شگفتی‌های هوش مصنوعی : باز کشف جدول تناوبی در کمتر از چند ساعت!

حدود یک قرن از آزمون و خطای دانشمندان برای سازماندهی جدول تناوبی عناصر شیمیایی می‌گذرد. جدولی که اکنون یکی از بزرگترین دستاوردهای علم شیمی به شمار می‌رود. اکنون یک برنامه‌ی هوش مصنوعی جدید که توسط دانشمندان دانشگاه استنفورد توسعه یافته، چنین جدولی را در کمتر از چند ساعت بازتولید می‌کند! نتیجه‌ی این پژوهش که چهار روز پیش در مجله‌ی معتبر PNAS منتشر شد، نخستین گام مهم به سوی یک هدف جاه‌طلبانه‌، یعنی طراحی جایگزینی برای آزمون تورینگ (آزمون استاندارد فعلی برای سنجش هوش ماشینی) است. این برنامه که Atom2Vec نام دارد، به طور موفقیت‌آمیزی یاد گرفت تفاوت بین اتم‌ها را پس از تجزیه‌ و تحلیل لیستی از ترکیبات شیمیایی تشخیص دهد. با دیپ لوک همراه باشید…

برنامه هوش مصنوعی Atom2Vec از مفاهیم وام گرفته شده از پردازش زبان طبیعی، به ویژه ایده‌ای که در آن، ویژگی‌های کلمات با نگاه کردن به کلمات اطراف آنها، درک می‌شود، برای خوشه‌بندی عناصر طبق ویژگی‌های شیمیایی آنها استفاده کرد. ژانگ که مدیر این گروه تحقیقاتی است، می‌گوید:

ما می‌خواستیم بدانیم آیا هوش مصنوعی می‌تواند به اندازه‌ی کافی باهوش باشد که جدول تناوبی را خودش کشف کند و پژوهش نشان داد که پاسخ مثبت است!

برای اینکه هوش مصنوعی آزمون تورینگ را با موفقیت بگذراند، باید بتواند سوالات را به گونه‌ای پاسخ دهد که جواب‌های آن از جواب‌های انسانی، قابل تشخیص نباشد. اما ژانگ فکر می‌کند این آزمون، ناقص است، زیرا ذهنی است. او می‌گوید:

انسان‌ها، محصول تکامل‌اند و ذهن‌ ما با انواع بی‌خردی‌ها به هم می‌ریزد. برای آنکه یک هوش مصنوعی، آزمون تورینگ را پاس کند، ممکن است نیاز به بازتولید تمام بی‌خردی‌های ذهن ما داشته باشد. انجام این کار، بسیار سخت است.

ژانگ در عوض دوست دارد آزمایش تازه‌ای از هوش ماشینی را پیشنهاد کند. او می‌گوید:

ما می‌خواهیم ببینیم آیا می‌توانیم یک هوش مصنوعی طراحی کنیم که بتواند در کشف قانون جدیدی از طبیعت، از انسان‌ها پیشی بگیرد. اما برای انجام این کار، ابتدا باید  ببنیم هوش مصنوعی می‌تواند برخی از بزرگترین اکتشافات انسان‌ها را بازتولید یا بازکشف کند؟

آنها با بازتولید جدول تناوبی عناصر شیمیایی به کمک برنامه هوش مصنوعی Atom2Vec به این هدف رسیده‌اند. ژانگ و گروهش، Atom2Vec را روی یک برنامه‌ی هوشی مصنوعی که مهندسان گوگل برای تجزیه‌ی زبان طبیعی خلق کرده بودند، مدل کردند. برنامه‌ی هوش مصنوعی زبان به نام Word2Vec، با تبدیل کلمات به کدهای عددی یا بردارها کار می‌کند. هوش مصنوعی با تجزیه تحلیل بردارها می‌تواند احتمال ظهور یک کلمه در یک متن را حدس بزند؛ مثلا کلمه «پادشاه» اغلب با «ملکه» و کلمه‌ی «مرد» همیشه با «زن» همراه است؛ بنابراین بردار ریاضی «پادشاه» می‌تواند به صورت «پادشاه=یک ملکه منهای یک زن به اضافه‌ی یک مرد» ترجمه شود. دانشمندان می‌گویند:

ما می‌توانیم همین ایده را به اتم‌ها را اعمال کنیم. به جای اینکه کلمات و عبارات را به صورت مجموعه‌ای از متن‌ها درنظر بگیریم، تمام ترکیبات شیمیایی شناخته شده مانند NaCl، KCl، H2O را به برنامه‌ی Atom2Vec خوراندیم.

برنامه‌ی هوش مصنوعی با استفاده از این داده‌های پراکنده فهمید که مثلا پتاسیم و سدیم باید ویژگی‌های مشابهی باشند، زیرا هر دو دوی آنها می‌توانند به کلر بچسبند، درست مانند پادشاه و ملکه که شبیه یکدیگرند. ژانگ امیدوار است دانشمندان در آینده بتوانند از دانش Atom2Vec برای کشف و طراحی مواد جدید استفاده کنند. او می‌گوید:

برنامه‌ی هوش مصنوعی برای این پروژه، بدون هدف بود، اما می‌توان هدفی مشخص کرد که هوش مصنوعی آن را پیدا کند، مثلا پیدا کردن ماده‌ای که در تبدیل نور خورشید به انرژی، بسیار کارآمد باشد.

تیم ژانگ اکنون بر روی نسخه‌ی ۲.۰ برنامه‌ی هوش مصنوعی خود کار می‌کنند که روی حل یک مسئله‌ی رام‌نشدنی در علم پزشکی تمرکز خواهد کرد: طراحی پادتن مناسب برای حمله به پادژن‌های سلول‌های سرطانی. در حال حاضر، یکی از امیدوارانه‌ترین راهکارها برای درمان سرطان، ایمن‌درمانی سرطان (استفاده از پادتن‌هایی که می‌توانند به پادژن‌های روی سلول‌های سرطانی حمله کنند) است. اما بدن انسان می‌تواند بیش از ده میلیون پادتن منحصربفرد تولید کند که هر یک از یک ترکیب متفاوت از حدود ۵۰ ژن ساخته شده‌اند. اگر بتوانیم این ژن‌های سازنده را به صورت یک بردار ریاضی، تصویر کنیم، آنگاه می‌توان تمام پادتن‌ها را به چیزی مانند جدول تناوبی عناصر شیمیایی سازماندهی کرد. بنابراین اگر  کشف کنیم که یک پادتن، در برابر پادژن موثر بوده، اما سمی است، می‌توانیم درون همان خانواده‌، پادتن دیگری که درست همانقدر موثر، اما کمتر سمی است، بیابیم.