AI rapidas sciencan malkovron: La sciencisto kiu neniam dormas

• Aŭtoro:
• Aŭtora nomo

  Quantumrun Foresight
• Decembro 12, 2023

Enrigarda resumo

AI, precipe platformoj kiel ChatGPT, signife akcelas sciencan malkovron aŭtomatigante datuman analizon kaj hipotezgeneradon. Ĝia kapablo prilabori vastajn kvantojn da sciencaj datumoj estas decida por progresigi kampojn kiel kemio kaj materiala scienco. AI ludis pivotan rolon en evoluigado de la vakcino COVID-19, ekzempligante ĝian kapablon por rapida, kunlabora esplorado. Investoj en "ekskalaj" superkomputiloj, kiel la projekto Frontier de la Usona Departemento de Energio, reliefigas la potencialon de AI por stiri sciencajn sukcesojn en sanservo kaj energio. Ĉi tiu integriĝo de AI en esploradon antaŭenigas multidisciplinan kunlaboron kaj rapidan hipoteztestadon, kvankam ĝi ankaŭ levas demandojn pri la etikaj kaj intelektaj proprietaj implicoj de AI kiel kunesploristo.

AI rapidigas sciencan malkovran kuntekston

Scienco, per si mem, estas krea procezo; esploristoj devas konstante vastigi siajn mensojn kaj perspektivojn por krei novajn medikamentojn, kemiajn aplikojn kaj industriajn novigojn ĝenerale. Tamen, la homa cerbo havas siajn limojn. Post ĉio, estas pli imageblaj molekulaj formoj ol atomoj en la universo. Neniu povas ekzameni ilin ĉiujn. Ĉi tiu bezono esplori kaj testi la senfinan diversecon de eblaj sciencaj eksperimentoj puŝis sciencistojn kontinue adopti novajn ilojn por vastigi siajn enketkapablojn - la plej nova ilo estas artefarita inteligenteco.
 
La uzo de AI en scienca malkovro estas pelita (2023) de profundaj neŭralaj retoj kaj generaj AI-kadroj kapablaj generi sciencan scion amase el ĉiu publikigita materialo pri specifa temo. Ekzemple, generaj AI-platformoj kiel ChatGPT povas analizi kaj sintezi vastajn kvantojn da scienca literaturo, helpante kemiistojn esplori novajn sintezajn sterkojn. AI-sistemoj povas ekzameni ampleksajn datumbazojn de patentoj, akademiaj artikoloj kaj publikaĵoj, formulante hipotezojn kaj gvidante esplordirekton.

Simile, AI povas uzi la datumojn kiujn ĝi analizas por elpensi originalajn hipotezojn por plivastigi la serĉon de novaj molekulaj dezajnoj, je skalo kiun individua sciencisto trovus neeble egali. Tiaj AI-iloj se kunligitaj kun estontaj kvantumkomputiloj kapablus rapide simuli novajn molekulojn por trakti ajnan precizigitan bezonon bazitan sur la plej promesplena teorio. La teorio tiam estos analizita uzante aŭtonomiajn laboratoriotestojn, kie alia algoritmo taksus la rezultojn, identigus interspacojn aŭ difektojn, kaj eltirus novajn informojn. Novaj demandoj ekestus, kaj tiel la procezo komenciĝus denove en virta ciklo. En tia scenaro, sciencistoj superrigardus kompleksajn sciencajn procezojn kaj iniciatojn anstataŭ individuaj eksperimentoj.

Disrompa efiko

Unu ekzemplo de kiel AI estis uzata por akceli sciencan malkovron estis la kreado de la vakcino COVID-19. Konsorcio de 87 organizoj, intervalantaj de akademiularo ĝis teknologiaj firmaoj, permesis al tutmondaj esploristoj aliri superkomputilojn (aparatoj kun altrapidaj komputikkapabloj, kiuj povas ruli ML-algoritmojn) por uzi AI por ekzameni ekzistantajn datumojn kaj studojn. La rezulto estas libera interŝanĝo de ideoj kaj eksperimentrezultoj, plena aliro al altnivela teknologio kaj pli rapida, pli preciza kunlaboro. Plue, federaciaj agentejoj realigas la potencialon de AI por rapide disvolvi novajn teknologiojn. Ekzemple, la Usona Departemento pri Energio (DOE) petis al la Kongreso buĝeton de ĝis 4 miliardoj USD dum 10 jaroj por investi en AI-teknologioj por akceli sciencajn malkovrojn. Ĉi tiuj investoj inkluzivas superkomputilojn "exascale" (kapablaj plenumi altajn volumojn de kalkuloj).

En majo 2022, DOE komisiis teknikan firmaon Hewlett Packard (HP) krei la plej rapidan eksalan superkomputilon, Frontier. Oni antaŭvidas, ke la superkomputilo solvi ML-kalkulojn ĝis 10 fojojn pli rapide ol la hodiaŭaj superkomputiloj kaj trovos solvojn al problemoj, kiuj estas 8 fojojn pli kompleksaj. La agentejo volas koncentriĝi pri malkovroj pri kancero kaj malsano-diagnozo, renovigebla energio kaj daŭrigeblaj materialoj. 

DOE financis multajn sciencajn esplorprojektojn, inkluzive de atomrompiloj kaj genarsekvencado, kio rezultigis la agentejon administrante masivajn datumbazojn. La agentejo esperas, ke ĉi tiuj datumoj iam povus rezultigi sukcesojn, kiuj povas antaŭenigi energian produktadon kaj sanservon, inter aliaj. De deduktado de novaj fizikaj leĝoj al novaj kemiaj komponaĵoj, AI/ML estas atendita fari la plej gravan laboron, kiu forprenus ambiguecojn kaj pliigus la ŝancojn de sukceso en scienca esplorado.

Implikoj de AI rapidanta sciencan malkovron

Pli larĝaj implicoj de AI rapidanta scienca eltrovaĵo povas inkluzivi: 

• Faciligante la rapidan integriĝon de scio trans malsamaj sciencaj disciplinoj, kreskigante novigajn solvojn al kompleksaj problemoj. Ĉi tiu avantaĝo instigus multidisciplinan kunlaboron, miksante komprenojn de kampoj kiel biologio, fiziko kaj komputiko.
• AI estas uzata kiel ĉiucela laboratorio-asistanto, analizante vastajn datumarojn multe pli rapide ol homoj, kondukante al pli rapida hipotezo-generado kaj validumado. Aŭtomatigo de rutinaj esploraj taskoj liberigos sciencistojn koncentriĝi pri kompleksaj problemoj kaj analizi testojn kaj eksperimentrezultojn.
• Esploristoj investas por doni kreemon al AI por evoluigi siajn proprajn demandojn kaj solvojn al sciencaj esploroj en diversaj studkampoj.
• Akceli spacan esploradon kiel AI helpos pri prilaborado de astronomiaj datumoj, identigado de ĉielaj objektoj kaj planado de misioj.
• Kelkaj sciencistoj insistantaj ke ilia AI-kolego aŭ kunesploristo devus ricevi intelektajn kopirajtojn kaj publikigkreditojn.
• Pli da federaciaj agentejoj investantaj en superkomputiloj, ebligante ĉiam pli pli altnivelajn esplorŝancojn por universitato, publika agentejo, kaj privatsektoraj scienclaboratorioj.
• Pli rapida disvolviĝo de drogoj kaj sukcesoj en materiala scienco, kemio kaj fiziko, kiuj povas konduki al senfina vario de estontaj novigoj.

Demandoj por komenti

• Se vi estas sciencisto aŭ esploristo, kiel via organizo uzas AI en esplorado?
• Kio estas la eblaj riskoj havi AI kiel kunesploristoj?