गूगल का नया एआई “सह-वैज्ञानिक” वैज्ञानिक खोज को तेज करने का लक्ष्य रखता है

एक ऐसे शोध साथी की कल्पना करें जिसने आपके द्वारा पढ़े गए हर वैज्ञानिक पत्र को पढ़ा है, और लगातार नए प्रयोगों के बारे में सोच रहा है। गूगल इस दृष्टि को वास्तविकता में बदलने की कोशिश कर रहा है एक नए एआई सिस्टम के साथ जो एक “सह-वैज्ञानिक” के रूप में कार्य करने के लिए डिज़ाइन किया गया है।

यह एआई-संचालित सहायक विशाल पुस्तकालयों के शोध को छान सकता है, ताज़ा гипотез़ प्रस्तावित कर सकता है, और यहां तक कि प्रयोग योजनाओं का रूपरेखा भी तैयार कर सकता है – सभी मानव शोधकर्ताओं के साथ सहयोग में। गूगल का नवीनतम उपकरण, जिसे स्टैनफोर्ड विश्वविद्यालय और इम्पीरियल कॉलेज लंदन में परीक्षण किया गया है, वैज्ञानिकों को साहित्य के विशाल भंडार को संश्लेषित करने और नए विचारों को उत्पन्न करने में मदद करने के लिए उन्नत तर्क का उपयोग करता है। लक्ष्य जानकारी के अतिभार को समझने और मानव द्वारा छोड़े गए अंतर्दृष्टि का सुझाव देकर वैज्ञानिक सफलताओं को तेज करना है।

गूगल द्वारा इस “सह-वैज्ञानिक” को एक भौतिक रोबोट नहीं कहा जा सकता है, बल्कि यह एक जटिल सॉफ्टवेयर प्रणाली है। यह गूगल के नवीनतम एआई मॉडल (विशेष रूप से जेमिनी 2.0 मॉडल) पर बनाया गया है और वैज्ञानिकों की सोच की नकल करता है – विचारों को जन्म देने से लेकर विचारों की आलोचना करने तक। केवल ज्ञात तथ्यों को सारांशित करने या पत्रों की खोज करने के बजाय, प्रणाली मौजूदा साक्ष्य के आधार पर मूल ज्ञान को उजागर करने और वास्तव में नए гипотез़ प्रस्तावित करने के लिए डिज़ाइन की गई है। दूसरे शब्दों में, यह केवल प्रश्नों के उत्तर नहीं खोजता है – यह नए प्रश्न पूछने में मदद करता है।

गूगल और उसकी एआई इकाई डीपमाइंड ने विज्ञान अनुप्रयोगों के लिए एआई को प्राथमिकता दी है, अल्फाफोल्ड जैसी सफलता के बाद, जिसने एआई का उपयोग करके 50 वर्ष पुराने प्रोटीन फोल्डिंग के पहेली को हल किया था। सह-वैज्ञानिक के साथ, वे जीव विज्ञान से लेकर भौतिकी तक के क्षेत्रों में खोजों की “घड़ी की गति” को तेज करने की उम्मीद करते हैं।

एआई सह-वैज्ञानिक (गूगल)

एआई सह-वैज्ञानिक कैसे काम करता है

गूगल के एआई सह-वैज्ञानिक के नीचे, यह वास्तव में कई विशेषज्ञता वाले एआई प्रोग्रामों से बना है – सोचें कि वे एक टीम के रूप में काम करते हैं जो तेजी से शोध सहायक हैं, प्रत्येक की एक विशिष्ट भूमिका है। ये एआई एजेंट एक पाइपलाइन में काम करते हैं जो वैज्ञानिक विधि की नकल करता है: एक विचारों को जन्म देता है, दूसरे उन्हें आलोचना और परिष्कृत करते हैं, और सर्वोत्तम विचार मानव वैज्ञानिक को आगे बढ़ाए जाते हैं।

गूगल की अनुसंधान टीम के अनुसार, यह प्रक्रिया इस प्रकार है:

• उत्पादन एजेंट – संबंधित शोध को खनन करता है और मौजूदा निष्कर्षों को संश्लेषित करता है ताकि नए मार्ग या гипотез़ का प्रस्ताव दिया जा सके।
• प्रतिबिंब एजेंट – एक सहकर्मी समीक्षक के रूप में कार्य करता है, प्रस्तावित гипотез़ की सटीकता, गुणवत्ता और नवीनता की जांच करता है और दोषपूर्ण विचारों को खत्म करता है।
• रैंकिंग एजेंट – एक “टूर्नामेंट” आयोजित करता है, जिसमें विचारों को प्रतियोगिता में शामिल किया जाता है और फिर उन्हें उनकी संभावना के आधार पर रैंक किया जाता है।
• निकटता एजेंट – समान гипотез़ को एक साथ समूहित करता है और दोहराए जाने वाले विचारों को समाप्त करता है ताकि शोधकर्ता पुनरावृत्ति विचारों की समीक्षा न करे।
• विकास एजेंट – शीर्ष-स्थान प्राप्त гипोतез़ लेता है और उन्हें और परिष्कृत करता है, तुलना या अवधारणाओं को स्पष्ट करने के लिए सादगी का उपयोग करके प्रस्तावों में सुधार करता है।
• मेटा-समीक्षा एजेंट – अंत में, सर्वोत्तम विचारों को एक सुसंगत अनुसंधान प्रस्ताव या अवलोकन में संकलित करता है जिसे मानव वैज्ञानिक समीक्षा कर सकता है।

महत्वपूर्ण बात यह है कि मानव वैज्ञानिक प्रत्येक चरण में शामिल रहता है। एआई सह-वैज्ञानिक स्वतंत्र रूप से काम नहीं करता है और न ही यह स्वयं निर्णय लेता है। शोधकर्ता शुरू में एक अनुसंधान लक्ष्य या प्रश्न को प्राकृतिक भाषा में दर्ज करते हैं – उदाहरण के लिए, एक निश्चित बीमारी के लिए नए उपचार रणनीतियों को खोजने का लक्ष्य – साथ ही कोई प्रारंभिक विचार या प्रतिबंध जो उनके पास हो सकते हैं। एआई प्रणाली तब ऊपर वर्णित चक्र से गुजरती है ताकि सुझाव दिए जा सकें। वैज्ञानिक प्रतिक्रिया प्रदान कर सकते हैं या पैरामीटर समायोजित कर सकते हैं, और एआई फिर से पुनरावृत्ति करेगा।

गूगल ने प्रणाली को “सहयोग के लिए डिज़ाइन किया है,” जिसका अर्थ है कि वैज्ञानिक एआई प्रक्रिया के दौरान अपने बीज विचार या आलोचना डाल सकते हैं। एआई बाहरी उपकरणों जैसे वेब खोज और अन्य विशेष मॉडल का उपयोग कर सकता है ताकि तथ्यों की जांच की जा सके या डेटा एकत्र किया जा सके, यह सुनिश्चित करते हुए कि इसके гипotез़ अद्यतित जानकारी पर आधारित हों।

एआई सह-वैज्ञानिक एजेंट (गूगल)

खोजों के लिए तेज़ मार्ग

शोध के दौरान होने वाले कठिन कार्यों – व्यापक साहित्य समीक्षा और प्रारंभिक मस्तिष्कमारी – को एक अमिट मशीन में आउटसोर्स करके, वैज्ञानिक खोजों को तेजी से बढ़ाने की उम्मीद करते हैं। एआई सह-वैज्ञानिक किसी भी मानव से अधिक पत्र पढ़ सकता है, और यह कभी ताज़ा विचारों के संयोजन से नहीं थकता है।

“यह विज्ञान और चिकित्सा में महान चुनौतियों को संबोधित करने के लिए वैज्ञानिकों के प्रयासों को तेज करने की क्षमता रखता है,” परियोजना के शोधकर्ताओं ने पेपर में लिखा। प्रारंभिक परिणाम उत्साहजनक हैं। एक परीक्षण में, जिसमें लिवर फाइब्रोसिस (लिवर का निशान) पर ध्यान केंद्रित किया गया था, गूगल ने बताया कि एआई सह-वैज्ञानिक द्वारा सुझाए गए हर दृष्टिकोण ने बीमारी के कारणों को रोकने में आशाजनक क्षमता दिखाई। वास्तव में, एआई की सिफारिशें उस प्रयोग में नहीं थीं – वे विशेषज्ञों द्वारा सुझाए गए दृष्टिकोणों से मेल खाती थीं।

इसके अलावा, प्रणाली ने मानव-निर्धारित समाधानों में सुधार करने की क्षमता प्रदर्शित की। गूगल के अनुसार, एआई ने मानव विशेषज्ञों द्वारा प्रारंभिक रूप से प्रस्तावित समाधानों को और परिष्कृत किया, यह दर्शाता है कि यह मानव विशेषज्ञता से परे मूल्य जोड़ सकता है और प्रत्येक पुनरावृत्ति के साथ सीखता है।

एक और उल्लेखनीय परीक्षण एंटीबायोटिक प्रतिरोध की कठिन समस्या से संबंधित था। शोधकर्ताओं ने एआई को यह समझाने के लिए कहा कि एक निश्चित जेनेटिक तत्व कैसे बैक्टीरिया को उनके दवा प्रतिरोधी गुणों को फैलाने में मदद करता है। एआई को केवल बुनियादी पृष्ठभूमि जानकारी और कुछ प्रासंगिक पत्र दिए गए थे, फिर इसे अपने उपकरणों पर छोड़ दिया गया था। दो दिनों के भीतर, यह मानव वैज्ञानिकों द्वारा पहले से खोजे गए उसी гипotез़ पर पहुंच गया।

“यह निष्कर्ष एक स्वतंत्र अनुसंधान अध्ययन में प्रयोगात्मक रूप से मान्य था, जो सह-वैज्ञानिक के लिए अज्ञात था,” लेखकों ने उल्लेख किया। दूसरे शब्दों में, एआई ने एक महत्वपूर्ण अंतर्दृष्टि को अपने दम पर फिर से खोजा, यह दिखाते हुए कि यह डेटा की उपस्थिति में मानव सोच के बराबर हो सकता है।

इस तरह की गति और अंतःविषय पहुंच के परिणाम विशाल हैं। सफलताएं अक्सर तब होती हैं जब विभिन्न क्षेत्रों से अंतर्दृष्टि टकराती हैं, लेकिन कोई एक व्यक्ति हर चीज में महान नहीं हो सकता। जिस एआई ने जेनेटिक्स, रसायन विज्ञान, चिकित्सा और अधिक जैसे क्षेत्रों में ज्ञान को अवशोषित किया है, वह विचार प्रस्तावित कर सकता है जिन्हें मानव विशेषज्ञ छोड़ सकते हैं। गूगल की डीपमाइंड इकाई ने पहले ही अल्फाफोल्ड के साथ विज्ञान में एआई को कितना परिवर्तनकारी बना दिया है, जिसने प्रोटीन की 3डी संरचनाओं की भविष्यवाणी की और जीव विज्ञान के लिए एक बड़ा कदम माना गया। यह उपलब्धि, जिसने दवा की खोज और टीका विकास को तेज किया, डीपमाइंड की टीम को विज्ञान के उच्चतम सम्मानों (नोबेल पुरस्कार से जुड़े सम्मान सहित) का हिस्सा दिलाया।

नया एआई सह-वैज्ञानिक रोजमर्रा की अनुसंधान मस्तिष्कमारी में समान छलांग लाने का लक्ष्य रखता है। जबकि पहले अनुप्रयोग जीव विज्ञान में रहे हैं, प्रणाली सिद्धांत रूप में किसी भी वैज्ञानिक क्षेत्र में लागू की जा सकती है – भौतिकी से लेकर पर्यावरण विज्ञान तक – क्योंकि гипotез़ के उत्पादन और मूल्यांकन की विधि अनुशासन-अज्ञेय है। शोधकर्ता इसका उपयोग नए सामग्री की खोज, जलवायु समाधानों का अन्वेषण, या नए गणितीय सिद्धांतों की खोज के लिए कर सकते हैं। प्रत्येक मामले में, वादा समान है: प्रश्न से अंतर्दृष्टि तक एक तेज़ मार्ग, संभावित रूप से वर्षों के परीक्षण और त्रुटि को एक बहुत छोटे समय-सीमा में संकुचित करता है।