تاریخ ارسال : 1404/08/28
به گزارش سپیدپندار دات کام شرکت دیپ‌مایند گوگل برای ساخت هوش مصنوعی آلفافولد و دگرگون‌سازی پیش‌بینی ساختار پروتئین‌ها، سهمی از جایزه نوبل شیمی ۲۰۲۴ را از آن خود کرد. این دستاورد، هدف دیرینه دمیس حسابیس برای استفاده از هوش مصنوعی در حل مسائل بزرگ علمی را محقق ساخته و مسیر را برای به‌کارگیری این فناوری در تمام حوزه‌های علمی هموار می‌کند.
تحقق رویای نوبل با هوش مصنوعی
شرکت دیپ‌مایند (DeepMind)، بخش پیشرو هوش مصنوعی
گوگل، با کسب سهمی از جایزه نوبل شیمی ۲۰۲۴ برای توسعه مدل انقلابی آلفافولد (AlphaFold)، به یکی از بلندپروازانه‌ترین اهداف علمی خود دست یافت. این دستاورد، که به واسطه تلاش‌های دمیس حسابیس (Demis Hassabis)، مدیرعامل و بنیان‌گذار دیپ‌مایند، و همکارش جان جامپر (John Jumper) محقق شد، نشان‌دهنده تحقق رویایی است که حسابیس در سال ۲۰۱۹ برای همکارانش ترسیم کرده بود: بردن جایزه نوبل با ابزارهای هوش مصنوعی.
این موفقیت نه تنها یک پیروزی فنی است، بلکه نقطه عطف مهمی در تاریخ علم محسوب می‌شود؛ زیرا هوش مصنوعی آلفافولد با تحول در پیش‌بینی ساختار سه‌بعدی پروتئین‌ها، که برای دهه‌ها یکی از بزرگترین معماهای بیولوژی بود، مسیر تحقیقات دارویی و درک بیماری‌ها را به کلی تغییر داده است. این جایزه، مهر تأییدی است بر این ایده که هوش مصنوعی می‌تواند به عنوان یک "شتاب‌دهنده علمی" قدرتمند عمل کند.
ریشه‌ها و فلسفه دیپ‌مایند: از "گو" تا اخلاق
تأسیس دیپ‌مایند در سال ۲۰۱۰ توسط حسابیس، که یک عصب‌شناس و توسعه‌دهنده بازی بود، با هدف ایجاد یک "آزمایشگاه علمی سطح بالا در دل صنعت" صورت گرفت. اولین نشانه‌های قدرت این شرکت در سال ۲۰۱۶ با توسعه مدل آلفاگو (AlphaGo) نمایان شد؛ هوش مصنوعی‌ای که بهترین بازیکن انسانی بازی استراتژیک و پیچیده «گو» را شکست داد و توانایی‌های یادگیری عمیق را به رخ جهان کشید.
اما هدف دیپ‌مایند همواره فراتر از بازی‌ها بوده است: استفاده از هوش مصنوعی برای حل چالش‌های بزرگ علمی و دگرگون‌سازی دانش. این مسیر با یک چارچوب فکری قوی همراه بود: تعهد به مسئولیت‌پذیری و اخلاق در توسعه هوش مصنوعی. در واقع، تشکیل یک هیئت اخلاق مستقل برای هوش مصنوعی، شرط اصلی توافق خرید این شرکت توسط گوگل در سال ۲۰۱۴ بود. این تعهد اخلاقی و علمی، سنگ بنای رویکرد دیپ‌مایند را تشکیل می‌دهد: به کارگیری دقیق روش علمی در توسعه هوش مصنوعی برای پیش‌بینی و کاهش خطرات احتمالی.
اکنون که دیپ‌مایند هدف جاه‌طلبانه نوبل را محقق کرده است، سوال اصلی اینجاست که گام بعدی برای این غول هوش مصنوعی چیست؟ پاسخ را می‌توان در اظهارات دمیس حسابیس یافت: "ما در حال به کارگیری هوش مصنوعی در تقریباً تمام حوزه‌های علمی هستیم."
موفقیت آلفافولد در حوزه بیولوژی تنها آغاز راه است. دیپ‌مایند اکنون تمرکز خود را بر تکرار این دستاورد در سایر رشته‌های کلیدی قرار داده است:
علم مواد و فیزیک: توسعه ابزارهایی مشابه آلفافولد برای پیش‌بینی ساختار مواد جدید، کاتالیزورها یا ابررساناهای دما بالا. این امر می‌تواند سرعت کشف مواد مورد نیاز برای فناوری‌های انرژی سبز یا الکترونیک پیشرفته را به صورت نمایی افزایش دهد.
ریاضیات و منطق: استفاده از هوش مصنوعی برای کشف فرمول‌ها و اثبات‌های جدید ریاضی و کمک به حل مسائل نظری که برای دهه‌ها لاینحل مانده‌اند.
تغییرات اقلیمی: توسعه مدل‌های پیشرفته برای شبیه‌سازی دقیق‌تر پدیده‌های اقلیمی، بهینه‌سازی شبکه‌های انرژی، یا طراحی استراتژی‌های کاهش انتشار کربن.
چالش ظهور مدل‌های زبانی بزرگ (LLMs)
در کنار این دستاوردهای علمی، ظهور مدل‌های زبانی بزرگ (LLMs) مانند GPT-4 و مدل‌های خود گوگل مانند Gemini، پرسش‌های عمیقی درباره آینده استراتژیک دیپ‌مایند در درون سازمان گوگل ایجاد کرده است. در حالی که دیپ‌مایند با آلفافولد تمرکز خود را بر "علم دگرگون‌کننده" حفظ کرده است، LLMها تمرکز را بر روی کاربردهای تجاری و عمومی هوش مصنوعی در مقیاس وسیع قرار داده‌اند.
مأموریت آینده دیپ‌مایند این است که تعادلی بین این دو هدف برقرار کند: از یک سو، ادامه دادن به تحقیقات بنیادی علمی سطح بالا (مانند آنچه با آلفافولد انجام داد) و از سوی دیگر، ادغام دانش و توانایی‌های خود در توسعه مدل‌های پایه پیشرفته (مانند مدل Gemini) که نیروی محرکه کل محصولات گوگل هستند. این شرکت اکنون در خط مقدم تلاش می‌کند تا اطمینان حاصل کند که هوش مصنوعی نه تنها برای سودآوری، بلکه برای پیشرفت‌های بشری نیز به کار رود.
به این مطلب چه امتیازی می دهید؟
1
2
3
4
5
(1)