எப்படி ஏ.ஐ. பரிசோதனை முடிவுகளை முன்னறிவிக்கிறது என்பது ஆராய்ச்சி நேரத்தை குறைத்து, செலவுகளை குறைத்து, செயல்திறனை மேம்படுத்த உதவுகிறது? இந்தக் கட்டுரையில் INVIAI உடன் மேலும் விவரங்களை அறிந்து கொள்வோம்!

ஏ.ஐ. எப்படி பரிசோதனைகளை திட்டமிடுகிறது மற்றும் பகுப்பாய்வு செய்கிறது

கைமுறை நுண்ணறிவு (ஏ.ஐ.) விஞ்ஞானிகள் பரிசோதனைகளை திட்டமிடும் மற்றும் விளக்குவதில் மாற்றங்களை ஏற்படுத்தி வருகிறது. ஆய்வுக் கட்டுரைகள் முதல் சிமுலேஷன் வெளியீடுகள் வரை பெரும் தரவுகளிலிருந்து மாதிரிகளை கற்றுக்கொண்டு, ஏ.ஐ. மாதிரிகள் புதிய பரிசோதனைகளின் சாத்தியமான முடிவுகளை முன்னறிவிக்க முடிகிறது.

உதாரணமாக, அறிவியல் இலக்கியத்தில் பயிற்சி பெற்ற பெரிய மொழி மாதிரிகள் (LLMs) "மாதிரிகளை சுருக்கி" அதிக துல்லியத்துடன் அறிவியல் முடிவுகளை முன்னறிவிக்க முடியும் என்பதை காட்டியுள்ளன.

ஒரு சமீபத்திய ஆய்வில், ஏ.ஐ. கருவிகள் முன்மொழிந்த நரம்பியல் பரிசோதனைகளின் முடிவுகளை மனித நிபுணர்களைவிட அதிகமாக சரியாக முன்னறிவித்தன. இந்த ஏ.ஐ. சார்ந்த முன்னறிவிப்புகள் முயற்சி-பிழை முறையை குறைத்து, ஆய்வகத்தில் நேரம் மற்றும் வளங்களை சேமிக்க உதவுகின்றன.

ஆராய்ச்சியாளர்கள் ஏற்கனவே அறிவியலுக்கான "கூட்டு இயக்கி" ஆக ஏ.ஐ.யைப் பயன்படுத்தி வருகின்றனர். ஒரு முக்கிய முடிவில், கூகுள் ரிசர்ச் LLM அடிப்படையிலான ஏ.ஐ. "கூட்டு விஞ்ஞானி" ஒரு சிக்கலான உயிரியல் இயந்திரத்தை மீண்டும் கண்டுபிடித்தது: அதன் முதன்மை கருதுகோள் ஒரு பரிசோதனையில் உறுதிப்படுத்தப்பட்ட ஜீன் பரிமாற்ற செயல்முறையை துல்லியமாக பொருந்தியது. அதாவது, மனித விஞ்ஞானிகள் பல ஆண்டுகள் தீர்க்க முயன்ற கேள்விக்கு ஏ.ஐ. தனக்கே சரியான பதிலை முன்மொழிந்தது.

ஆசிரியர்கள், இந்த ஏ.ஐ. "ஒரு கருவியாக மட்டுமல்ல, ஒரு படைப்பாற்றல் இயந்திரமாகவும் செயல்பட்டு கண்டுபிடிப்பை வேகப்படுத்தும்" என்று முடிவெடுத்துள்ளனர்.

அதேபோல், UCL தலைமையிலான குழு பொதுவான LLMகள் (மற்றும் ஒரு சிறப்பு "BrainGPT" மாதிரி) மனித நரம்பியல் நிபுணர்களைவிட அதிக துல்லியத்துடன் நரம்பியல் ஆய்வுகளின் முடிவுகளை முன்னறிவிக்க முடியும் என்பதை காட்டியது. LLMகள் சரியான வெளியிடப்பட்ட முடிவுகளை 81% வெற்றியுடன் தேர்ந்தெடுத்தன, நிபுணர்கள் 63–66% மட்டுமே. இது ஏ.ஐ. இலக்கிய மாதிரிகளை அடையாளம் காணவும், முன்னோக்கிய முன்னறிவிப்புகளை செய்யவும் முடியும் என்பதைக் காட்டுகிறது.

அறிவியல் துறைகளில் ஏ.ஐ. பயன்பாடுகள்

உயிரியல்

ஏ.ஐ. பல துறைகளில் முன்னேற்றம் காண்கிறது. உயிரியல் துறையில், ஒரு புதிய அடித்தள மாதிரி ஒரு மில்லியனுக்கும் மேற்பட்ட செல்கள் தரவுகளிலிருந்து பயிற்சி பெற்று, ஜீன் வெளிப்பாட்டின் "வியக்கத்தன்மையை" கற்றுக்கொண்டது. இது எந்த மனித செலிலும் எந்த ஜீன்கள் செயல்படும் என்பதை முன்னறிவிக்க முடியும், மேலும் அதன் முன்னறிவிப்புகள் ஆய்வக அளவீடுகளுடன் நெருக்கமாக பொருந்தின.

ஒரு டெமோவில், ஏ.ஐ. மரபணு மாற்றங்கள் செல்களின் கட்டுப்பாட்டு வலையமைப்பை எவ்வாறு பாதிக்கும் என்பதை சரியாக முன்னறிவித்தது – இது பின்னர் பரிசோதனைகளால் உறுதிப்படுத்தப்பட்டது.

ரசாயனம்

ரசாயனம் துறையில், MIT ஆராய்ச்சியாளர்கள் FlowER என்ற மாதிரியை உருவாக்கினர், இது பொருள் மற்றும் மின்னணுக்களின் பாதுகாப்பு போன்ற பௌதிக கட்டுப்பாடுகளை பின்பற்றி ரசாயன எதிர்வினை முடிவுகளை நிஜமாக முன்னறிவிக்கிறது. இந்த கட்டுப்பாடு-அறிந்த ஏ.ஐ. எதிர்வினை தயாரிப்புகளில் துல்லியத்தையும் நம்பகத்தன்மையையும் பெரிதும் மேம்படுத்தியது.

IBM இன் RXN for Chemistry போன்ற ஏ.ஐ. தளங்கள் "ரசாயன மொழியை" வரைபடமாக்கி, எதிர்வினை முடிவுகளை முன்னறிவிக்க ஆழ்ந்த கற்றலை பயன்படுத்துகின்றன, இதனால் ரசாயனவியலாளர்கள் புதிய எதிர்வினைகளை முயற்சி-பிழை முறையைவிட வேகமாக ஆராய முடிகிறது.

பொருள் அறிவியல்

பொருள் அறிவியல் துறையில், Microsoft இன் MatterGen/MatterSim போன்ற புதிய அடித்தள ஏ.ஐ. மாதிரிகள் அணுக்கள் மற்றும் மூலக்கூறுகள் பற்றிய தரவுகளில் பயிற்சி பெற்று, எந்தவொரு பரிசோதனையும் செய்யப்படுவதற்கு முன் புதிய பொருட்கள் எப்படி நடந்து கொள்வதைக் கணிக்க முடியும்.

பௌதிகவியல் மற்றும் மேம்பட்ட சிமுலேஷன்களில் ஏ.ஐ.

ஒரு பௌதிக அறிவு கொண்ட ஏ.ஐ. மாதிரி ஒரு இணைப்பு பரிசோதனையின் முடிவை வெற்றிகரமாக முன்னறிவித்தது. உதாரணமாக, லாரன்ஸ் லிவர்மோர் தேசிய ஆய்வக விஞ்ஞானிகள் ஏ.ஐ. இயக்கிய கட்டமைப்பை பயன்படுத்தி இணைப்பு தீப்பிடிப்பு வெற்றியை சில நாட்களுக்கு முன்பே முன்னறிவித்தனர். ஆய்வுக்கான ஆயிரக்கணக்கான சிமுலேஷன்கள் மற்றும் கடந்த பரிசோதனைகளில் பயிற்சி பெற்ற இந்த மாதிரி, தீப்பிடிப்பு (நிகர சக்தி லாபம்) அடைய 70% மேல் வாய்ப்பு இருப்பதாக கணித்தது.

படப்பிடிப்புக்குப் பிறகு, உண்மையான நியூட்ரான் உற்பத்தி ஏ.ஐ. முன்னறிவித்த வரம்புக்குள் இருந்தது, இது ஏ.ஐ. சிக்கலான பௌதிக பரிசோதனைகளின் நம்பகமான சாத்தியமான முன்னறிவிப்புகளை வழங்க முடியும் என்பதை நிரூபித்தது.

இந்த அணுகுமுறை – ஏ.ஐ. மற்றும் பௌதிக சிமுலேஷன்களை இணைத்து – சரியான முன்னறிவிப்பை மட்டுமல்லாமல், அநிச்சயத்தன்மைகளை அளவிடவும் உதவியது, இதனால் ஆராய்ச்சியாளர்கள் பரிசோதனை ஆபத்துக்களை மதிப்பிட முடிந்தது. அதேபோல், குருத்துவ அலை ஆராய்ச்சியில், ஏ.ஐ. புதிய இடைமுக அமைப்புகளை வடிவமைத்துள்ளது (கிலோமீட்டர் அளவிலான ஒளிப்பட குகையைச் சேர்ப்பது போன்றவை) கண்டறிதல் உணர்திறனை மேம்படுத்த, இது மனித பொறியாளர்கள் கவனிக்காத கண்டுபிடிப்புகள்.

ஏ.ஐ. இயக்கிய ஆய்வக தானியங்கி

ஆய்வக தானியக்கமும் ஏ.ஐ. முன்னறிவிப்புகளில் மாற்றத்தை ஏற்படுத்தும் மற்றொரு துறையாகும். விஞ்ஞானிகள் முழுமையாக தானியங்கி "கண்டுபிடிப்பு தொழிற்சாலைகள்" உருவாக்குவதை கற்பனை செய்கின்றனர், அங்கு ரோபோக்கள் பரிசோதனைகளை நடத்தி, ஏ.ஐ. முடிவுகளை பகுப்பாய்வு செய்கிறது. UNC-சேப்பல் ஹில் ஆராய்ச்சியாளர்கள், மொபைல் ரோபோக்கள் சோர்வு இல்லாமல் தொடர்ந்து ரசாயன பரிசோதனைகளை மேற்கொண்டு, மனிதர்களைவிட மிக துல்லியமான நடைமுறைகளை செயல்படுத்த முடியும் என்பதை விவரிக்கின்றனர்.

இந்த ரோபோக்கள் பெரிய தரவுத்தொகைகளை உருவாக்குகின்றன, ஏ.ஐ. அவற்றில் இருந்து மாதிரிகள் மற்றும் வித்தியாசங்களை உடனடியாக கண்டறிய முடியும்.

இந்தக் காட்சியில், பாரம்பரிய வடிவமைப்பு-செய்-சோதனை-பகுப்பாய்வு சுழற்சி வேகமாகவும் தகுந்தவாறு மாறுபடும்: ஏ.ஐ. மாதிரிகள் அடுத்த பரிசோதனையை பரிந்துரைக்க, நேரடி சூழ்நிலைகளை மேம்படுத்த, மற்றும் முழு பரிசோதனை திட்டங்களையும் திட்டமிட முடியும். உதாரணமாக, UNC குழு, ஏ.ஐ. புதிய பொருட்கள் அல்லது பொருட்களை சோதிக்க கண்டுபிடித்து, விஞ்ஞானிகள் அடுத்ததாக எங்கே கவனம் செலுத்த வேண்டும் என்பதைக் காட்ட முடியும் என்று குறிப்பிட்டுள்ளது.

பொதுவான பணிகளை தானியக்கப்படுத்துவதன் மூலம், ஆராய்ச்சியாளர்கள் உயர்தர கேள்விகளை கேட்க விடுவார்கள், ஏ.ஐ. மிகவும் தகவலளிக்கும் பரிசோதனைகளில் கவனம் செலுத்தும்.

அறிவியல் ஆராய்ச்சிக்கான ஏ.ஐ. நன்மைகள்

ஏ.ஐ. இயக்கிய முன்னறிவிப்பு அறிவியலுக்கு பெரும் நன்மைகளை வழங்குகிறது. இது கண்டுபிடிப்புகளை வேகப்படுத்தி, பரிசோதனை தேர்வுகளை குறைத்து, வீணான முயற்சிகளை நீக்கி செலவுகளை குறைத்து, மனிதர்கள் கவனிக்காத நுணுக்கமான மாதிரிகளை கண்டுபிடிக்க உதவுகிறது. DeepMind இன் AlphaFold2 போன்ற கருவிகள் உயிரியல் துறையில் புரட்சி ஏற்படுத்தி, புரத அமைப்புகளை முன்னறிவித்துள்ளன: AlphaFold2 அறிவியலுக்கு அறியப்பட்ட சுமார் 200 மில்லியன் புரதங்களின் 3D அமைப்பை துல்லியமாக மாதிரியாக்கியது.

இதனால் பரிசோதனையாளர்கள் கடுமையான எக்ஸ்-ரே அல்லது கிரையோ-EM ஆய்வுகளில் குறைந்த நேரம் செலவழித்து, புதிய புரதங்களில் கவனம் செலுத்த முடிகிறது.

அதேபோல், Brookhaven ஆய்வகத்தின் ESMBind மாதிரி தாவர புரதங்கள் உலோக அயன்களை (சிங்கம் அல்லது இரும்பு போன்றவை) எவ்வாறு பிணைக்கும் என்பதை முன்னறிவித்து, மற்ற முறைகளைவிட சிறந்த செயல்திறன் காட்சியளிக்கிறது. இது உயிர் எரிசக்தி பயிர்களில் ஆராய்ச்சியை வேகப்படுத்தி, எந்த ஜீன்களை ஊட்டச்சத்து உறிஞ்சலுக்கு ஆய்வு செய்ய வேண்டும் என்பதைக் குறிப்பது.

எல்லா சூழல்களிலும், ஏ.ஐ. ஒரு சக்திவாய்ந்த தேர்வு கருவியாக செயல்படுகிறது: பரிசோதனை "தேடல் பரப்பை" குறைத்து, அதிக சாத்தியமுள்ள முடிவுகள் அல்லது வேட்பாளர்களை வடிகட்டுகிறது.

ஏ.ஐ. சவால்கள் மற்றும் வரம்புகள்

ஆனால், இந்த முன்னேற்றங்கள் புதிய கேள்விகளையும் எழுப்புகின்றன. ஏ.ஐ. பல முடிவுகளை இவ்வளவு நன்கு முன்னறிவிக்க முடியும் என்பது அறிவியல் கண்டுபிடிப்புகள் பெரும்பாலும் பரிச்சயமான மாதிரிகளை பின்பற்றுகின்றன என்பதைக் குறிக்கிறது. UCL ஆராய்ச்சியாளர்கள் கூறுவது போல, "அறிவியலின் பெரும்பகுதி உண்மையில் புதுமையானது அல்ல, ஆனால் இலக்கியத்தில் உள்ள ஏற்கனவே உள்ள மாதிரிகளுக்கு ஏற்ப உள்ளது".

இதனால், ஏ.ஐ. வழக்கமான அல்லது படிப்படியாக முன்னேறும் கண்டுபிடிப்புகளில் சிறந்தது, ஆனால் முற்றிலும் புதிய நிகழ்வுகளில் சிரமப்படலாம்.

நிபுணர்கள் மனித படைப்பாற்றல் மற்றும் விமர்சன சிந்தனை அவசியம் என்றும் எச்சரிக்கின்றனர்: ஏ.ஐ. பரிந்துரைகள் கவனமாக பரிசோதனை மூலம் உறுதிப்படுத்தப்பட வேண்டும். தரவு பாகுபாடு (ஏ.ஐ. பார்த்ததையே மட்டுமே அறியும்) மற்றும் அதிக நம்பிக்கை (பயிற்சியை மீறும்போது மாதிரிகள் தவறாக இருக்கலாம்) போன்ற சவால்களும் உள்ளன. இருப்பினும், நன்மைகள் அபாயங்களைவிட அதிகமாக உள்ளன: ஏ.ஐ. முன்னறிவிப்புகள் உயிரியல், ரசாயனம் மற்றும் பௌதிகத்தில் வெளியிடப்பட்ட முன்னேற்றங்களை ஏற்கனவே இயக்கி வருகிறது.

பரிசோதனை வடிவமைப்பில் ஏ.ஐ. எதிர்காலம்

எதிர்காலத்தில், ஏ.ஐ. மற்றும் பரிசோதனைகள் மேலும் நெருக்கமாக இணையும். விஞ்ஞானிகள் அறிவியல் துறைகளுக்கான "அடித்தள மாதிரிகள்" (பௌதிகம், ரசாயனம் அல்லது ஜீனோமிக் தரவுகளை பயன்படுத்தி) உருவாக்கி, முடிவுகளை சிறப்பாக முன்னறிவித்து, புதுமையான பரிசோதனை வடிவமைப்புகளையும் பரிந்துரைக்க முயற்சிக்கின்றனர்.

அடுத்த சில ஆண்டுகளில், ஆராய்ச்சியாளர்கள் பரிந்துரைக்கப்பட்ட பரிசோதனையை ஏ.ஐ. கருவியில் உள்ளீடு செய்து, சாத்தியமான முடிவுகளின் பகிர்வை பெறுவார்கள் என்று கற்பனை செய்கின்றனர்.

இணையத்தில் மீண்டும் மீண்டும் முயற்சி செய்து, குழுக்கள் ஒரு பிப்பெட் அல்லது லேசரை தொடுவதற்கு முன் பரிசோதனைகளை மேம்படுத்த முடியும். குறிக்கோள் ஒரு இணைந்த ஆராய்ச்சி பணிச்சுழற்சி: ஏ.ஐ. வேகமாக நம்பகமான கருதுகோள்களை மற்றும் பாதைகளை குறைத்து, மனித விஞ்ஞானிகள் அறிமுகம் மற்றும் தெளிவுடன் அறியப்படாதவற்றை ஆராய்வார்கள்.

>>> மேலும் ஆராயவும்: ஏ.ஐ. பரிசோதனைத் தரவுகளை பகுப்பாய்வு செய்கிறது

சரியாக செய்யப்படும்போது, இந்த கூட்டணி கண்டுபிடிப்பின் வேகத்தை இரட்டிப்பாக அல்லது முக்கோணமாக அதிகரிக்க முடியும், புதுப்பிக்கக்கூடிய எரிசக்தி பொருட்கள் முதல் தனிப்பட்ட மருத்துவம் வரை பெரிய சவால்களை எதிர்கொள்ளும்.

ஒரு ஆராய்ச்சியாளர் கூறியது போல, ஏ.ஐ. "உங்கள் ஆயுதக்கூட்டத்தில் ஒரு சக்திவாய்ந்த கருவியாக" மாறி, விஞ்ஞானிகளுக்கு மிகச் சிறந்த பரிசோதனைகளை வடிவமைக்கவும் புதிய எல்லைகளை திறக்கவும் உதவும்.