Je, AI hutabiri matokeo ya majaribio vipi kusaidia kupunguza muda wa utafiti, kupunguza gharama na kuboresha ufanisi? Tuchunguze kwa undani zaidi pamoja na INVIAI katika makala hii!

Jinsi AI inavyopanga na kuchambua majaribio

Akili bandia (AI) inabadilisha jinsi wanasayansi wanavyopanga na kufasiri majaribio. Kwa kujifunza mifumo kutoka kwa data nyingi sana – kutoka kwa makala za utafiti hadi matokeo ya majaribio ya kuiga – mifano ya AI inaweza kutabiri matokeo yanayoweza kutokea katika majaribio mapya.

Kwa mfano, mifano mikubwa ya lugha (LLMs) iliyofunzwa kwa maandiko ya kisayansi imeonyesha uwezo wa “kuchuja mifumo” inayowawezesha kutabiri matokeo ya kisayansi kwa usahihi wa hali ya juu zaidi ya binadamu.

Katika utafiti mmoja wa hivi karibuni, zana za AI zilitabiri matokeo ya majaribio ya neva kwa usahihi zaidi mara nyingi kuliko wataalamu wa binadamu. Utabiri huu unaotegemea AI unaahidi kupunguza jaribio na makosa, kuokoa muda na rasilimali maabara.

Watafiti tayari wanatumia AI kama “mshirika wa ndege” katika sayansi. Katika matokeo ya kihistoria, AI “mshirika wa sayansi” aliyetengenezwa kwa kutumia LLM ya Google Research aligundua tena mfumo mgumu wa kibaolojia katika bakteria: nadharia yake bora kabisa ililingana kabisa na mchakato wa uhamishaji wa jeni uliothibitishwa majaribioni. Kwa maneno mengine, AI ilipendekeza jibu sahihi kwa swali ambalo lilichukua miaka kwa wanasayansi wa binadamu kulitatua.

Waandishi wanahitimisha kuwa AI kama hii inaweza kutumika “sio tu kama chombo bali kama injini ya ubunifu, ikiharakisha ugunduzi”.

Vivyo hivyo, timu inayotegemewa na UCL ilionyesha kuwa LLM za kawaida (na mfano maalum wa “BrainGPT”) zinaweza kutabiri matokeo ya tafiti za neva kwa usahihi zaidi kuliko wanasayansi wa neva wa binadamu. LLM zilipata wastani wa mafanikio ya 81% katika kuchagua matokeo sahihi yaliyotangazwa, wakati wataalamu walifanikiwa tu kwa 63–66%. Hii inaonyesha AI inaweza kutambua mifumo ya maandiko na kutoa utabiri wa mbele zaidi ya kutafuta ukweli tu.

Matumizi ya AI Katika Nyanja za Sayansi

Biolojia

AI inafanya maendeleo katika nyanja nyingi. Katika biolojia, mfano mpya wa msingi ulifundishwa kwa data kutoka kwa zaidi ya seli milioni moja na kujifunza “sarufi” ya uonyeshaji wa jeni. Inaweza kutabiri ni jeni gani zitakuwa hai katika aina yoyote ya seli za binadamu, na utabiri wake ulikuwa karibu sana na vipimo vya maabara.

Katika maonyesho moja, AI ilitabiri kwa usahihi jinsi mabadiliko ya leukemia yanayopatikana kwa urithi yanavyovuruga mtandao wa udhibiti wa seli – utabiri uliohakikiwa baadaye kwa majaribio.

Kemia

Katika kemia, watafiti wa MIT walitengeneza mfano uitwao FlowER unaotabiri matokeo ya mmenyuko wa kemikali kwa uhalisia zaidi kwa kuweka vizingiti vya kimwili (kama vile uhifadhi wa wingi na elektroni). AI hii inayojali vizingiti iliboresha sana usahihi na uaminifu katika kutabiri bidhaa za mmenyuko.

Majukwaa ya AI kama RXN ya IBM kwa Kemia hutumia ujifunzaji wa kina pia kuchora “lugha ya kemikali” na kutabiri matokeo ya mmenyuko, ikisaidia wakemia kuchunguza mmenyuko mipya kwa kasi zaidi kuliko mbinu za jaribio na makosa.

Sayansi ya Vifaa

Katika sayansi ya vifaa, mifano ya msingi ya AI inayochipuka (kama MatterGen/MatterSim ya Microsoft) inafunzwa kwa data kuhusu atomi na molekuli ili iweze kutabiri tabia za vifaa vipya kabla ya majaribio yoyote kufanywa.

AI Katika Fizikia na Mienendo ya Juu ya Kuiga

Mfano wa AI unaojua fizikia ulitabiri kwa mafanikio matokeo ya jaribio la fusion. Kwa mfano, wanasayansi wa Lawrence Livermore National Lab walitumia mfumo unaotegemea AI kutabiri mafanikio ya mlipuko wa fusion siku kadhaa kabla ya jaribio kufanyika. Mfano wao, uliofunzwa kwa maelfu ya majaribio ya kuiga na majaribio ya zamani, ulitabiri uwezekano wa zaidi ya 70% wa kufanikisha mlipuko (faida ya nishati) kabla ya jaribio kufanywa.

Baada ya mlipuko, uzalishaji halisi wa neutron ulikuwa ndani ya kiwango kilichotabiriwa na AI, kuonyesha kuwa AI inaweza kutoa utabiri wa uwezekano wa kuaminika wa majaribio magumu ya fizikia.

Njia hii – ya kuunganisha AI na kuiga kwa fizikia – haikutabiri tu kwa usahihi bali pia ilikadiria kutokuwa na uhakika, ikiongoza watafiti katika kutathmini hatari za majaribio. Vivyo hivyo, katika utafiti wa mawimbi ya mvutano, AI imebuni hata muundo mpya wa interferometer (kama kuongeza tundu la macho la kilomita moja) kuboresha unyeti wa kifaa cha kugundua – ugunduzi ambao wahandisi wa binadamu walikuwa hawajauzingatia.

Uendeshaji wa Maabara Unaotegemea AI

Uendeshaji wa maabara ni eneo jingine ambapo utabiri wa AI unabadilisha mchezo. Wanasayansi wanaota ndoto za “viwanda vya ugunduzi” vinavyoendeshwa kikamilifu na roboti zinazofanya majaribio na AI kuchambua matokeo. Watafiti wa UNC-Chapel Hill wanaelezea jinsi roboti wa kusafiri wanaweza kufanya majaribio ya kemia bila kuchoka, wakitekeleza taratibu kwa usahihi zaidi kuliko binadamu.

Roboti hawa hutengeneza seti kubwa za data ambazo AI inaweza kuchambua mara moja kutafuta mifumo na kasoro.

Katika maono haya, mzunguko wa kawaida wa kubuni-fanya-jaribu-chambua unakuwa wa kasi zaidi na unaobadilika: mifano ya AI inaweza kupendekeza jaribio lijalo, kuboresha masharti kwa wakati halisi, na hata kupanga kampeni kamili za majaribio. Kwa mfano, timu ya UNC inabainisha kuwa AI inaweza kutambua misombo au vifaa vipya vyenye ahadi vya kujaribiwa, ikielekeza wanasayansi wapi waangalie zaidi.

Kwa kuendesha kazi za kawaida kwa njia ya kiotomatiki, watafiti wanapata nafasi ya kuuliza maswali ya kiwango cha juu, wakati AI inazingatia majaribio yenye taarifa zaidi.

Manufaa ya AI kwa Utafiti wa Kisayansi

Utabiri unaotegemea AI una manufaa makubwa kwa sayansi. Unaweza kuharakisha ugunduzi kwa kupunguza chaguzi za majaribio, kupunguza gharama kwa kuondoa majaribio yasiyo na maana, na kugundua mifumo nyeti ambayo binadamu wanaweza kupuuzia. Zana kama AlphaFold2 ya DeepMind tayari zimeleta mapinduzi katika biolojia kwa kutabiri miundo ya protini: AlphaFold2 ilifanikiwa kuunda mfano wa 3D wa karibu protini zote milioni 200 zinazojulikana kisayansi.

Hii inamaanisha watafiti hutumia muda mdogo sana katika tafiti za X-ray au cryo-EM zinazochosha na wanaweza kuzingatia protini mpya.

Vivyo hivyo, mfano wa ESMBind wa Brookhaven Lab hutabiri jinsi protini za mimea zinavyoshikilia ions za metali (kama zinki au chuma) na huzidi mbinu nyingine katika kutambua maeneo ya kushikilia metali. Hii inaharakisha utafiti wa mimea ya bioenergy kwa kubainisha jeni gani za kusoma kwa ajili ya upokeaji wa virutubisho.

Katika kila kesi, AI hutumika kama chombo cha kuchuja: huchuja “eneo kubwa la utafutaji” wa majaribio kuwa seti ndogo ya matokeo au wagombea wenye uwezekano mkubwa.

Changamoto na Mipaka ya AI

Hata hivyo, maendeleo haya huleta maswali mapya. Ukweli kwamba AI inaweza kutabiri matokeo mengi kwa usahihi unaonyesha matokeo ya kisayansi mara nyingi hufuata mifumo inayojulikana. Kama watafiti wa UCL wanavyosema, “sehemu kubwa ya sayansi si mpya kabisa, bali inafuata mifumo iliyopo” katika maandiko.

Hii ina maana AI ni hodari katika ugunduzi wa kawaida au wa hatua kwa hatua lakini inaweza kushindwa na matukio ya kipekee kabisa.

Wataalamu wanatilia shaka kuwa ubunifu wa binadamu na fikra za kina bado ni muhimu: mapendekezo ya AI yanahitaji uthibitisho makini wa majaribio. Pia kuna changamoto za upendeleo wa data (AI inajua tu kile ilichokiona) na kujiamini kupita kiasi (mifano inaweza kuwa na makosa inaposhinikizwa zaidi ya mafunzo yake). Hata hivyo, manufaa yanaonekana kuzidi hatari: utabiri wa AI tayari umeendesha mafanikio yaliyotangazwa katika biolojia, kemia, na fizikia.

Mustakabali wa AI katika Ubunifu wa Majaribio

Tukiangalia mbele, AI na majaribio yataunganishwa zaidi na zaidi. Wanasayansi wanatengeneza “mifano ya msingi” iliyobinafsishwa kwa nyanja za sayansi (kutumia data za fizikia, kemia, au jenomu) ili waweze kutabiri matokeo vyema na hata kupendekeza mbinu mpya za majaribio.

Katika siku za usoni, watafiti wanaota ndoto ya kuingiza jaribio lililopendekezwa kwenye zana ya AI na kupata mgawanyo wa uwezekano wa matokeo yanayowezekana.

Kwa kufanya mizunguko ya majaribio kwa njia ya kompyuta, timu zinaweza kuboresha majaribio kabla ya kugusa pipeti au laser. Lengo ni mchakato wa utafiti mchanganyiko: AI hupunguza haraka nadharia na njia zenye ahadi, na wanasayansi wa binadamu huleta hisia na ufahamu kuchunguza yasiyojulikana.

>>> Chunguza zaidi: AI inachambua data za majaribio

Iwapo itafanywa vizuri, ushirikiano huu unaweza kuongeza mara mbili au tatu kasi ya ugunduzi, ukikabili changamoto kubwa kutoka vifaa vya nishati mbadala hadi tiba za kibinafsi.

Kama mmoja wa watafiti alivyoeleza, AI itakuwa “chombo chenye nguvu katika mkoba wako” kinachosaidia wanasayansi kubuni majaribio yenye ufanisi zaidi na kufungua mipaka mipya.