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

به گزارش فرارو به نقل از سی ان ان، در سراسر جهان هزاران طومار باستانی وجود دارند که اگر کسی 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 استفاده از هوش مصنوعی و پرتو‌های ایکس با وضوح بالا، در سال ۲۰۲۳ بیش 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 درباره روم و یونان باستان می‌شوند. دانشمندان علوم کامپیوتر رقابتی را برای تسریع فرآیند رمزگشایی این طومار‌ها طراحی کرده‌اند و امیدوارند که ۹۰ درصد از چهار طومار تا پایان سال ۲۰۲۴ رمزگشایی شوند.

برنت سیلز، استاد علوم کامپیوتر در دانشگاه کنتاکی که بیش از یک دهه است بر رمزگشایی این طومار‌ها کار می‌کند، گفت: «هوش مصنوعی به ما کمک می‌کند تا خوانایی جوهر را تقویت کنیم. هوش مصنوعی بدون آسیب زدن به طومار‌ها می‌تواند جوهر را تقطیر و متراکم کند و حروف ناخوانا را پر رنگ کند.» این پروژه یکی از نمونه‌های قانع‌کننده از کاربرد رو به رشد هوش مصنوعی در اکتشافات علمی است. سیلز همچنین توضیح داد: «من به هوش مصنوعی به عنوان 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 همچنین درک دانشمندان را از نحوه ارتباط حیوانات در اعماق اقیانوس ارتقا داده است، به باستان‌شناسان کمک می‌کند مکان‌های جدیدی را در زمین‌های دورافتاده پیدا کنند و حل برخی از بزرگترین چالش‌های زیست شناسی را ممکن کرده است.

محققان می‌دانند صدا‌هایی که توسط نهنگ‌ها ایجاد می‌شود از نظر سرعت، 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 کمک کرده است تا نزدیک به ۹۰۰۰ توالی صدا ضبط شده را تجزیه و تحلیل کنند که صدای تقریباً ۶۰ نهنگ در دریای کارائیب نشان می‌دهد. این پژوهش ممکن است روزی ارتباط انسان با حیوانات دریایی را ممکن کند. دانشمندان زمان و فراوانی صدا‌ها در صحبت‌های نهنگ‌های منفرد، در گروه‌های همخوانی و در تبادل تماس و پاسخ بین آنها را بررسی کردند. با کمک هوش مصنوعی، الگو‌های صدایی که پیش از این نادیده گرفته می‌شدند، ظاهر شدند. البته در حالی که هوش مصنوعی در شناسایی الگو‌ها ماهر است، معنای این صدا‌ها را روشن نمی‌کند. گام بعدی این مطالعه، آزمایش تعاملی با نهنگ‌ها، همراه با مشاهدات رفتار نهنگ‌ها است که می‌تواند بخش مهمی از کشف نحو توالی صدا‌های مختلف تولید 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 اغلب فقط از بالا قابل مشاهده هستند و طرح‌های هندسی، پیکره‌های انسان‌مانند و حتی شمایل یک نهنگ قاتل را به تصویر 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، بررسی مکان‌های امیدوارکننده با پای پیاده و با استفاده از پهپاد‌ها آزمایش کردند. این هوش مصنوعی ۴۷۰۰۰ مکان بالقوه از منطقه بیابانی را پیشنهاد 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 اساس این مطالعه، برای هر ۳۶ پیشنهاد ارائه شده توسط مدل هوش مصنوعی، محققان یک نامزد امیدوارکننده را شناسایی کردند.

آمینه جامباجانتسان، محقق و دانشمند داده، گفت: «هوش مصنوعی این پتانسیل را دارد که کمک زیادی به باستان‌شناسی، به‌ویژه در زمین‌های دورافتاده و خشن مانند بیابان‌ها داشته باشد، اگرچه مدل‌ها هنوز کاملاً دقیق نیستند.» جامباجانتسان در تحقیقات نازکا شرکت نداشت، اما از یک مدل هوش مصنوعی برای شناسایی تپه‌های تدفین در مغولستان بر اساس تصاویر ماهواره‌ای استفاده می‌کند. جامباجانتسان افزود: «مشکل این است که باستان شناسان نمی‌دانند چگونه یک مدل یادگیری ماشین بسازند و دانشمندان داده معمولاً علاقه‌ای به باستان شناسی ندارند، زیرا می‌توانند در زمینه‌های دیگر پول بیشتری به دست آورند.»

مدل‌های هوش مصنوعی همچنین به محققان در درک زندگی در کوچک‌ترین مقیاس کمک می‌کنند: رشته‌هایی از مولکول‌ها که پروتئین‌ها را تشکیل می‌دهند یا همان بلوک‌های سازنده حیات. در حالی که پروتئین‌ها تنها از حدود ۲۰ اسید آمینه ساخته می‌شوند، می‌توانند به روش‌های تقریباً بی‌پایانی ترکیب شوند و خود را به شکل الگو‌های بسیار پیچیده در فضای سه‌بعدی جمع شوند. این مواد به تشکیل سلول‌های مو، پوست و بافت کمک می‌کنند. آنها دی ان‌ای را می‌خوانند، کپی و ترمیم می‌کنند و به حمل اکسیژن در خون کمک می‌کنند. برای دهه‌ها، رمزگشایی این ساختار‌های سه‌بعدی یک تلاش چالش‌برانگیز و زمان‌بر بوده است که شامل استفاده 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 توسعه یافته است، ساختار تقریباً تمام ۲۰۰ میلیون پروتئین شناخته شده از توالی اسید‌های آمینه را پیش بینی می‌کند. این پایگاه داده که با تمام 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 پیدا می‌کند و پیشرفت در زیست‌شناسی بنیادی و سایر زمینه‌های مرتبط از جمله پزشکی را تسریع می‌کند. این ابزار توسط حداقل ۲ میلیون محقق در سراسر جهان استفاده شده است.

البته این ابزار محدودیت‌هایی نیز دارد. تلاش‌ها برای اعمال آلفا فولد بر روی پروتئین‌های مبتنی بر توالی‌های جهش‌یافته، از جمله توالی مرتبط با سرطان پستان اولیه، تأیید کرده‌اند که این نرم‌افزار برای پیش‌بینی عواقب جهش‌های جدید در پروتئین‌ها مجهز نیست. آلفا فولد تنها پرمخاطب‌ترین ابزار هوش مصنوعی است که در زمینه‌های زیست پزشکی به کار گرفته شده است. یادگیری ماشینی در حال تسریع تلاش‌ها برای جمع‌آوری هر نوع سلول در بدن انسان و کشف مولکول‌هایی است که به دارو‌های جدید تبدیل می‌شوند، از جمله نوعی آنتی‌بیوتیک که ممکن است علیه باکتری‌های مقاوم به دارو‌ها عمل کند.