AI fremskynder vitenskapelig oppdagelse: Forskeren som aldri sover

• Forfatter:
• forfatternavn

  Quantumrun Foresight
• Desember 12, 2023

Oppsummering av innsikt

AI, spesielt plattformer som ChatGPT, akselererer betydelig vitenskapelig oppdagelse ved å automatisere dataanalyse og hypotesegenerering. Dens evne til å behandle enorme mengder vitenskapelige data er avgjørende for å fremme felt som kjemi og materialvitenskap. AI spilte en sentral rolle i utviklingen av COVID-19-vaksinen, og eksemplifiserte dens kapasitet for rask, samarbeidende forskning. Investeringer i "exascale" superdatamaskiner, som det amerikanske energidepartementets Frontier-prosjekt, fremhever AIs potensiale for å drive vitenskapelige gjennombrudd innen helsevesen og energi. Denne integreringen av AI i forskning fremmer tverrfaglig samarbeid og rask hypotesetesting, selv om den også reiser spørsmål om de etiske og immaterielle implikasjonene av AI som medforsker.

AI setter fart på vitenskapelig oppdagelseskontekst

Vitenskap, i seg selv, er en kreativ prosess; forskere må hele tiden utvide sine sinn og perspektiver for å skape nye medisiner, kjemiske applikasjoner og industriinnovasjoner for øvrig. Imidlertid har den menneskelige hjernen sine grenser. Tross alt er det flere tenkelige molekylformer enn det er atomer i universet. Ingen kan undersøke dem alle. Dette behovet for å utforske og teste det uendelige mangfoldet av mulige vitenskapelige eksperimenter har presset forskere til kontinuerlig å ta i bruk nye verktøy for å utvide sine etterforskningsevner – det siste verktøyet er kunstig intelligens.
 
Bruken av AI i vitenskapelig oppdagelse drives (2023) av dype nevrale nettverk og generative AI-rammeverk som er i stand til å generere vitenskapelig kunnskap i bulk fra alt publisert materiale om et spesifikt emne. For eksempel kan generative AI-plattformer som ChatGPT analysere og syntetisere enorme mengder vitenskapelig litteratur, og hjelpe kjemikere med å forske på ny syntetisk gjødsel. AI-systemer kan sile gjennom omfattende databaser med patenter, akademiske artikler og publikasjoner, formulere hypoteser og veilede forskningsretninger.

På samme måte kan AI bruke dataene den analyserer til å utarbeide originale hypoteser for å utvide søket etter nye molekylære design, i en skala som en individuell vitenskapsmann ville finne umulig å matche. Slike AI-verktøy vil, når de kobles sammen med fremtidige kvantedatamaskiner, være i stand til raskt å simulere nye molekyler for å dekke ethvert spesifisert behov basert på den mest lovende teorien. Teorien vil deretter bli analysert ved hjelp av autonome laboratorietester, der en annen algoritme vil evaluere resultatene, identifisere hull eller mangler og trekke ut ny informasjon. Nye spørsmål ville dukke opp, og så ville prosessen begynne igjen i en god syklus. I et slikt scenario ville forskere overvåke komplekse vitenskapelige prosesser og initiativer i stedet for individuelle eksperimenter.

Forstyrrende påvirkning

Et eksempel på hvordan AI har blitt brukt for å fremskynde vitenskapelig oppdagelse var etableringen av COVID-19-vaksinen. Et konsortium av 87 organisasjoner, alt fra akademia til teknologifirmaer, har gitt globale forskere tilgang til superdatamaskiner (enheter med høyhastighets databehandlingsevner som kan kjøre ML-algoritmer) for å bruke AI til å sile gjennom eksisterende data og studier. Resultatet er en gratis utveksling av ideer og eksperimentresultater, full tilgang til avansert teknologi og raskere og mer nøyaktig samarbeid. Videre innser føderale byråer potensialet til AI for raskt å utvikle nye teknologier. For eksempel har US Department of Energy (DOE) bedt Kongressen om et budsjett på opptil 4 milliarder USD over 10 år for å investere i AI-teknologier for å øke vitenskapelige oppdagelser. Disse investeringene inkluderer "exascale" (i stand til å utføre store mengder beregninger) superdatamaskiner.

I mai 2022 ga DOE teknologifirmaet Hewlett Packard (HP) i oppdrag å lage den raskeste exascale superdatamaskinen, Frontier. Superdatamaskinen forventes å løse ML-beregninger opptil 10x raskere enn dagens superdatamaskiner og finne løsninger på problemer som er 8x mer komplekse. Byrået ønsker å fokusere på oppdagelser innen kreft og sykdomsdiagnostikk, fornybar energi og bærekraftige materialer. 

DOE har finansiert mange vitenskapelige forskningsprosjekter, inkludert atomknusere og genomsekvensering, noe som har resultert i at byrået administrerer massive databaser. Byrået håper disse dataene en dag kan resultere i gjennombrudd som kan fremme energiproduksjon og helsetjenester, blant annet. Fra å utlede nye fysiske lover til nye kjemiske forbindelser, forventes AI/ML å gjøre det tunge arbeidet som vil fjerne uklarheter og øke sjansene for suksess i vitenskapelig forskning.

Implikasjoner av AI som fremskynder vitenskapelig oppdagelse

Større implikasjoner av vitenskapelig oppdagelse av AI kan omfatte: 

• Tilrettelegging for rask integrering av kunnskap på tvers av ulike vitenskapelige disipliner, fremme innovative løsninger på komplekse problemer. Denne fordelen vil oppmuntre til tverrfaglig samarbeid, og blande innsikt fra felt som biologi, fysikk og informatikk.
• AI blir brukt som en allsidig laboratorieassistent, og analyserer enorme datasett mye raskere enn mennesker, noe som fører til raskere hypotesegenerering og validering. Automatisering av rutinemessige forskningsoppgaver vil frigjøre forskere til å fokusere på komplekse problemer og analysere tester og eksperimentresultater.
• Forskere investerer i å gi AI kreativitet for å utvikle egne spørsmål og løsninger på vitenskapelige henvendelser innen ulike studieretninger.
• Å akselerere romutforskning som AI vil hjelpe til med å behandle astronomiske data, identifisere himmelobjekter og planlegge oppdrag.
• Noen forskere insisterer på at deres AI-kollega eller medforsker skal gis intellektuelle opphavsrettigheter og publiseringskreditter.
• Flere føderale byråer investerer i superdatamaskiner, noe som muliggjør stadig mer avanserte forskningsmuligheter for universiteter, offentlige etater og vitenskapslaboratorier i privat sektor.
• Raskere medikamentutvikling og gjennombrudd innen materialvitenskap, kjemi og fysikk, noe som kan føre til et uendelig utvalg av fremtidige innovasjoner.

Spørsmål å kommentere

• Hvis du er en vitenskapsmann eller forsker, hvordan bruker organisasjonen din AI i forskning?
• Hva er de potensielle risikoene ved å ha AI som medforskere?