX amžiaus vidurio kompiuteriai savo ruožtu įgalino naujas mokslo formas, pagrįstas modeliavimu, nuo ginklų ir orlaivių projektavimo iki tikslesnių orų prognozių.
O kompiuterių revoliucija gal dar nesibaigė. Kaip pranešame specialiame mokslo skyriuje , dirbtinio intelekto įrankiai ir metodai dabar taikomi beveik visose mokslo srityse, nors pritaikymo laipsnis labai skiriasi: pavyzdžiui, 7,2 % fizikos ir astronomijos straipsnių, paskelbtų 2022 m., buvo susiję su dirbtiniu intelektu, veterinarijos moksle – 1,4 proc. AI naudojamas įvairiais būdais. Jis gali nustatyti perspektyvius kandidatus analizei, pvz., molekules, turinčias tam tikrų savybių vaistų atradimui, arba medžiagas, kurių charakteristikos reikalingos akumuliatoriams ar saulės elementams. Jis gali perskaityti krūvas duomenų, pavyzdžiui, gautus dalelių greitintuvuose arba robotiniuose teleskopuose, ieškodamas modelių. AI gali modeliuoti ir analizuoti dar sudėtingesnes sistemas, tokias, kaip baltymų susilankstymas ir galaktikų susidarymas. AI įrankiai, be kita ko, buvo naudojami naujiems antibiotikams identifikuoti, Higso bozonui atskleisti ir regioniniams akcentams tarp vilkų nustatyti.
Visa tai sveikintina. Tačiau žurnalas ir laboratorija žengė dar toliau: jie pakeitė pačią mokslinę praktiką ir atrakino galingesnes priemones atradimams, leisdami žmonėms ir idėjoms susilieti naujais būdais ir didesniu mastu. AI taip pat gali pradėti tokią transformaciją.
Dvi sritys atrodo daug žadančios. Pirmasis yra „literatūra pagrįstas atradimas“ (LBD), kuris apima esamos mokslinės literatūros analizę, naudojant ChatGPT stiliaus kalbos analizę, siekiant ieškoti naujų hipotezių, sąsajų ar idėjų, kurių žmonės galėjo nepastebėti. LBD rodo pažadą identifikuoti naujus eksperimentus ir netgi siūlyti potencialius bendradarbius. Tai galėtų paskatinti tarpdisciplininį darbą ir skatinti naujoves tarp sričių. LBD sistemos taip pat gali nustatyti „akląsias dėmes“ tam tikroje srityje ir netgi numatyti būsimus atradimus ir kas juos padarys.
Antroji sritis – „mokslininkai robotai“, dar vadinami „savarankiškomis laboratorijomis“. Tai yra robotų sistemos, kurios naudoja dirbtinį intelektą naujoms hipotezėms, pagrįstoms esamų duomenų ir literatūros analize, sudaryti, o vėliau tas hipotezes patikrina, atlikdamos šimtus ar tūkstančius eksperimentų tokiose srityse, kaip sistemų biologija ir medžiagų mokslas. Skirtingai, nei žmonės mokslininkai, robotai yra mažiau prisirišę prie ankstesnių rezultatų, mažiau skatinami šališkumo ir, svarbiausia, rezultatus lengva atkartoti. Jie galėtų išplėsti eksperimentinius tyrimus, sukurti netikėtas teorijas ir ištirti būdus, kurių žmonių tyrėjai, galbūt, nesvarstė.
Idėja, kad AI gali pakeisti mokslą todėl įmanoma. Tačiau pagrindinė kliūtis yra sociologinė: tai gali įvykti tik tuo atveju, jei žmonės mokslininkai nori ir sugeba naudoti tokias priemones. Daugeliui trūksta įgūdžių ir apmokymo; kai kurie nerimauja, kad bus atleisti iš darbo. Laimei, yra viltingų ženklų. Dabar dirbtinio intelekto įrankius stumia ne tik dirbtinio intelekto tyrinėtojai, o ir kitų sričių specialistai.
Vyriausybės ir finansuojančios institucijos galėtų padėti ragindamos plačiau taikyti bendrus standartus, kad dirbtinio intelekto sistemos galėtų keistis ir interpretuoti laboratorinių tyrimų rezultatus ir kitus duomenis. Jie taip pat galėtų finansuoti daugiau mokslinių tyrimų, susijusių su AI išmaniųjų sistemų integravimu su laboratorine robotika ir AI formomis, ne tik privačiame sektoriuje, kuriame beveik visi lustai yra skirti kalbinėms sistemoms, tokioms, kaip ChatGPT. Mažiau madingos AI formos, pvz., modeliu pagrįstas mašininis mokymasis, gali būti geriau pritaikytos mokslinėms užduotims, tokioms kaip hipotezių formavimas.
Dirbtinės medžiagos pridėjimas
1665 m., sparčios mokslo pažangos laikotarpiu, anglų polimatas Robertas Hukas naujų mokslinių instrumentų, tokių, kaip mikroskopas ir teleskopas, atsiradimą apibūdino, kaip „dirbtinių organų papildymą natūraliais“. Jie leidžia tyrinėtojams tyrinėti, anksčiau nepasiekiamas, sritis ir atrasti dalykus naujais būdais, „su nepaprasta nauda visoms naudingoms žinioms“. Šiuolaikiniams Hooke'o įpėdiniams dirbtinio intelekto įtraukimas į mokslo priemonių rinkinį yra pasirengęs padaryti tą patį ateinančiais metais, o rezultatai ir vėl keis pasaulį." [1]
1. "How artificial intelligence can revolutionise science." The Economist, 14 Sept. 2023, p. NA.
Komentarų nėra:
Rašyti komentarą