Η τεχνητή νοημοσύνη μπορεί να φέρει επανάσταση στην επιστήμη

Οι συζητήσεις σχετικά με την τεχνητή νοημοσύνη (AI) τείνουν να επικεντρώνονται στους πιθανούς κινδύνους της: αλγοριθμική προκατάληψη και διακρίσεις, μαζική καταστροφή θέσεων εργασίας, ακόμα και, όπως αναφέρουν κάποιοι, εξαφάνιση της ανθρωπότητας. Ωστόσο, ενώ ορισμένοι παρατηρητές ανησυχούν γι’ αυτά τα δυστοπικά σενάρια, άλλοι εστιάζουν στα πιθανά οφέλη. Υποστηρίζουν ότι η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει την ανθρωπότητα να λύσει μερικά από τα μεγαλύτερα και πιο ακανθώδη προβλήματά της. Λένε επίσης ότι η τεχνητή νοημοσύνη θα το κάνει με έναν πολύ συγκεκριμένο τρόπο: επιταχύνοντας ριζικά τον ρυθμό των επιστημονικών ανακαλύψεων, ιδίως σε τομείς όπως η ιατρική, η κλιματική επιστήμη και η «πράσινη» τεχνολογία. Φωστήρες του χώρου, όπως ο Demis Hassabis και ο Yann LeCun, πιστεύουν ότι η τεχνητή νοημοσύνη μπορεί να εκτοξεύσει την επιστημονική πρόοδο και να οδηγήσει σε μια χρυσή εποχή ανακαλύψεων. Μπορεί να έχουν δίκιο;

Τέτοιοι ισχυρισμοί αξίζει να εξεταστούν και μπορεί να αποτελέσουν ένα χρήσιμο αντίβαρο στους φόβους για μεγάλης κλίμακας ανεργία και ρομπότ δολοφόνους. Είναι αλήθεια ότι πολλές προηγούμενες τεχνολογίες έχουν λανθασμένα χαιρετιστεί ως πανάκεια. Ο ηλεκτρικός τηλέγραφος υμνήθηκε στη δεκαετία του 1850 ως ο προάγγελος της παγκόσμιας ειρήνης, όπως και τα αεροσκάφη στη δεκαετία του 1900. Οι ειδήμονες στη δεκαετία του 1990 έλεγαν ότι το Διαδίκτυο θα μείωνε την ανισότητα και θα εξάλειφε τον εθνικισμό. Όμως ο μηχανισμός με τον οποίο υποτίθεται ότι η τεχνητή νοημοσύνη θα λύσει τα προβλήματα του κόσμου έχει ισχυρότερη ιστορική βάση, διότι υπήρξαν αρκετές περίοδοι στην ιστορία όπου οι νέες προσεγγίσεις και τα νέα εργαλεία συνέβαλαν πράγματι σε εκρήξεις επιστημονικών ανακαλύψεων και καινοτομιών που άλλαξαν τον κόσμο.

Τον 17ο αιώνα τα μικροσκόπια και τα τηλεσκόπια άνοιξαν νέες προοπτικές ανακάλυψης και ενθάρρυναν τους ερευνητές να προτιμούν τις δικές τους παρατηρήσεις έναντι της σοφίας της αρχαιότητας, ενώ η εισαγωγή των επιστημονικών περιοδικών τούς έδωσε νέους τρόπους να μοιράζονται και να δημοσιοποιούν τα ευρήματά τους. Το αποτέλεσμα ήταν η ταχεία πρόοδος στην αστρονομία, τη φυσική και άλλους τομείς, καθώς και νέες εφευρέσεις, από το εκκρεμές ρολόι μέχρι την ατμομηχανή -τον κινητήριο μοχλό της βιομηχανικής επανάστασης.

Στη συνέχεια, ξεκινώντας από τα τέλη του 19ου αιώνα, η ίδρυση ερευνητικών εργαστηρίων, τα οποία έφεραν σε επαφή ιδέες, ανθρώπους και υλικά σε βιομηχανική κλίμακα, οδήγησε σε περαιτέρω καινοτομίες, όπως το τεχνητό λίπασμα, τα φαρμακευτικά προϊόντα και το τρανζίστορ, το δομικό στοιχείο του υπολογιστή. Από τα μέσα του 20ού αιώνα οι υπολογιστές επέτρεψαν με τη σειρά τους νέες μορφές επιστήμης, που βασίζονται στην προσομοίωση και τη μοντελοποίηση, από τον σχεδιασμό όπλων και αεροσκαφών έως την ακριβέστερη πρόγνωση του καιρού.

Φυσικά, η επανάσταση των υπολογιστών μπορεί να μην έχει τελειώσει ακόμη. Τα εργαλεία και οι τεχνικές της τεχνητής νοημοσύνης εφαρμόζονται πλέον σχεδόν σε κάθε τομέα της επιστήμης, αν και ο βαθμός υιοθέτησης ποικίλλει αρκετά: για παράδειγμα, το 7,2% των εργασιών στη φυσική και την αστρονομία που δημοσιεύτηκαν το 2022 περιελάμβαναν τεχνητή νοημοσύνη, σε σύγκριση με το 1,4% στην κτηνιατρική επιστήμη. Η τεχνητή νοημοσύνη χρησιμοποιείται με πολλούς τρόπους. Μπορεί να εντοπίσει υποσχόμενους υποψηφίους για ανάλυση, όπως μόρια με ιδιαίτερες ιδιότητες στην ανακάλυψη φαρμάκων ή υλικά με τα χαρακτηριστικά που απαιτούνται σε μπαταρίες ή ηλιακές κυψέλες. Μπορεί να κοσκινίζει σωρούς δεδομένων, όπως αυτά που παράγονται από τους επιταχυντές σωματιδίων ή τα ρομποτικά τηλεσκόπια, αναζητώντας μοτίβα. Η τεχνητή νοημοσύνη μπορεί επίσης να μοντελοποιεί και να αναλύει ακόμα πιο πολύπλοκα συστήματα, όπως η αναδίπλωση των πρωτεϊνών και ο σχηματισμός των γαλαξιών. Εργαλεία της τεχνητής νοημοσύνης έχουν χρησιμοποιηθεί, μεταξύ άλλων, για τον εντοπισμό νέων αντιβιοτικών, την αποκάλυψη του μποζονίου Χιγκς και τον εντοπισμό των «τοπικών διαλέκτων» στους λύκους.

Όλα αυτά είναι ευπρόσδεκτα. Όμως τα επιστημονικά περιοδικά και τα εργαστήρια προχώρησαν ακόμα παραπέρα: άλλαξαν την ίδια την επιστημονική πρακτική και ξεκλείδωσαν πιο ισχυρά μέσα για την πραγματοποίηση ανακαλύψεων, επιτρέποντας σε ανθρώπους και ιδέες να αναμειχθούν με νέους τρόπους και σε μεγαλύτερη κλίμακα.

Δύο τομείς φαίνονται ιδιαίτερα ελπιδοφόροι. Ο πρώτος είναι η «ανακάλυψη με βάση τη βιβλιογραφία» (LBD), η οποία περιλαμβάνει την ανάλυση της υπάρχουσας επιστημονικής βιβλιογραφίας, με τη χρήση γλωσσικής ανάλυσης τύπου ChatGPT, για την αναζήτηση νέων υποθέσεων, συνδέσεων ή ιδεών που μπορεί να έχουν διαφύγει από τον άνθρωπο. Αυτό μπορεί να τονώσει τη διεπιστημονική εργασία και να προωθήσει την καινοτομία στα όρια μεταξύ των τομέων. Τα συστήματα LBD μπορούν επίσης να εντοπίσουν τα «τυφλά σημεία» σε έναν συγκεκριμένο τομέα και ακόμα και να προβλέψουν μελλοντικές ανακαλύψεις και ποιος θα τις κάνει.

Ο δεύτερος τομέας είναι τα «ρομπότ επιστήμονες», γνωστά και ως «αυτοκαθοδηγούμενα εργαστήρια» (self-driving labs). Πρόκειται για ρομποτικά συστήματα που χρησιμοποιούν την τεχνητή νοημοσύνη για να σχηματίσουν νέες υποθέσεις, με βάση την ανάλυση των υφιστάμενων δεδομένων και της βιβλιογραφίας, και στη συνέχεια να ελέγξουν αυτές τις υποθέσεις εκτελώντας εκατοντάδες ή χιλιάδες πειράματα, σε τομείς όπως η βιολογία συστημάτων και η επιστήμη των υλικών. Σε αντίθεση με τους ανθρώπους επιστήμονες, τα ρομπότ είναι λιγότερο προσκολλημένα σε προηγούμενα αποτελέσματα, λιγότερο καθοδηγούμενα από προκαταλήψεις -και, κυρίως, είναι εύκολο να αναπαραχθούν. Θα μπορούσαν να επεκτείνουν την πειραματική έρευνα, να αναπτύξουν απροσδόκητες θεωρίες και να εξερευνήσουν δρόμους που οι άνθρωποι ερευνητές μπορεί να μην είχαν σκεφτεί.

Η ιδέα ότι η τεχνητή νοημοσύνη μπορεί να μεταμορφώσει την επιστημονική πρακτική είναι επομένως εφικτή. Ωστόσο, το κύριο εμπόδιο είναι κοινωνιολογικό: μπορεί να συμβεί μόνο αν οι επιστήμονες είναι πρόθυμοι και ικανοί να χρησιμοποιήσουν τέτοια εργαλεία. Πολλοί δεν διαθέτουν δεξιότητες και κατάρτιση. Ορισμένοι ανησυχούν μήπως μείνουν άνεργοι. Ευτυχώς, υπάρχουν ελπιδοφόρα σημάδια. Τα εργαλεία της τεχνητής νοημοσύνης δεν προωθούνται πλέον από τους ερευνητές της τεχνητής νοημοσύνης, αλλά αγκαλιάζονται από ειδικούς σε άλλα πεδία.

Οι κυβερνήσεις και οι φορείς χρηματοδότησης θα μπορούσαν να βοηθήσουν πιέζοντας για μεγαλύτερη χρήση κοινών προτύπων, που θα επέτρεπαν στα συστήματα τεχνητής νοημοσύνης να ανταλλάσσουν και να ερμηνεύουν εργαστηριακά αποτελέσματα και άλλα δεδομένα. Θα μπορούσαν επίσης να χρηματοδοτήσουν περισσότερες έρευνες για την ενσωμάτωση της τεχνητής νοημοσύνης με την εργαστηριακή ρομποτική, καθώς και για μορφές τεχνητής νοημοσύνης πέραν αυτών που επιδιώκονται στον ιδιωτικό τομέα, ο οποίος έχει ποντάρει σχεδόν τα πάντα σε συστήματα που βασίζονται σε γλώσσες όπως το ChatGPT. Λιγότερο μοντέρνες μορφές τεχνητής νοημοσύνης, όπως η μηχανική μάθηση βάσει μοντέλων, μπορεί να είναι πιο κατάλληλες για επιστημονικές εργασίες όπως η διαμόρφωση υποθέσεων.

Η προσθήκη του τεχνητού

Το 1665, σε μια περίοδο ραγδαίας επιστημονικής προόδου, ο Robert Hooke, ένας Άγγλος πολυμαθής, περιέγραψε την έλευση νέων επιστημονικών οργάνων όπως το μικροσκόπιο και το τηλεσκόπιο ως «την προσθήκη τεχνητών οργάνων στα φυσικά». Επιτρέπουν στους ερευνητές να εξερευνήσουν προηγουμένως απρόσιτα πεδία και να ανακαλύψουν πράγματα με νέους τρόπους, «με τεράστιο όφελος για όλα τα είδη χρήσιμων γνώσεων». Για τους σύγχρονους διαδόχους του Hooke, η προσθήκη της τεχνητής νοημοσύνης στην επιστημονική εργαλειοθήκη είναι έτοιμη να κάνει το ίδιο τα επόμενα χρόνια -με παρόμοια κοσμοϊστορικά αποτελέσματα.

© 2023 The Economist Newspaper Limited. All rights reserved.
Άρθρο από τον Economist, το οποίο μεταφράστηκε και δημοσιεύθηκε με επίσημη άδεια από την www.powergame.gr. Το πρωτότυπο άρθρο, στα αγγλικά, βρίσκεται στο www.economist.com