هوش مصنوعی فرضیه‌های تحقیقاتی نوین می‌سازد: انقلاب در علم با SciAgents MIT

تولید فرضیه‌های تحقیقاتی نوین با کمک هوش مصنوعی

ایجاد یک فرضیه تحقیقاتی بی‌همتا و نویدبخش، مهارتی حیاتی برای هر پژوهشگری به شمار میاد. این پروسه ممکنه زمان‌بر باشه؛ به طوری که دانشجویان دکتری در سال اول تحصیلشون ممکنه با مشکلاتی در تعیین دقیق موضوع پژوهششون دست‌وپنجه نرم کنن. اما اگه هوش مصنوعی بتونه در این فرآیند کمک کنه چی؟ محققان MIT راهی رو ابداع کردن که بتونه به کمک همکاری انسان و هوش مصنوعی، فرضیه‌های تحقیقاتی امیدوارکننده رو در زمینه‌های مختلف، به صورت خودکار تولید و ارزیابی کنه.

در یک مقاله جدید، اونا توضیح می‌دن که چطور از این چارچوب برای ساخت فرضیه‌های مستند استفاده کردن که با نیازهای تحقیقاتی برآورده‌نشده در حوزه مواد الهام‌گرفته از طبیعت، همخوانی داره. این پژوهش که امروز در مجله Advanced Materials منتشر شده، با همکاری علیرضا غفاری‌لاهی، محقق فوق دکتری در Laboratory for Atomistic and Molecular Mechanics (LAMM) و مارکوس بیهلر، استاد مهندسی در دانشکده‌های مهندسی عمران و محیط زیست و مهندسی مکانیک MIT و مدیر LAMM، به انجام رسیده.

چارچوب SciAgents

چارچوبی که محققان اون رو SciAgents نامیدن، شامل چندین عامل هوش مصنوعی هست که هر کدوم قابلیت‌ها و دسترسی‌های خاصی به اطلاعات دارن. این عوامل از روش‌های استدلال گرافی استفاده می‌کنن، جایی که مدل‌های هوش مصنوعی از یک گراف دانش بهره می‌برن که روابط بین مفاهیم علمی مختلف رو سازماندهی و تعریف می‌کنه. این رویکرد چندعاملی، شبیه به نحوه سازماندهی سیستم‌های زیستی به صورت گروه‌هایی از اجزای اولیه هست. بیهلر اشاره می‌کنه که این اصلِ تقسیم و پیروزی یه الگوِ بارز در زیست‌شناسی در سطوح مختلفه، از مواد گرفته تا کلونی حشرات و تمدن‌ها – همه نمونه‌هایی که هوش کلی به‌مراتب بیشتر از مجموع توانایی‌های تک‌تک اجزاست.

بـیـهـلر میگه: “با استفاده از عوامل مختلف هوش مصنوعی، ما سعی داریم فرآیند کشف رو شبیه‌سازی کنیم که جوامع علمی ازش استفاده می‌کنن.” اون ادامه میده: “تو MIT، ما این کار رو با همکاری افرادی با زمینه‌های متنوع انجام می‌دیم که تو کافه‌ها یا تو Infinite Corridor MIT با هم برخورد می‌کنن. اما این پروسه خیلی تصادفی و کند هست. هدف ما شبیه‌سازی فرآیند کشف با این بررسیه که آیا سیستم‌های هوش مصنوعی می‌تونن نوآور باشن و کشفیات جدیدی انجام بدن.”

خودکارسازی ایده‌های خوب

پیشرفت‌های اخیر نشون داده‌ن که مدل‌های زبانی بزرگ (LLMs) توانایی چشمگیری در پاسخ دادن به سوال‌ها، خلاصه‌سازی اطلاعات و انجام کارهای ساده دارن. اما در تولید ایده‌های جدید از صفر، محدودیت‌های زیادی دارن. محققان MIT می‌خواستن سیستمی طراحی کنن که به مدل‌های هوش مصنوعی اجازه بده یه روند پیچیده‌تر رو دنبال کنن که از یادآوری اطلاعاتی که در طول آموزش یاد گرفتن، فراتر بره و به تولید دانش جدید بپردازه.

اساس این روش، یک گراف دانش هستی‌شناختیه که مفاهیم علمی گوناگون رو سازمان دهی می‌کنه و ارتباطات بینشون رو برقرار می‌سازه. برای ایجاد این گراف‌ها، محققان مجموعه‌ای از مقاله‌های علمی رو به یک مدل هوش مصنوعی تولیدی وارد می‌کنن. در کارهای قبلی، بیهلر از یک رشته ریاضی به اسم نظریه رده‌ها استفاده کرده تا به مدل هوش مصنوعی کمک کنه تا انتزاع‌های مفاهیم علمی رو به شکل گراف‌هایی توسعه بده، که در اون روابط بین اجزا تعریف میشه و به شکلی قابل تحلیل هست که سایر مدل‌ها از طریق فرآیند استدلال گرافی ازش استفاده کنن. این رویکرد به مدل‌های هوش مصنوعی کمک می‌کنه تا روش‌های اصولی‌تری برای فهم مفاهیم ایجاد کنن و همچنین بهشون اجازه میده تا بهتر در حوزه‌های مختلف تعمیم پیدا کنن.

بـیـهـلـر مـیـگـه: “ایـن مـوضـوع بـرای مـا خـیـلـی مـهـم بـود کـه مـدل‌هـای هـوش مـصـنـوعـی مـتـمرکـز بـر عـلـم ایـجـاد کـنـیـم، چـون نـظریـه‌هـای عـلمـی مـعمـولا بـر اصـول قـابـل تـعمـیـم اسـتـوارن و نـه فـقـط یادآوری دانش.” اون ادامـه مـیـده: “بـا تـمرکـز روی “تفکر” بـه ایـن روش، مـا مـی‌تـونـیـم از روش‌هـای مـتـعارف فـراتـر بـریـم و بـهـره بـرداری‌هـای خـلاقـانه‌تـری از هـوش مـصـنـوعـی رو بـرسـی کـنـیـم.”

بـرای مـقالـه اخـیـر، مـحقـقـان از حـدود ۱۰۰۰ مطـالعه عـلمـی در زمـیـنـه مـواد زیـستـی اسـتـفـاده کـردن، امـا بـیـهـلـر میـگـه کـه گـراف‌هـای دانش مـی‌تـونـن بـا اسـتفـاده از تـعـداد بـیـشتـر یـا کـمتـری از مـقـالات تحقیـقـی از هـر زمـیـنه‌‌ای تـولیـدشـن. بـا ایـجاد ایـن گـراف، مـحقـقـان یـک سیـستـم هـوش مـصـنـوعـی بـرای کشف عـلمی تـوسـعه دادن کـه شـامـل چـنـدیـن مـدل تـخصصـی هـسـت کـه نقـش‌هـای خـاصـی در سیـسـتم ايفـا مـی‌کـنن. بـیـشتـر اجـزا بـر اسـاس مـدل‌هـای سـری ChatGPT-4 OpenAI سـاخته شدن و از تـکـنـیـک یـادگیـری در بـافت اسـتـفـاده مـی‌کـنن، کـه در اون، دسـتـورات اطـلاعـات زمـینـه ای در مـورد نقـش مـدل در سیـسـتم رو فـراهـم مـی‌کـنن و بـه اون اجـازه مـی‌ده از داده‌هـای ارائـه شـده یاد بگیـره. عـوامـل فـردی در ایـن چـارچـوب بـا هـم تـعـامـل دارن تـا بـه طـور جـمعـی یـک مـشـکـل پـیچیـده رو حـل کـنن کـه هـیچ کـدومـشـون بـه تـنـهـایـی قـادر بـه انجـام دادنـش نـیـستـن. اولیـن وظـیفـه ای کـه بـه اونـا داده مـی‌شـه، تـولیـد فـرضیـه تحقیقـی هـسـت.

تداخل LLM و ساختار گراف دانش

تـداخل مـدل‌هـای زبـانی بـزرگ (LLM) پـس از تـعـریـف یـک زیـرگـراف از گـراف دانـش شـروع مـی‌شـه. ایـن فـرآیـنـد مـی‌تـونه بـه صـورت تـصـادفـی یـا بـا وارد کـردن دسـتی یـک جـفت کـلـمه کـلیـدی کـه در مـقالات مـورد بـحث قـرار گـرفـتـن، انجـام بشـه. در ایـن چـارچـوب، یـک مـدل زبـانـی کـه محـقـقـان اون رو “”اونـتـولـوژیـسـت”” نـامیـدن، وظـیـفـه تـعـریـف اصـطـلاحات عـلمـی در مـقالات و بررسـی ارتبـاطـات بیـن اونـا رو بـه عـهـده داره و به گـراف دانـش عـمق مـی‌بخـشـه.

پیشنهادات تحقیقاتی و ارزیابی

مدلی به اسم “”دانشـمـنـد ۱”” بـعـد یـک پیشـنـهـاد تحقیـقـی رو بـر اسـاس عـوامـلی مـثـل تـوانـایـی کشـف ویـژگـی‌هـای غـیرمـنتـظـره و نـوآوری تهـیه مـی‌کـنه. ایـن پیـشنـهـاد شامـل بحثـی در مـورد یـافـتـه هـای مـحتـمل، تـاثیـر پـژوهـش و حـدس‌هـایـی در بـاره مـکـانیـسـم‌هـای زیـریـن عـمل هـسـت. مـدل “”دانشـمـنـد ۲”” روی ایـن ایـده گـستـرش مـی‌ده و رويـکرد‌هـای تجربـی و شـبیـه‌سـازی خـاصی رو پـیـشنـهـاد مـی‌کـنه و بـهـبودی‌هـای دیـگری هـم ارائـه مـی‌ده. در نـهـایـت، مـدل “”مـنتـقـد”” نـقاط قـوت و ضـعـف رو بـرجـسـتـه کـرده و پـیشـنـهاداتـی بـرای بـهبـود بـیشـتر مـطـرح مـی‌کـنه.

بـوهـلر میگه: “هـدف ایـنـه کـه یـک تـیـم از کـارشـناسـان درست کـنـیـم کـه هـمـه‌شون یه جور فـکر نـکنـن. بـاید متـفـاوت فـکـر کـنن و قابلیت‌هـای مختلفی داشـته بـاشن. عـامل مـنتـقـد عـمـدا بـرنـامـه‌ریـزی شـده کـه بـه نـقـد دیـگـران بـپردازه، بـه هـمین خـاطـر هـمه نـمیگن ایـن ایـده عـالـیـه. شما یـه عـامل داری کـه مـیـگه: ‘ایـنـجـا یـه ضـعـف وجـود داره، مـی‌‍تـونی بهـتر تـوضـیح بـدی؟’ ایـن مـوضوع بـاعـث مـی‌شـه خـروجـی خـیـلـی متـفـاوت از مـدل‌هـای تـکـی بـاشـه.”

جستجوی ادبیات و ارزیابی نوآوری

سـایـر عـوامـل در سیـسـتم قـادر به جـسـت و جـوی ادبـیات مـوجود هـسـتـن کـه ایـن امـکان رو به سـیسـتم مـیده کـه نـه تـنهـا قابـلـیت‌سـنـجی رو ارزیـابـی کـنه بـلـکـه نـوآوری هـر ایـده رو هـم ایـجاد و ارزیـابـی کـنه.

تقویت سیستم

بـرای اعـتـبـارسـنـجی رویکـردشـون، بـوهـلر و غـفـاری‌لـاهـی یـک گـراف دانش بـر اسـاس کـلـمـات “”ابـریـشـم”” و “”مصـرف انـرژی بـالا”” سـاختـن. بـا اسـتـفاده از ایـن چـارچـوب، مـدل “”دانـشـمند ۱”” پـیشـنهاد داد کـه ابـریـشـم رو بـا رنـگـدانـه‌هـای مـبـتنـی بـر قـاصـدک تـرکـیـب کـنن تـا مـواد زیـسـتی بـا ویـژگـی‌هـای نـوری و مکـانـیـکـی بـهبـود یـافـته تـولیـد کـنن. ایـن مـدل پـیش‌بـیـنـی کـرد کـه مـاده بـه طـور قـابـل تـوجهـی قـوی‌تـر از مـواد ابـریـشمـی سنـتـی خـواهـد بـود و نـیـاز بـه انـرژی کـمتـری بـرای پـردازش دارد.

سـپـس “”دانـشـمنـد ۲”” پـیـشنـهـاداتـی ارائـه داد، مـانـنـد اسـتفـاده از ابـزار‌هـای شـبیه‌سـازی دیـنـامـیـک مـولکـولی خـاصـی بـرای بـرسی چـگـونـگی تـعـامـل مـواد پـیـشـنـهـادی و افـزود کـه یـه کـاربـرد خـوب بـرای ایـن مـاده، چـسـب زیـست‌الـهام‌گرفته هـسـت. مـدل مـنتـقـد بـعـد چـنـدیـن نـقـطه قـوت مـاده پـیشـنهـادی و زمینه‌هـای بهـبـود، مـانـند قـابـلـیت قـابـل انـدازه شدن، پـایـداري بلـندمـدت و تـاثیـرات زیـست‌مـحیـطـی اسـتـفاده از حـلال‌هـا رو برجـسـتـه کـرد. بـرای رفع ایـن نـگـرانی‌هـا، مـنـتـقـد پیـشـنهـاد داد کـه مطـالعـات آزمـایـشی بـرای اعـتـبـارسـنـجی فـرآینـد انجـام بشـه و تـجزیه و تحـلیـل‌هـای دقـیـقـی از دوام مـاده انـجام گـیـره.

ایده‌های جدید و نوآوری

مـحقـقـان هـمـیـنـطور آزماش‌هـای دیـگه ای رو بـا كـلمـات کـلیـدی تـصـادفـی انجـام دادن کـه فـرضیـات مـخـتـلـفی رو در مـورد چیـپ‌هـای مـیـکـروسیـال زیـست‌الـهام‌گرفته، بـهـبود خـواص مـکـانـیکـی داربـسـت‌هـای مـبـتـنـی بـر کـلاژن و تـعـامـل بیـن گـرافـن و فیـبـرهـای آمـیلـویـیـد بـرای ایـجـاد دستـگـاه‌هـای بـیوالـکترونـیـکی تـولیـد کـرد. غـفـاری‌لـاهـی مـیـگ-ه: “”سـیـسـتم تـونسـت ایـن ایـده‌هـای جـدیـد و دقـیـق رو بـر اسـاس مسـیـر گـراف دانـش ارائـه بـده. از نظـر نـوآوری و کـاربـرد، بـه نـظـر مـی‌رسـیـد مـواد قـوی و نـوآورانه‌‌ای هـستن. در کـار‌هـای آیـنـده، مـا قصـد داریـم هـزاران یـا دهـ‌هـا هـزار ایـده تحقـیـقاتـی جـدیـد تـولیـد کـنـیـم و پـس از اون مـی‌تـونیم اونـها رو دسته بـنـدی کـنـیـم و تـلاش کنـیم فـهـم بـهـتـری از ایـن داشـته بـاشـیـم کـه ایـن مـواد چـطـور تـولیـد مـیـشـن و چـطـور مـی‌تـونـن بـیـشتر بـهتـر بـشن.“”

آینده و ابزارهای نوین

مـحـققـان امـیـدواردن ابـزار‌هـای نـویـنی بـرای بـازیـابـی اطـلاعـات و اجـرای شـبیه‌سـازی‌هـا بـه چـارچـوب‌هـای خـودشـون اضـافـه کـنـن. اونـا هـمـینـطور مـی‌تـونـن بـا راحتی مـدل‌هـای پـایـه رو در چـارچوب‌هـاشـون بـا مـدل‌هـای پیشـرفـتـه‌تـر جـایـگـزیـن کـنن و بـه سیـسـتم اجـازه بـدن کـه بـا آخـریـن نـوآوری‌هـا در AI سـازگـاز شـه. بـوهـلر مـیـگـه: “”بـه خـاطـر چـگـونـگـی تـعـامـل ایـن عـوامـل، بـهـبـود در یـک مـدل، حـتـی اگـر جـزئـی بـاشـه، تـاثیـر بـزرگـی روی رفـتـارهـا و خـروجـی کـلـی سیـسـتم داره.””

از زمـان انـتشـار یـک پـیـش‌نـویـس بـا جـزئیـات مـنـبـع بـاز رویکـردشـون، مـحـقـقـان بـا صدـ‌هـا نـفـر کـه علاقه‌منـدن از ایـن چـارچـوب در زمـینـه‌هـای عـلمـی مـختلـف و حتـی حـوزه‌هـایـی مـانـنـد مـالی و امـنیت سایـبـری هـستـن، تـمـاس گـرفـتـن. بـوهـلر مـیـگـه: “”کـار‌هـای خـیلـی مـتـعـددی وجـود دارن کـه مـی‌تـونی بـدون نـیـاز بـه رفـتـن بـه آزمايشگـاه انجـام بـدی. شـما اسـاسـا مـی‌خـوای در پـایـان فـرآیـنـد بـه آزمايـشـگـاه بـری. آزمايشـگـاه هزینه بـر و وقـت گـیـره، در نـتـیـجـه شـما بـه سـیـستـمـی نـیـاز داری کـه بـتـونـه بـه عـمـقـا بـهـتـریـن ایدهـا بـره، بـهـتـریـن فـرضـیه‌هـا رو تـدویـن کـنه و رفتـارهـای نـوظـهـور رو بـه دقـت پـیـشکـش بـکـنه. چـشـم‌انـداز مـا ایـنـه کـه ایـن کـار رو آسـان کنـیـم، بـناـبر این مـی‌تـونـی از یـک اپـلـیـکـیشـن بـرای وارد کـردن ایـده‌هـای دیگـه یـا کشیـدن داده هـا اسـتـفاده کـنی تـا واقـعـا مـدل رو بـه چـالش بـکـشی و کشـفـیات جـدیـدی انجـام بـدی.””