كيف يغير الذكاء الاصطناعي العلوم

يعتقد غادي سينغر Gadi Singer أنّ أهم تحدّ يواجهه هو استخدام الذكاء الاصطناعي لإعادة تشكيل الاكتشاف العلمي. خلال حوار صحفي عُقد لأول حدث تمّ تنظيمه لــــــــ Intel AI DevCon event، ناقش نائب رئيس شركة إنتل ومدير عام الهندسة المعمارية لمجموعة منتجات الذكاء الاصطناعي، ناقش دور الذكاء الاصطناعي في تقاطع العلوم-الحوسبة والذكاء الاصطناعي الأكثر طلباً من قبل العميل، كيف للعلماء أن يؤطروا منهجية الذكاء الاصطناعي؟، ولماذا يعدّ الذكاء الاصطناعي أكثر الفرص ديناميكيةً وإثارةً يواجهها العلماء في دراساتهم. -كيف يغير الذكاء الاصطناعي العلوم؟ يمر الاكتشاف العلمي بمرحلة انتقالية في السنوات المائة الأخيرة، إذ يمكن مقارنتها بما حدث في الخمسينات والستينات، حينما احتضن مفهوم البيانات وأنظمة البيانات الكبيرة. في الستينات، أصبحت كمية البيانات كبيرة إلى درجة لم يعد فيها المتصدرون الأوائل يتصفون بأصحاب الأدوات المثلى، ومع ذلك كانوا قادرين على تحليل البيانات المجمعة من أي مجال علمي، سواء كان في مجال المناخ، أو علم الزلازل، أو البيولوجيا، أو الأدوية، أو اكتشاف الطب الحديث، إلى غير ذلك. في الوقت الحالي، انتقلت البيانات إلى مستويات تفوق بكثير قدرات البشر على السؤال عن استعلامات معينة أو رؤى محددة. ويوفّر الجمع بين طوفان البيانات والحوسبة الحديثة وتقنيات التعلم العميق توليد إمكانات جديدة متدفقة وأخرى إمكانات معطلّة. -ما هو المثال على ذلك؟ أحد الأمثلة هو قدرتها على تحديد الأنماط الباهتة داخل مجموعة بيانات صاخبة جداً، حتى في غياب النموذج الرياضي الدقيق لما تبحث عنه، الأمر الذي يستند إلى استخدام القوة الأساسية للتعلم العميق. فكّر بالأحداث الكونية التي تحدث في مجرة بعيدة، حيث تعمل على البحث عن خصائص الظواهر فيها لإبرازها في مجموعة بيانات كبيرة. هذا مثال على طريقة البحث دون معرفة المعادلة، وخلال قدرتك على توليد الأمثلة، دع نظام التعلّم العميق يتعلّم ما تبحث عنه، ويكتشف نمطاً معيناً في نهاية المطاف. -هل تعرف ما تبحث عنه، لكنك تجهل كيفية إيجاده؟ لا يمكنك تحديد المعادلات الرياضية الدقيقة، أو الاستعلامات التي تصفها. إنّ البيانات كبيرة جداً بالنسبة إلى الوقوع في التجربة والخطأ، ولا تحتوي تقنيات تحليلات البيانات الكبيرة السابقة على ملامح محددة كافية للبحث بنجاح عن نمط ما. أنت تعرف ما تبحث عنه لأنك وضعت علامات على العديد من الأمثلة في بياناتك، وبمقدورك وصفها بشكل عام. يستطيع التعلّم العميق مساعدتك في تحديد الحالات من مثل هذه الفئة داخل مجموعة بيانات صاخبة متعددة الأبعاد. -هل توجد طرق أخرى يستطيع الذكاء الاصطناعي من خلالها تغيير المنهج العلمي؟ أحد الأمثلة الأخرى هو امتلاكك النموذج الرياضي، مثل مجموعة المعادلات الدقيقة، في هذه الحالة، بإمكان الذكاء الاصطناعي إحراز نتائج قابلة للمقارنة وحسابها في وقت قياسي يقل بمقدار 10000 مرة. لنفترض أنّ لديك بنية جزيئية جديدة، وتريد معرفة كيفية تصرفها في بيئة معينة، لاكتشاف دواء جديد. توجد نماذج تنبؤية جيدة لمعرفة كيفية تصرفها، لكن تكمن المشكلة في استغراق هذه النماذج مدةً طويلة في الحساب، قد تأخذ منك عدة أسابيع لإجراء مركب واحد. في مثل هذه الحالة، بإمكانك الاستعانة بنظام التعلّم العميق لتسليط الضوء على نظام المعادلات الدقيق، وتغذية حالات عينة تكرارية لنظام المعادلات، ومن ثمّ بمقدورك الحصول على النتائج بعد عدة أيام. تتعلّم شبكة التعلّم العميق العلاقة بين المدخلات والمخرجات، دون معرفة المعادلة نفسها، حيث يكمن عملها في التعقب فقط، وقد تجلّى في حالات متعددة بعد تدريب نظام التعلّم العميق على دراسة أمثلة كافية قدرته الرائعة على التنبؤ بالنتيجة التي سيعطيها النموذج الدقيق، ما يترجم ذلك إلى كفاءة نظام التعلّم العميق، الذي باستطاعته تحويل إجراء العملية من ساعات وأيام إلى ثانية. بإقرار الجميع، سيُطلب في أحيان أخرى من نظام الحوسبة الكامل تكوين نموذج نهائي دقيق، ومع ذلك، سيتمحور التركيز على دراسة مجموعة فرعية من الحالات. في الحقيقة، بإمكانك توليد نتيجة دقيقة أسرع بكثير في أجزاء من الطاقة والوقت، ما يسمح لك باكتشاف مساحة الحل الممكنة بسرعة كبيرة. في العامين الماضيين، ظهرت أساليب جديدة لتعلّم الآلة "تعلّم كيفية التعلّم"، إذ تعالج هذه التقنيات عالماً لا نهائياً من الخيارات، مثل معالجة جميع الطفرات المحتملة الموجودة في الحمض النووي البشري، واستخدام تقنيات الاكتشاف والتعلّم الفائق لتحديد أكثر الخيارات ملاءمةً للتقييم. -ما هو تأثير إطار الصورة الكبيرة على المنهج العلمي، أو المنهج الذي سيتبعه العالم في استخدام الذكاء الاصطناعي؟ يحتاج العلماء إلى عقد شراكة مع تقنيات الذكاء الاصطناعي، إذ بإمكانهم تحقيق استفادة قصوى باستخدام أدوات الذكاء الاصطناعي المتقدمة، مثل التعلّم العميق وغيره، لاكتشاف الظواهر الأقل وضوحاً، أو تحقيق أداء أسرع بواسطة اتباع الأوامر ذات الحجم الكبير لمعالجة مساحة كبيرة. كما بمقدور العلماء عقد شراكة مع تعلّم الآلة، لاكتشاف ودراسة الإمكانيات الجديدة التي تتمتع بأفضل الاحتمالات، لإحراز إنجازات وحلول جديدة. -أعتقد أنك تستطيع الانسحاب متى ما أردت ذلك، ما الذي يجعلك تستمر؟ حسناً، أقضي وقتاً رائعاً في الشركة، إذ تهدف تقنيات الذكاء الاصطناعي في شركة إنتل إلى حل المشكلات الأكثر تحدياً وإثارةً، التي تواجهها الصناعة والعلوم اليوم. بالإضافة إلى ذلك، يتقدّم هذا المجال أكثر من أي شيء آخر رأيته خلال 35 عاماً في شركة إنتل، إلى حد بعيد. الجانب الآخر هو أنني أبحث في ذلك كنوع من التغيير الذي يختمر في التفاعل بين البشر والآلات، أريد أن أكون جزءاً من الجهد الذي يقود إلى إنشاء هذا الرابط الجديد. عندما أتحدث عن العلاقة بين العلوم والذكاء الاصطناعي يتبادر إلى الذهن دور التفكير العميق، الذي يتجاوز مسألة صنع معالج بسرعة قصوى لأداء هذه المهمة. يعدّ التفاعل الحديث بين البشر والذكاء الاصطناعي جزءاً مذهلاً من هذا الفضاء الفسيح. المصدر: https://phys.org/news/2018-05-artificial-intelligence-science.html