الذكاء الاصطناعي له إنجازات مذهلة في العديد من المجالات خاصة الطب، لدرجة أن طريقة وصوله إلى بعض هذه الاكتشافات لم يستطع العلماء تفسيرها.
في عام 2019، تمكن العلماء في "معهد ماساتشوستس للتكنولوجيا" الأمريكي من تحقيق إنجاز قلَّ نظيره في الطب الحديث خلال السنوات الخمسين الماضية، إذ اكتشفوا نوعاً جديداً من المضادات الحيوية، وهو "الهاليسين" Halicin.
وفي مايو/أيار من هذا العام، اكتشف فريق آخر مضاداً حيوياً آخر، وهو "الأبوسين" Abaucin. ولا يقتصر التميز في هذين المركبين على كونهما يتمتعان بالفاعلية ضد نوعين من أخطر البكتيريا المعروفة بمقاومتها للمضادات الحيوية، وإنما يتعلق الأمر كذلك باختلاف الطريقة التي اكتُشفا بها، حسبما ورد في تقرير لمجلة The Economist البريطانية.
استعان الباحثون في اكتشاف هذين المركَّبين بنماذج الذكاء الاصطناعي، التي استخدموها للبحث بين ملايين المركَّبات المنتقاة من بين المضادات الفعالة في مواجهة "البكتيريا الخارقة" التي لديها القدرة على مقاومة الغالبية العظمى من المضادات الحيوية.
في هذا السياق، تدرَّب نموذج الذكاء الاصطناعي على فحص التركيب الكيميائي لبضعة آلاف من المضادات الحيوية المعروفة والوقوف على مدى نجاحها (أو عدم نجاحها) في مكافحة البكتيريا في المختبر. وتمكن النموذج من إيجاد روابط بين تركيبات كيميائية معينة، وقدرة هذه التركيبات على تدمير البكتيريا. ولما خلص الذكاء الاصطناعي إلى قائمته المختصرة، اختبرها الباحثون، وتمكنوا من تحديد المضادات الحيوية التي تحتوي على تلك التركيبات.
تقول ريجينا بارزيلاي، عالمة الكمبيوتر في معهد ماساتشوستس للتكنولوجيا وأحد المشاركين في اكتشاف الأبوسين والهاليسين، إنه إذا كان اكتشاف أدوية جديدة يشبه البحث عن إبرة في كومة قش، فإن الذكاء الاصطناعي كان كاشف المعادن الذي استخدمناه للعثور على الإبرة. ويستغرق انتقال الأدوية المرشحة من مراحل الاختبار إلى الاستخدام الإكلينيكي سنوات عديدة من التجارب الطبية. ولكن لا شك في أن الذكاء الاصطناعي أسهم في تسريع المرحلة الأولية من العملية، والتي تطول عادة لاعتمادها على التجربة والخطأ.
لم يكن اكتشاف الأدوية هو الباب الوحيد الذي قرعته إمكانات الذكاء الاصطناعي. فالباحثون يستخدمونه الآن في حل طائفة من أكثر المشكلات تعقيداً وأعظمها أهمية -مثل التنبؤ بالطقس، والبحث عن مواد جديدة لصناعة البطاريات والألواح الشمسية، والتحكم في تفاعلات الاندماج النووي- وقد صارت أدوات الذكاء الاصطناعي سبيلاً يلجأون إليه لتسريع خطى التقدم في مجالاتهم.
يقول ديميس هاسابيس، المؤسس المشارك لمختبر الذكاء الاصطناعي "جوجل ديب مَيند" Google DeepMind في لندن، إن "إمكانات الذكاء الاصطناعي هائلة"، وهو "يبشر بنهضة جديدة من الاكتشافات، لأنه يُضاعف قدرات الإبداع البشري".
إمكانيات الذكاء الاصطناعي موجودة منذ عقود، ولكن لماذا لم تستخدم بهذا التوسع؟
على الرغم من أن الذكاء الاصطناعي كان ضمن الأدوات المستخدمة في البحث العلمي منذ ستينيات القرن الماضي، فإن استخدامه ظل مقتصراً على التخصصات التي كان الباحثون فيها على دراية جيدة برموز الكمبيوتر، مثل فيزياء الجسيمات، والرياضيات. إلا أن بيانات "وكالة العلوم الأسترالية" تشير إلى أنه بحلول عام 2023، وبزوغ أدوات "التعلم المتعمق" التي تتيح للآلة أن تتعلم بنفسها عن طريق محاكاة الخلايا العصبية للإنسان، باتت أكثر من 99% من نتائج المجالات البحثية المختلفة لها ارتباط ما بالذكاء الاصطناعي.
ويقول مارك جيرولامي، كبير العلماء في معهد آلان تورينغ في لندن: "إن التحرير الديمقراطي [إتاحة الوصول إليها للجميع] لأدوات الذكاء الاصطناعي هو السبب في هذه الطفرة"، "فالأشياء التي كان يتطلب الحصول عليها درجة علمية في علوم الكمبيوتر وفيضاً طويلاً من الأوامر المعقدة للغات البرمجة، صارت أمراً يسيراً بالاعتماد على أدوات الذكاء الاصطناعي سهلة الاستخدام، والمعدَّة للعمل عن بعد، ومن ثم تيسَّر للعلماء الوصول إلى مساعد بحثي معقد وتتجاوز قدراته طاقة البشر، ويحل المعادلات بلا كلل، ويفحص الأكوام الهائلة من البيانات للبحث عن أي أنماط أو ارتباطات بداخلها".
فعلى سبيل المثال، لما كان الباحثون في جامعة ليفربول البريطانية يبحثون عن مواد تتمتع بخصائص معينة -من بين عدد لا يحصى من المركبات المحتملة- لبناء بطاريات أفضل، استخدموا نموذج الذكاء الاصطناعي المعروف باسم "جهاز التشفير التلقائي" للبحث في جميع المركبات البلورية المعروفة والمستقرة البالغ عددها 200 ألف في "قاعدة بيانات البنية البلورية غير العضوية"، التي تمثل أكبر قاعدة من هذا النوع في العالم. وكان الذكاء الاصطناعي قد تدرب من قبل على انتقاء أبرز الخصائص الفيزيائية والكيميائية المطلوبة لمادة البطارية الجديدة، وطبق تلك الشروط في عملية البحث. ومن ثم، عاون الباحثين في خفض المركبات المرشحة للاختبار من بضعة آلاف إلى خمسة مركَّبات فقط، فوفَّر لهم الوقت والمال.
وانتهت الاختبارات إلى مادة جديدة تجمع في تكوينها بين الليثيوم والقصدير والكبريت والكلور، وعلى الرغم من أنه من السابق لأوانه معرفة ما إذا كانت صالحة للاستخدام التجاري أم لا، فإن الباحثين راحوا يستخدمون الذكاء الاصطناعي بالفعل في اكتشاف أنواع أخرى من المواد والمركَّبات.
إليك مجموعة من أبرز اكتشافات الذكاء الاصطناعي
يمكن أيضاً استخدام الذكاء الاصطناعي في توقع البنى البروتينية التي يسهل استهدافها باستخدام الأدوية، والمؤثرة في تكاثر أنواع معينة من الأمراض، ومن ثم تمهيد الطريق أمام ابتكار علاجات جديدة لمواجهتها.
ففي عام 2021، تمكن مختبر "جوجل ديب مَيند" للذكاء الاصطناعي من تطوير نموذج الذكاء الاصطناعي "ألفا فولد" AlphaFold، وهو نموذج درب نفسه على كيفية التنبؤ ببنية البروتين من تسلسل الأحماض الأمينية الخاص به. واستُخدم "ألفا فولد" منذ إنشائه في إعداد قاعدة بيانات تضم أكثر من 200 مليون بنية بروتينية متوقعة، استعملها أكثر من 1.2 مليون باحث حتى الآن.
فعلى سبيل المثال، استخدم ماثيو هيغنز، عالم الكيمياء الحيوية في جامعة أكسفورد، نموذج الذكاء الاصطناعي "ألفا فولد" لمعرفة بنية بروتين البعوض الذي يعتمد عليه طفيل الملاريا، قبل أن تنتقل العدوى من خلال لدغات الحشرات غالباً. وجمع بعد ذلك بين تنبؤات "ألفا فولد" لتحديد أجزاء البروتين التي سيكون من الأسهل استهدافها باستخدام الدواء. واستخدم فريق آخر النموذج ذاته للعثور في 30 يوماً فقط على بنية البروتين الذي يؤثر في كيفية تكاثر نوع معين من سرطان الكبد، ومن ثم فتحوا الباب أمام ابتكار علاج موجه جديد.
العلماء لا يستطيعون فهم كيف توصل الذكاء الاصطناعي لبعض الاكتشافات
أسهم "ألفا فولد" أيضاً في استكشاف دروب أخرى من علم الأحياء. فعلى سبيل المثال، اكتشف الباحثون قبل بضع سنوات أن نواة الخلية لديها بوابات لاستقبال المواد اللازمة لإنتاج البروتينات، إلا أنهم لم يعرفوا سوى القليل عن بنية هذه البوابات. ثم تمكن الباحثون من استخدام "ألفا فولد" لتوقع بنية هذه البوابات، وعاونهم ذلك في فهم الآليات الداخلية للخلية.
ويقول بوشميت كوهلي، أحد مبتكري ألفا فولد ورئيس فريق "الذكاء الاصطناعي من أجل العلوم" التابع لشركة جوجل ديب مَيند: "نحن لا ندرك تماماً كيف توصل الذكاء الاصطناعي إلى هذه البنية"، "ولكن هذا الاكتشاف أساس يمكن للمجتمع العلمي بأكمله أن يبني عليه" لبلوغ إنجازات أخرى.
هواوي ابتكرت نظام ذكاء اصطناعي أسرع آلاف المرات في التنبؤ بالطقس
ظهرت فوائد الذكاء الاصطناعي كذلك في تسريع عمليات المحاكاة الحاسوبية المعقدة. فنماذج الطقس، على سبيل المثال، تعتمد على معادلات رياضية يُتوصل بها إلى الحالة المتوقعة للغلاف الجوي للأرض في مختلف الأوقات. إلا أن أجهزة الكمبيوتر العملاقة التي تتنبأ بالطقس باهظة الثمن، وتستهلك الكثير من الطاقة والوقت لإجراء حساباتها، فضلاً عن الحاجة إلى تحديث النماذج مراراً وتكراراً لمواكبة التدفق المستمر للبيانات من محطات الأرصاد الجوية حول العالم.
ولذلك، بدأ علماء المناخ والشركات الخاصة في استخدام نماذج التعلم الآلي القائمة على الذكاء الاصطناعي لتسريع عمليات المحاكاة. وأنتجت شركة هواوي الصينية نظام ذكاء اصطناعي، يُدعى Pangu-Weather، واستُخدم بنجاح في توقع الطقس لمدة أسبوع مقدماً، على نحو أسرع وأرخص تكلفة بآلاف المرات من الأدوات الحالية، وبلا تناقص يُذكر في الدقة.
نظام لشركة إنفيديا يتوقع بدقة سقوط الأمطار
أما نموذج FourCastNet، الذي ابتكرته شركة "إنفيديا" الأمريكية لصناعة الرقائق، فاستطاع توليد هذه التوقعات في أقل من ثانيتين، وهو أول نموذج ذكاء اصطناعي يتوقع بدقة عالية أماكن هطول الأمطار، وهي معلومات مهمة للتنبؤ بالكوارث الطبيعية، مثل الفيضانات المفاجئة. وأعلنت إنفيديا كذلك عن خطط لبناء نموذج رقمي مُحاكٍ للأرض، يُسمى "Earth-2" وهو نموذج كمبيوتر تأمل الشركة أن يكون قادراً على التنبؤ بالتغيرات المناخية في مناطق أكبر وقبل وقوعها بعقود من الزمن.
وفي الوقت نفسه، يعمل الفيزيائيون المعنيون بتسخير قوة الاندماج النووي على استخدام الذكاء الاصطناعي للتحكم في الأجزاء المعقدة من المعدات. وتضمنت الأبحاث إنشاء بلازما (غاز شديد الحرارة ومشحون كهربائياً) من الهيدروجين داخل وعاء على شكل كعكة الدونات يسمى "توكاماك". وعلى الرغم من أن العثور على التكوين الصحيح للمجالات المغناطيسية أمر عسير، ويتطلب التحكم فيه يدوياً ابتكار معادلات رياضية للتنبؤ بما ستفعله البلازما، ثم تصنيعها، وإجراء آلاف التعديلات الصغيرة كل ثانية على نحو عشرة ملفات مغناطيسية مختلفة، فإن نظام التحكم بالذكاء الاصطناعي، الذي أنشأه الباحثون في مختبر "جوجل ديب مَيند" ومختبر "إي بي إف إل" epfl في لوزان بسويسرا، أتاح للعلماء تجربة أشكال مختلفة للبلازما في محاكاة حاسوبية، ثم توصل الذكاء الاصطناعي إلى أفضل السبل للوصول إليها.
ومن المجالات الأخرى التي يُنتظر أن تتوسع استخدامات الذكاء الاصطناعي فيها: أتمتة وتسريع التجارب الفيزيائية والعمل المختبري. إذ يمكن لـ"المختبرات ذاتية القيادة" التخطيط لتجربة ما، وتنفيذها باستخدام ذراع آلية، ومن ثم تحليل النتائج. يمكن للأتمتة أن تجعل اكتشاف مركَّبات جديدة، أو إيجاد طرق أفضل لصنع مركَّبات قديمة، أسرع بما يصل إلى ألف مرة.
الذكاء الاصطناعي التوليدي يحدث ثورة
اجتاحت عاصفة "الذكاء الاصطناعي التوليدي" (يعنى بمجموعة من الخوارزميات التي تستخدم التعلم الآلي لإنشاء محتوى جديد يتنوع بين النصوص والصور)، الأوساط العامة عقب إطلاق ChatGPT في عام 2022، إلا أن الواقع أن الشركات كانت تطور هذه النماذج منذ وقت طويل قبلها، ولها استخدامان علميان بارزان. أولاً، أنه يمكن استخدامها لتوليد البيانات. إذ يمكن لنماذج الذكاء الاصطناعي "فائقة الدقة" أن تعمل على تحسين صور المجهر الإلكتروني الرخيصة والمنخفضة الدقة إلى صور عالية الدقة، والتي كانت تحتاج إلى تكلفة باهظة لتسجيلها.
ومثلما يستطيع "نموذج اللغة الكبير" توليد عبارات المحادثة بطلاقة من خلال التنبؤ بالكلمة الأفضل التالية في التسلسل، فإن النماذج الجزيئية التوليدية قادرة على بناء الجزيئات، ذرة بعد ذرة، ورابطة بعد رابطة. وتطَّلع هذه النماذج ذاتياً على آلاف الإحصائيات وتريليونات الكلمات من النصوص التدريبية المنتقاة من الإنترنت للكتابة بطرق تحاكي الإنسان إلى حد بعيد. كما يمكن أن تتدرب على فرز قواعد بيانات واسعة من الأدوية المعروفة وخصائصها، ومن ثم تتوقع نماذج "التصميم الجزيئي الجديد" تأثيرات البنى الجزيئية في المركبات، وتُبنى على هذا الأساس.
ابتكرت شركة Verseon، وهي شركة أدوية مقرها في كاليفورنيا، أدوية مرشحة بهذه الطريقة، وتُختبر هذه الأدوية الآن على الحيوانات، وأحدها -وهو مضاد لتخثر الدم- بلغ المرحلة الأولى من التجارب الإكلينيكية.
علاوة على ذلك، توقع إيجور جروسمان، عالم النفس في جامعة واترلو الكندية، أنه إذا تمكنَّا من تزويد نماذج اللغة الكبيرة بمحتوى حقيقي (أو ملفق) يعكس بدقة ما قد يقوله المشاركون من البشر، فمن الممكن نظرياً أن تحل هذه النماذج محلَّ مجموعات البحث، أو الاستعانة بمخرجاتها في أبحاث الاقتصاد.
وقد بدأنا نشهد بالفعل إسهام النماذج اللغوية الكبيرة في تحسين كفاءة الباحثين، وكشفت شركة "غيت هاب" GitHub أن استخدام أدوات الذكاء الاصطناعي، مثل Copilot، يساعد المبرمجين في كتابة الأكواد البرمجية على نحو أسرع بنسبة 55%. أما Elicit، فهي أداة ذكاء اصطناعي مجانية عبر الإنترنت أنشأها Ought، وهو مختبر أبحاث أمريكي غير ربحي، وتساعد الباحثين في مراجعة أكوام من المؤلفات البحثية وتلخيص أبرز محتوياتها على نحو أسرع بكثير من قدرة أي إنسان. وقد شرع كثير من الطلاب والباحثين الشباب في استخدام هذه الأدوات للعثور على المصادر البحثية، واستخلاص معلومات منظَّمة -مثل عدد التجارب التي أجريت باستخدام دواء معين- من ملايين الوثائق والأبحاث.
برهنت نماذج الذكاء الاصطناعي أنها قادرة على معالجة البيانات، وأتمتة العمليات الحسابية وبعض الأعمال المعملية. إلا أن الدكتور جيرولامي يحذر من أن نماذج الذكاء الاصطناعي وإن كانت مفيدة في مساعدة العلماء على سد الفجوات المعرفية، فإن هذه النماذج يشق عليها أن تتجاوز حدود ما هو معروف بالفعل، بمعنى أنها جيدة في الاستيفاء وربط النقاط، لكنها أقل كفاءة في الاستقراء، أي تصور الوجهة القادمة في رحلتك البحثية.
في تقرير حديث عن الذكاء الاصطناعي في العلوم، قالت منظمة التعاون الاقتصادي والتنمية، وهي نادٍ للدول الغنية، إن "الذكاء الاصطناعي ما انفك يخترق جميع مجالات العلم ومراحله المختلفة، إلا إننا لا نزال بعيدين عن بلوغ إمكاناته الكاملة". وخلص التقرير إلى أن المكاسب من وراء الاعتماد على الذكاء الاصطناعي قد تكون هائلة: "إن تسريع إنتاجية البحوث ربما يكون الإنجاز الأكثر قيمة من الناحية الاقتصادية والاجتماعية بين جميع استخدامات الذكاء الاصطناعي".
مستقبل الذكاء الاصطناعي
إذا تمكنت أدوات الذكاء الاصطناعي من تعزيز إنتاجية البحث، فسيحصل العالم بلا شك على "مُضاعف الإبداع البشري" الذي تنبأ به الدكتور هاسابيس، من مختبر "جوجل ديب مَيند". إلا أن الذكاء الاصطناعي لا يزال يحمل إمكانات أكبر، فكما أتاحت التلسكوبات والمجاهر للعلماء رؤية أبعاد أخرى للعالم، فإن النماذج الاحتمالية المعتمدة على البيانات المستخدمة في الذكاء الاصطناعي ستزيد من قدرة العلماء على وضع نماذج أفضل للأنظمة المعقدة وفهمها.
وإذا كانت السنوات القليلة الماضية قد شهدت الخطوات الأولى للباحثين في المياه الضحلة لبحر الذكاء الاصطناعي، فإنه سيقع عليهم في العقد القادم وما وراءه أن يقتحموا هذا البحر وأن يخوضوا غمار آماله التي تلوح في الأفق.