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

एक ऐसे अनुसंधान साथी की कल्पना करें जिसने आपके द्वारा पढ़े गए हर वैज्ञानिक पत्र को पढ़ा है, और लगातार नए प्रयोगों के बारे में विचार कर 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 माध्यम से सामग्री को छान सकता है, ताज़ा гипотезas प्रस्तुत कर सकता है, और यहां तक कि प्रयोग योजनाओं का रूपरेखा भी तैयार कर सकता है – सभी मानव अनुसंधानकर्ताओं के साथ सहयोग में। गूगल का नवीनतम उपकरण, जिसे स्टैनफोर्ड विश्वविद्यालय और इंपीरियल कॉलेज लंदन में परीक्षण किया गया है, वैज्ञानिकों को साहित्य के पहाड़ों 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 छूटे हुए अंतर्दृष्टि का सुझाव देने के द्वारा वैज्ञानिक सफलताओं को तेज करना है।

गूगल द्वारा इसे “एआई सह-वैज्ञानिक” कहा जाता है, यह एक भौतिक रोबोट नहीं है जो एक प्रयोगशाला में है, बल्कि एक जटिल सॉफ्टवेयर प्रणाली है। यह गूगल के नवीनतम एआई मॉडल्स (विशेष रूप से जेमिनी 2.0 मॉडल) पर आधारित है और वैज्ञानिकों के विचारों की नकल करता है – विचारों को उत्पन्न करने से लेकर उन्हें 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 гипотезas प्रस्तुत करने के लिए डिज़ाइन की गई है। दूसरे शब्दों में, यह केवल प्रश्नों के उत्तर नहीं ढूंढता 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, जैसे कि अल्फाफोल्ड, जिसने एआई का उपयोग प्रोटीन फोल्डिंग के 50 वर्ष पुराने पहेली को हल करने के लिए किया था। एआई 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 – उन्हें सुपर-फास्ट अनुसंधान सहायकों की एक टीम के रूप में सोचें जिनमें से प्रत्येक की एक विशिष्ट भूमिका है। ये एआई एजेंट एक पाइपलाइन में एक साथ काम करते हैं जो वैज्ञानिक विधि की नकल करता है: एक विचारों को उत्पन्न करता है, दूसरे उन्हें आलोचना और परिष्कृत करते हैं, और सर्वोत्तम विचारों को मानव वैज्ञानिक को आगे बढ़ाया जाता है।

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

• उत्पन्न एजेंट – प्रासंगिक अनुसंधान को खनन करता है और मौजूदा निष्कर्षों को संश्लेषित करता है ताकि नए मार्ग या гипотезas प्रस्तुत किए जा सकें।
• प्रतिबिंब एजेंट – एक सहकर्मी समीक्षक के रूप में कार्य करता है, प्रस्तुत гипотезas की सटीकता, गुणवत्ता और नवीनता की जांच करता है और दोषपूर्ण विचारों को खत्म करता है।
• रैंकिंग एजेंट – एक “टूर्नामेंट” ऑफ विचारों का संचालन करता है, वास्तव में विचारों को模拟 बहस में प्रतिस्पर्धा करने देता है, और फिर उन्हें उनकी संभावना के आधार पर रैंक करता है।
• निकटता एजेंट – समान гипотезas को एक साथ समूहित करता है और दोहराव को समाप्त करता है ताकि अनुसंधानकर्ता दोहराए जाने वाले विचारों की समीक्षा न करें।
• विकास एजेंट – शीर्ष-रैंक वाले гипотезas को और परिष्कृत करता है, सादगी के लिए विचारों को स簡化 करने के लिए तुलना या सрощन का उपयोग करता है।
• मेटा-समीक्षा एजेंट – अंत में, सर्वोत्तम विचारों को एक सुसंगत अनुसंधान प्रस्ताव या अवलोकन में संकलित करता है जिसे मानव वैज्ञानिक द्वारा समीक्षा की जा सकती है।

मानव वैज्ञानिक प्रत्येक चरण में लूप में रहता है। एआई सह-वैज्ञानिक स्वतंत्र रूप से काम नहीं करता है और स्वयं निर्णय नहीं लेता है। अनुसंधानकर्ता एक अनुसंधान लक्ष्य या प्रश्न को प्राकृतिक भाषा में खिलाते हैं – उदाहरण के लिए, एक bestimm विशिष्ट बीमारी के लिए नए रणनीतियों को खोजने का लक्ष्य – साथ ही कोई भी प्रासंगिक प्रतिबंध या प्रारंभिक विचार जो उनके पास हैं। एआई प्रणाली तब सुझाव देने के लिए चक्र के माध्यम से जाती है। 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 की प्रक्रिया के दौरान अपने स्वयं के बीज विचार या आलोचनाएं डाल सकते हैं। एआई बाहरी उपकरणों जैसे वेब खोज और अन्य विशेष मॉडलों का उपयोग करके तथ्यों की जांच करने या डेटा इकट्ठा करने के लिए भी उपयोग कर सकता है, यह सुनिश्चित करता है कि उसके гипотезas अद्यतन जानकारी पर आधारित हैं।

एआई सह-वैज्ञानिक एजेंट (गूगल)

एक तेज़ मार्ग से सफलता तक

एक अमानवीय मशीन को कुछ अनुसंधान कार्य – व्यापक साहित्य समीक्षा और प्रारंभिक मस्तिष्कमारी – आउटसोर्स करके, वैज्ञानिकों को आशा है कि वे खोज को नाटकीय रूप से तेज कर सकते हैं। एआई सह-वैज्ञानिक मानव से कहीं अधिक पत्र पढ़ सकता है, और यह कभी भी ताज़ा विचारों के संयोजन से नहीं थकता है।

“यह विज्ञान और चिकित्सा में महान चुनौतियों का सामना करने के लिए वैज्ञानिकों के प्रयासों को तेज करने की क्षमता रखता है,” परियोजना के शोधकर्ताओं ने लिखा। शुरुआती परिणाम उत्साहजनक हैं। एक परीक्षण में जो यकृत फाइब्रोसिस (यकृत का निशान) पर केंद्रित था, गूगल ने बताया कि एआई सह-वैज्ञानिक द्वारा सुझाए गए हर दृष्टिकोण ने बीमारी के कारणों को रोकने की क्षमता दिखाई। वास्तव में, उस प्रयोग में एआई की सिफारिशें विशेषज्ञों द्वारा सोची जाने वाली यथार्थवादी हस्तक्षेप के साथ मेल खाती थीं।

इसके अलावा, प्रणाली ने मानव-निर्मित समाधानों में सुधार करने की क्षमता का प्रदर्शन किया। गूगल के अनुसार, एआई ने 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 सीख सकता 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 अपने दवा-प्रतिरोधी गुणों को फैलाने में मदद करता है। एआई को केवल बुनियादी पृष्ठभूमि जानकारी और कुछ प्रासंगिक पत्र दिए गए थे, फिर उसे अपने उपकरणों पर छोड़ दिया गया था। दो दिनों के भीतर, यह मानव वैज्ञानिकों द्वारा पहले से ही खोजे गए तंत्र पर पहुंच गया।

“यह खोज एक स्वतंत्र अनुसंधान अध्ययन में प्रयोगात्मक रूप से मान्य थी, जो कि सह-वैज्ञानिक के लिए अज्ञात थी जब гипотезा उत्पन्न की गई थी,” लेखकों ने उल्लेख किया। दूसरे शब्दों में, एआई ने एक महत्वपूर्ण अंतर्दृष्टि को स्वयं पुनः खोजा, यह दिखाते हुए कि यह मानव प्रतिभा के बराबर हो सकता है – कम से कम उन मामलों में जहां पर्याप्त डेटा मौजूद 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 चीज़ में विशेषज्ञ नहीं हो सकता। जिस एआई ने जेनेटिक्स, रसायन विज्ञान, चिकित्सा, और अधिक जैसे क्षेत्रों में ज्ञान को अवशोषित किया है, वह विचार प्रस्तुत कर सकता है जो मानव विशेषज्ञों को छूट सकते हैं। गूगल की डीपमाइंड इकाई ने पहले ही दिखा दिया है कि विज्ञान में एआई कितना परिवर्तनकारी हो सकता है, जैसे कि अल्फाफोल्ड, जिसने प्रोटीन की 3डी संरचनाओं का अनुमान लगाया और जीव विज्ञान के लिए एक बड़ा कदम माना गया। यह उपलब्धि, जिसने दवा की खोज और टीका विकास को तेज किया, ने डीपमाइंड की टीम को विज्ञान के सर्वोच्च सम्मानों (नोबेल पुरस्कार से जुड़े मान्यता सहित) का हिस्सा दिलाया।

नया एआई सह-वैज्ञानिक रोजमर्रा की अनुसंधान मस्तिष्कमारी में इसी तरह की छलांग लाने का लक्ष्य रखता है। जबकि पहले अनुप्रयोग जीव विज्ञान में रहे हैं, प्रणाली सिद्धांत रूप में किसी भी वैज्ञानिक डोमेन – भौतिकी से पर्यावरण विज्ञान तक – में लागू की जा सकती है, क्योंकि гипотезas को उत्पन्न करने और मान्य करने की विधि अनुशासन-एजेंटिक है। अनुसंधानकर्ता 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 करना।