به گزارش مجله خبری نگار/برنا،پژوهشگران دانشگاه استنفورد موفق به طراحی و توسعه یک آزمایشگاه مجازی متشکل از عوامل هوش مصنوعی شدهاند که میتواند بهعنوان ابزاری انقلابی در شتاببخشی به کشفهای علمی عمل کند.
به گزارش phys.org این آزمایشگاه مجازی با الگوبرداری از یک گروه تحقیقاتی باسابقه در دانشکده پزشکی دانشگاه استنفورد شامل یک محقق اصلی (PI) مبتنی بر هوش مصنوعی و چندین عامل علمی تخصصی طراحی شده است.
جیمز زو استادیار دانشکده علوم دادههای زیستپزشکی و سرپرست این مطالعه در توضیح این پروژه گفت: علم خوب زمانی اتفاق میافتد که همکاریهای عمیق و میانرشتهای میان افراد با پیشزمینههای متفاوت برقرار شود، اما این همکاریها اغلب یکی از گلوگاههای اصلی تحقیقات هستند. در عین حال شاهد پیشرفت فوقالعاده در عاملهای هوش مصنوعی بودهایم که توانایی اقدامهای پیشدستانه را دارند.
بر خلاف تصور رایج از مدلهای زبانی بزرگ بهعنوان ابزارهای پرسشوپاسخ عاملهای هوش مصنوعی طراحیشده در این پروژه قادر به بازیابی دادهها استفاده از ابزارهای مختلف و ارتباط با انسانها و یکدیگر از طریق زبان طبیعی هستند. این ساختار نمونهای از هوش مصنوعی عاملمحور (Agential AI) محسوب میشود؛ ساختاری که در آن چند عامل هوش مصنوعی بهصورت گروهی برای حل مسائل پیچیده فعالیت میکنند.
شبیهسازی عملکرد دانشمندان برتر
زو و تیمش این مدلها را بهگونهای آموزش دادهاند که مانند دانشمندان طراز اول بهصورت انتقادی به مسائل بیندیشند سوالاتی کلیدی مطرح کنند راهکارهای متنوع ارائه دهند ایدههای یکدیگر را تحلیل کنند و در نهایت فرضیههایی قابل آزمون بسازند.
او میگوید: کمبود چالش برای دانشمندان واقعی وجود ندارد؛ این آزمایشگاه مجازی میتواند در توسعه راهحلها برای مسائل مختلف بهویژه مسائل زیستی نقش شتابدهنده ایفا کند.
در یکی از نخستین آزمایشها تیم زو از آزمایشگاه مجازی خواست راهکاری نوین برای ساخت واکسن مؤثر علیه ویروس SARS-CoV-۲ عامل بیماری کووید-۱۹ ارائه دهد. نتیجه شگفتانگیز بود: تیم هوش مصنوعی تنها در چند روز موفق شد راهحلی نوآورانه بر پایه نانوبادیها (Nanobody) پیشنهاد دهد.
ساختار آزمایشگاه مجازی چگونه است؟
فرآیند تحقیق در این آزمایشگاه مشابه آزمایشگاههای انسانی آغاز میشود: ابتدا چالشی علمی از سوی پژوهشگر انسانی به محقق اصلی هوش مصنوعی (AI PI) ارائه میشود. سپس AI PI بر اساس نیاز پروژه عاملهای تخصصی دیگر مانند متخصص ایمنیشناسی، زیستشناسی محاسباتی و یادگیری ماشین را تعریف میکند. در هر پروژه یک عامل نیز نقش منتقد را ایفا میکند که وظیفهاش بررسی ضعفها و هشدار درباره اشتباهات رایج و ارائه بازخوردهای سازنده است.
پژوهشگران ابزارهای پیشرفتهای مانند سیستم مدلسازی پروتئین AlphaFold را نیز در اختیار این عاملها قرار دادهاند تا توانمندی خلاقانه آنها در تفکر علمی تقویت شود. این عاملها حتی درخواست دسترسی به ابزارهای خاص داشتند که تیم پژوهش برایشان فراهم کرد.
فعالیت این تیم مجازی بسیار سریع انجام میشود. جلسات منظم گروهی و همچنین جلسات انفرادی میان عاملها و PI برگزار میشود، اما با تفاوتی مهم: جلسات تنها چند ثانیه یا دقیقه زمان میبرند و میتوانند بهصورت موازی انجام شوند؛ زیرا عاملهای هوش مصنوعی خسته نمیشوند به استراحت نیاز ندارند و توقفناپذیرند. زو با لحنی طنزآمیز گفت: تا وقتی من قهوه صبحم را بنوشم، آنها صدها جلسه علمی برگزار کردهاند!
کنترل انسانی و بازخورد مستمر
با وجود خودگردانی این آزمایشگاه تیم زو بر کل فرآیند نظارت دارد. هر تعامل جلسه و تصمیم در قالب متن ثبت و مستند میشود تا در صورت نیاز پژوهشگران انسانی بتوانند روند کار را بررسی و جهتگیری پروژه را تنظیم کنند. تنها حدود ۱٪ از زمان مداخله انسانی مستقیم در روند کار صورت میگیرد.
زو تأکید میکند: نمیخواهم به دانشمندان مجازی دیکته کنم که چگونه باید کار کنند. این کار خلاقیت آنها را محدود میکند. ترجیح میدهم خودشان ایدههایی نوآورانه ارائه دهند که فراتر از تصور ما باشد.
ساخت واکسن با نانوبادیها
در بررسی آزمایشگاهی پیشنهاد تیم مجازی برای استفاده از نانوبادیها بهجای آنتیبادیهای مرسوم نتایج امیدبخشی به دست آمد. نانوبادیهای طراحیشده نهتنها از لحاظ ساختاری پایدار و قابل تولید بودند، بلکه توانستند با قدرت بالا به سویه جدید ویروس SARS-CoV-۲ متصل شوند؛ حتی بهتر از آنتیبادیهایی که در آزمایشگاه واقعی طراحی شدهاند.
همچنین بررسیها نشان دادند این نانوبادیها عوارض خارجهدف (off-target effects) نداشته و فقط به پروتئین اسپایک ویروس متصل میشوند. نکته مهمتر آنکه این نانوبادیها توانایی اتصال به سویه اولیه ویروس که پنج سال پیش در ووهان شناسایی شد را نیز دارند؛ ویژگیای که میتواند پایهگذار تولید واکسنی فراگیر برای نسلهای مختلف ویروس باشد.
آینده علم با عاملهای مجازی
در حال حاضر تیم زو در حال بررسی ظرفیت نانوبادیها برای ساخت واکسن جدید و بهروزرسانی مداوم مدلها با دادههای آزمایشگاهی تازه است. در همین حال آنها استفاده از آزمایشگاه مجازی را به مسائل علمی دیگر نیز گسترش دادهاند؛ از جمله توسعه عاملهایی برای بازتحلیل دادههای پیچیده زیستی و پزشکی که در مقالات منتشرشده قبلی استفاده شدهاند.
زو در پایان گفت: دادههایی که در زیستشناسی و پزشکی جمعآوری میکنیم بسیار پیچیدهاند و ما تازه در حال کشف سطح اولیه آنها هستیم. عاملهای هوش مصنوعی اغلب میتوانند یافتههایی فراتر از نتایج پژوهشگران انسانی ارائه دهند و این بسیار هیجانانگیز است.