گروهی از پژوهشگران امپریال کالج لندن در یک پیشرفت علمی چشمگیر، توانستند با بهرهگیری از هوش مصنوعی، به پرسشی کلیدی در پزشکی مدرن پاسخ دهند. این پرسش مربوط به چگونگی تبدیل باکتریها به «ابرمیکروبها» و ایجاد مقاومت در برابر آنتیبیوتیکها است؛ موضوعی که دانشمندان حدود یک دهه بر روی آن تحقیق کرده بودند.
نقش ابزار Co-scientist در تسریع کشفیات علمی
در این آزمایش، پژوهشگران پرسش و دادههای مربوط به سازوکارهای مقاومت باکتریایی را در اختیار ابزار Co-scientist قرار دادند. این سامانه که یک دستیار علمی چندعاملی مبتنی بر مدل Gemini 2.0 گوگل است، توانست تنها در کمتر از ۴۸ ساعت به همان فرضیهای دست یابد که تیم پژوهشی پس از ۱۰ سال تحقیق به آن رسیده بود.
تفاوت میان فرضیهسازی و آزمایش عملی
با وجود سرعت خیرهکننده هوش مصنوعی در رسیدن به فرضیات علمی، محققان بر نکته مهمی تأکید دارند. آنها معتقدند نباید فعالیت ۱۰ ساله دانشمندان را صرفاً با ۴۸ ساعت کار هوش مصنوعی مقایسه کرد، زیرا:
- بخش عمدهای از ده سال تحقیق، صرف انجام آزمایشهای عملی و اثبات اعتبار فرضیهها شده است.
- فرآیند تایید علمی و تبدیل یک فرضیه به یک واقعیت اثباتشده، همچنان نیازمند آزمایشهای واقعی در آزمایشگاه و زمان است.
- هوش مصنوعی در این مرحله، نقش تسریعکننده در یافتن سرنخها و فرضیات را ایفا کرده است.
خوسه آر. پنادِس (José R. Penadés)، از اعضای تیم پژوهشی، اعلام کرد که رسیدن هوش مصنوعی به این نتیجه، بدون دسترسی به اطلاعات خصوصی یا رایانههای تیم، تنها از طریق تحلیل دادههای موجود، بسیار غیرمنتظره بوده است.