نشریه «اکونومیست» با توجه به سوابق تاریخی به بررسی این موضوع پرداخته است که چگونه هوش مصنوعی می‌تواند دنیای علم را به مانند کاری که نیوتن با کشف جاذبه کرد، متحول کند.
به گزارش ایسنا و به نقل از اکونومیست، بحث در مورد هوش مصنوعی اغلب به سمت خطرات بالقوه آن می‌رود که شامل تعصب و تبعیض، تخریب انبوه مشاغل و جایگزینی با انسان‌ها و حتی به گفته برخی، انقراض بشریت است.
از آنجایی که برخی در مورد این سناریوهای آخرالزمانی نگران هستند، برخی دیگر بر روی مزایای بالقوه هوش مصنوعی تمرکز می‌کنند. آنها ادعا می‌کنند که هوش مصنوعی می‌تواند به بشریت کمک کند تا برخی از بزرگترین و پیچیده‌ترین مشکلات را حل کند.
به گفته آنها، هوش مصنوعی این کار را به روشی بسیار خاص، یعنی با سرعت بخشیدن به سرعت اکتشافات علمی، به ویژه در زمینه‌هایی مانند پزشکی، علوم آب و هوا و فناوری سبز انجام خواهد داد.
افراد برجسته در این حوزه مانند دمیس حاسابیس(Demis Hassabis) و یان لیکان(Yann LeCun) معتقدند که هوش مصنوعی می‌تواند پیشرفت علمی را سرعتی شگفت‌انگیز ببخشد و به عصر طلایی اکتشافات علمی منجر شود. آیا ممکن است حق با آنها باشد؟
چنین ادعاهایی ارزش بررسی دارند و ممکن است تعادل مفیدی در مقابل ترس از بیکاری در مقیاس انبوه و شیوع ربات‌های قاتل برقرار کنند. البته بسیاری از فناوری‌های پیشین به اشتباه به عنوان یک اکسیر و نوش‌دارو مورد ستایش قرار گرفته‌اند.
به عنوان مثال، تلگراف برقی در دهه ۱۸۵۰ به عنوان منادی صلح جهانی مورد ستایش قرار گرفت، همان اتفاقی که برای هواپیماها در دهه ۱۹۰۰ افتاد. سپس کارشناسان در دهه ۱۹۹۰ گفتند اینترنت، نابرابری را کاهش می‌دهد و ملی‌گرایی را ریشه‌کن می‌کند.
اما مکانیزمی که ظاهراً هوش مصنوعی با آن قرار است مشکلات جهان را حل کند، مبنای تاریخی قوی‌تری دارد، زیرا دوره‌های متعددی در تاریخ بوده است که رویکردهای جدید و ابزارهای جدید در واقع به ایجاد انفجارهای علمی و نوآوری در جهان کمک کرده‌اند.
در قرن هفدهم، میکروسکوپ‌ها و تلسکوپ‌ها چشم اندازهای جدیدی از اکتشافات را به روی بشر گشودند و پژوهشگران را تشویق کردند که مشاهدات خود را به حکمت دریافت شده از دوران باستان ترجیح دهند. در عین حال، معرفی مجلات علمی راه‌های جدیدی را برای به اشتراک گذاشتن و انتشار یافته‌های خود به آنها داد.
نتیجه‌ی این کار، حصول پیشرفت سریع در نجوم، فیزیک و سایر زمینه‌ها و همچنین اختراعات جدید از ساعت آونگی تا موتور بخار بود که محرک اصلی انقلاب صنعتی بود.
سپس با شروع در اواخر قرن نوزدهم، تأسیس آزمایشگاه‌های تحقیقاتی که ایده‌ها، افراد و مواد را در مقیاس صنعتی گردهم می‌آورد، منجر به نوآوری‌های بیشتری مانند کود مصنوعی، داروها و ترانزیستور شد که سنگ بنای اولیه ساخت رایانه‌ها شد.
از اواسط قرن بیستم نیز رایانه‌ها به نوبه خود اشکال جدیدی از علم را بر اساس شبیه‌سازی و مدل‌سازی از طراحی سلاح‌ها و هواپیماها گرفته تا پیش‌بینی دقیق‌تر آب و هوا به نمایش گذاشتند.
با اینکه انقلاب رایانه‌ای ممکن است هنوز به پایان نرسیده باشد، اکنون ابزارها و تکنیک‌های هوش مصنوعی تقریباً در هر زمینه‌ای از علم به کار می‌روند، اگرچه میزان پذیرش آن در حوزه‌های مختلف، بسیار متفاوت است. برای مثال، ۷.۲ درصد از مقالات فیزیک و نجوم منتشر شده در مقایسه با ۱.۴ درصد در علوم دامپزشکی در سال ۲۰۲۲ با هوش مصنوعی مرتبط بوده‌اند.
امروزه هوش مصنوعی به طُرق مختلف به کار گرفته می‌شود. هوش مصنوعی می‌تواند نامزدهای امیدوارکننده‌ای را مانند مولکول‌هایی با خواص خاص در کشف دارو یا موادی با ویژگی‌های مورد نیاز در باتری‌ها یا سلول‌های خورشیدی برای تجزیه و تحلیل شناسایی و معرفی کند. همچنین می‌تواند انبوهی از داده‌هایی مانند داده‌های تولید شده توسط برخورددهنده‌های ذرات یا تلسکوپ‌های رباتیک را غربال کند و به دنبال الگوهای مشخص در آنها باشد.
هوش مصنوعی می‌تواند سیستم‌های پیچیده‌تری مانند تاخوردگی پروتئین‌ها و تشکیل کهکشان‌ها را نیز مدل‌سازی و تحلیل کند. ضمن اینکه از ابزارهای هوش مصنوعی برای شناسایی آنتی‌بیوتیک‌های جدید، آشکارسازی بوزون-هیگز و تشخیص لهجه‌های گرگ‌ها در هر منطقه و بسیاری از موارد دیگر استفاده می‌شود.
از همه‌ی اینها استقبال شده است. اما مجلات علمی و آزمایشگاه‌ها از این هم فراتر رفته‌اند. آنها عُرف علمی را تغییر دادند و ابزارهای قدرتمندتری برای اکتشافات را با اجازه دادن به افراد و ایده‌ها به آزمودن روش‌های جدید و در مقیاس بزرگ‌تر باز کردند. هوش مصنوعی نیز پتانسیل ایجاد چنین تحولی را دارد.
دو حوزه به طور خاص امیدوار کننده به نظر می‌رسند. اولین مورد، اکتشاف مبتنی بر ادبیات(lbd) است که شامل تجزیه و تحلیل ادبیات علمی موجود، با استفاده از تحلیل زبان به سبک ChatGPT برای جستجوی فرضیه‌ها، کشف ارتباطات یا ایده‌های جدیدی است که ممکن است انسان‌ها از قلم انداخته باشند.
اکتشاف مبتنی بر ادبیات در شناسایی آزمایش‌های جدید برای آزمایش و حتی پیشنهاد همکاران تحقیقاتی بالقوه نویدبخش است. این می‌تواند کار میان‌رشته‌ای را تحریک کند و نوآوری را در مرزهای بین رشته‌ها تقویت کند. سیستم‌های اکتشاف مبتنی بر ادبیات همچنین می‌توانند «نقاط کور» را در یک زمینه مشخص شناسایی کنند و حتی اکتشافات آینده و اینکه چه کسی آنها را انجام خواهد داد، پیش‌بینی کنند.
حوزه دوم، «دانشمندان رباتیک» است که به عنوان «آزمایشگاه‌های خودران» نیز شناخته می‌شود. اینها سیستم‌های رباتیکی هستند که از هوش مصنوعی برای تشکیل فرضیه‌های جدید، بر اساس تجزیه و تحلیل داده‌ها و مقالات موجود استفاده می‌کنند و سپس با انجام صدها یا هزاران آزمایش، آن فرضیه‌ها را در زمینه‌هایی از جمله زیست‌شناسی سیستم‌ها و علم مواد آزمایش می‌کنند.
برخلاف دانشمندان انسانی، ربات‌ها کمتر به نتایج قبلی وابسته هستند، کمتر تحت تأثیر سوگیری قرار می‌گیرند و مهم‌تر از همه، تکثیر آنها آسان است. آنها می‌توانند تحقیقات تجربی را افزایش دهند، نظریه‌های غیرمنتظره ایجاد کنند و راه‌هایی را کشف کنند که پژوهشگران انسانی ممکن است در نظر نگرفته باشند.
بنابراین این ایده که هوش مصنوعی می‌تواند عُرف علمی را متحول کند، دور از واقعیت نیست. اما مانع اصلی، جامعه‌شناختی است. یعنی تنها در صورتی این اتفاق می‌تواند رخ دهد که دانشمندان بشری مایل و قادر به استفاده از چنین ابزارهایی باشند. بسیاری از آنها فاقد مهارت و آموزش لازم هستند. برخی نیز نگران این هستند که با ظهور و استفاده از هوش مصنوعی از کار بیکار شوند. خوشبختانه نشانه‌های امیدوارکننده‌ای وجود دارد.
به طور کلی، ابزارهای هوش مصنوعی هم اکنون از تحت فشار قرار گرفتن توسط پژوهشگران هوش مصنوعی به پذیرش توسط متخصصان در زمینه‌های دیگر در حال حرکت هستند.
دولت‌ها و نهادهای تأمین کننده مالی می‌توانند با اعمال فشار برای استفاده بیشتر از استانداردهای مشترک به سیستم‌های هوش مصنوعی کمک کنند تا نتایج آزمایشگاهی و سایر داده‌ها را مبادله و تفسیر کنند. آنها همچنین می‌توانند تحقیقات بیشتری در مورد ادغام هوش مصنوعی با رباتیک آزمایشگاهی و شکل‌هایی از هوش مصنوعی فراتر از مواردی که در بخش خصوصی دنبال می‌شوند و تقریباً تمام تراشه‌های خود را به سیستم‌های مبتنی بر زبان مانند ChatGPT اختصاص داده‌اند، ، سرمایه‌گذاری کنند.
اشکالِ کمتر رایج هوش مصنوعی مانند یادگیری ماشینی مبتنی بر مدل، ممکن است برای کارهای علمی مانند تشکیل فرضیه‌ها مناسب‌تر باشند.
در سال ۱۶۶۵ طی یک دوره پیشرفت سریع علمی، رابرت هوک دانشمند انگلیسی، ظهور ابزارهای علمی جدید مانند میکروسکوپ و تلسکوپ را به عنوان «افزودن اندام‌های مصنوعی به طبیعی» توصیف کرد.
آنها به پژوهشگران اجازه می‌دهند قلمروهایی را که قبلاً غیر قابل دسترس بودند، کشف کنند و مسائل را به روش‌های جدید با بهره‌های شگرف برای انواع دانش مفید کشف کنند.
برای جانشینان امروزی رابرت هوک، افزودن هوش مصنوعی به مجموعه ابزارهای علمی در سال‌های آینده نیز همین کار را انجام می‌دهد و نتایج مشابهی را رقم می‌زند که جهان را تغییر می‌دهد.