ปัญญาประดิษฐ์
“ผู้ร่วมนักวิทยาศาสตร์” AI ใหม่ของ Google ตั้งเป้าเร่งการค้นพบทางวิทยาศาสตร์
ลองนึกภาพว่าพันธมิตรด้านการวิจัยอ่านบทความทางวิทยาศาสตร์ของคุณทุกฉบับ และระดมความคิดเกี่ยวกับการทดลองใหม่ๆ ตลอดเวลาอย่างไม่รู้จักเหน็ดเหนื่อย Google กำลังพยายามทำให้วิสัยทัศน์นี้กลายเป็นจริงโดยใช้ระบบ AI ใหม่ที่ออกแบบมาเพื่อทำหน้าที่เป็น "ผู้ร่วมนักวิทยาศาสตร์"
ผู้ช่วยที่ขับเคลื่อนด้วย AI นี้สามารถค้นหาข้อมูลในคลังข้อมูลการวิจัยจำนวนมาก เสนอสมมติฐานใหม่ๆ และแม้แต่ร่างแผนการทดลอง ซึ่งทั้งหมดนี้ทำได้โดยร่วมมือกับนักวิจัยที่เป็นมนุษย์ เครื่องมือล่าสุดของ Google ซึ่งทดสอบที่มหาวิทยาลัยสแตนฟอร์ดและวิทยาลัยอิมพีเรียลแห่งลอนดอน ใช้การให้เหตุผลขั้นสูงเพื่อช่วยให้นักวิทยาศาสตร์สังเคราะห์เอกสารจำนวนมากและสร้างแนวคิดใหม่ๆ เป้าหมายคือการเร่งความก้าวหน้าทางวิทยาศาสตร์ด้วยการทำความเข้าใจข้อมูลที่มีมากเกินไปและแนะนำข้อมูลเชิงลึกที่มนุษย์อาจมองข้ามไป
นี้ "นักวิทยาศาสตร์ร่วมด้าน AI” ตามที่ Google เรียก ไม่ใช่หุ่นยนต์จริงในห้องแล็ป แต่เป็นระบบซอฟต์แวร์ที่ซับซ้อน สร้างขึ้นจากโมเดล AI ใหม่ล่าสุดของ Google (โดยเฉพาะอย่างยิ่ง เจมินี่ รุ่น 2.0) และสะท้อนถึงวิธีคิดของนักวิทยาศาสตร์ ตั้งแต่การระดมความคิดไปจนถึงการวิพากษ์วิจารณ์แนวคิด แทนที่จะสรุปเฉพาะข้อเท็จจริงที่ทราบหรือค้นหาเอกสาร ระบบนี้มีไว้เพื่อเปิดเผยความรู้ดั้งเดิมและเสนอสมมติฐานใหม่ ๆ อย่างแท้จริงโดยอิงจากหลักฐานที่มีอยู่ กล่าวอีกนัยหนึ่ง ระบบไม่ได้เพียงค้นหาคำตอบสำหรับคำถามเท่านั้น แต่ยังช่วยสร้างคำถามใหม่ ๆ ที่จะถามได้อีกด้วย
Google และหน่วย AI Deepmind ได้ให้ความสำคัญกับการประยุกต์ใช้วิทยาศาสตร์สำหรับ AI หลังจากแสดงให้เห็นถึงความสำเร็จ เช่น อัลฟ่าโฟลด์ซึ่งใช้ AI ในการไขปริศนาการพับโปรตีนที่กินเวลานานถึง 50 ปี โดยนักวิทยาศาสตร์ร่วมด้าน AI หวังว่าจะสามารถ “เร่งความเร็วสัญญาณนาฬิกา” ของการค้นพบในสาขาต่างๆ ตั้งแต่ชีวการแพทย์ไปจนถึงฟิสิกส์
นักวิทยาศาสตร์ร่วมด้าน AI (Google)
นักวิทยาศาสตร์ร่วมด้าน AI ทำงานอย่างไร
โดยพื้นฐานแล้ว นักวิทยาศาสตร์ร่วมด้าน AI ของ Google ประกอบด้วยโปรแกรม AI เฉพาะทางหลายโปรแกรม ลองนึกภาพโปรแกรมเหล่านี้ว่าเป็นทีมผู้ช่วยวิจัยความเร็วสูง ซึ่งแต่ละคนมีบทบาทเฉพาะของตัวเอง ตัวแทน AI ทำงานร่วมกันในกระบวนการที่เลียนแบบวิธีการทางวิทยาศาสตร์ โดยคนหนึ่งสร้างแนวคิดขึ้นมา คนอื่นวิจารณ์และปรับปรุงแนวคิดเหล่านั้น และแนวคิดที่ดีที่สุดจะถูกส่งต่อให้กับนักวิทยาศาสตร์ด้านมนุษย์
ตามที่ทีมวิจัยของ Google ได้กล่าวไว้ กระบวนการดังกล่าวดำเนินไปดังนี้:
- ตัวแทนการสร้าง – ค้นคว้าวิจัยที่เกี่ยวข้องและสังเคราะห์ผลการวิจัยที่มีอยู่เพื่อเสนอแนวทางหรือสมมติฐานใหม่
- ตัวแทนสะท้อนแสง – ทำหน้าที่เป็นผู้ตรวจสอบโดยเพื่อนร่วมงาน ตรวจสอบความถูกต้อง คุณภาพ และความแปลกใหม่ของสมมติฐานที่เสนอ และคัดกรองแนวคิดที่บกพร่องออกไป
- ตัวแทนจัดอันดับ – จัด “การแข่งขัน” ความคิด โดยให้สมมติฐานแข่งขันกันในการอภิปรายจำลอง จากนั้นจึงจัดอันดับตามสมมติฐานที่ดูมีแนวโน้มมากที่สุด
- ตัวแทนใกล้ชิด – จัดกลุ่มสมมติฐานที่คล้ายคลึงกันไว้ด้วยกันและกำจัดข้อซ้ำซ้อน เพื่อไม่ให้นักวิจัยต้องตรวจสอบแนวคิดที่ซ้ำซาก
- ตัวแทนวิวัฒนาการ – นำสมมติฐานที่จัดอยู่ในอันดับสูงสุดมาปรับปรุงเพิ่มเติมโดยใช้การเปรียบเทียบหรือลดความซับซ้อนของแนวคิดเพื่อความชัดเจนเพื่อปรับปรุงข้อเสนอ
- ตัวแทนตรวจสอบเมตา – สุดท้ายจะรวบรวมแนวคิดที่ดีที่สุดเป็นข้อเสนอการวิจัยที่มีความสอดคล้องหรือภาพรวมเพื่อให้นักวิทยาศาสตร์ด้านมนุษย์ตรวจสอบ
สิ่งสำคัญคือ นักวิทยาศาสตร์ด้านมนุษย์จะต้องอยู่ในวงจรนี้ในทุกขั้นตอน นักวิทยาศาสตร์ร่วมด้าน AI จะไม่ทำงานโดยโดดเดี่ยวหรือตัดสินใจขั้นสุดท้ายด้วยตัวเอง นักวิจัยจะเริ่มต้นด้วยการป้อนเป้าหมายหรือคำถามการวิจัยเป็นภาษาธรรมชาติ เช่น เป้าหมายในการค้นหากลยุทธ์ใหม่ๆ ในการรักษาโรคบางชนิด ร่วมกับข้อจำกัดที่เกี่ยวข้องหรือแนวคิดเริ่มต้นที่พวกเขามี จากนั้นระบบ AI จะดำเนินไปตามวงจรข้างต้นเพื่อเสนอแนะ นักวิทยาศาสตร์สามารถให้ข้อเสนอแนะหรือปรับพารามิเตอร์ และ AI จะดำเนินการซ้ำอีกครั้ง
Google สร้างระบบขึ้นมาเพื่อ "สร้างมาเพื่อการทำงานร่วมกันโดยเฉพาะ" ซึ่งหมายความว่านักวิทยาศาสตร์สามารถแทรกแนวคิดหรือคำวิจารณ์ของตนเองได้ในระหว่างกระบวนการของ AI นอกจากนี้ AI ยังสามารถใช้เครื่องมือภายนอก เช่น การค้นหาบนเว็บและโมเดลเฉพาะทางอื่นๆ เพื่อตรวจสอบข้อเท็จจริงซ้ำหรือรวบรวมข้อมูลในขณะที่ทำงาน เพื่อให้แน่ใจว่าสมมติฐานของ AI มีพื้นฐานมาจากข้อมูลล่าสุด
ตัวแทนนักวิทยาศาสตร์ร่วมด้าน AI (Google)
เส้นทางสู่ความก้าวหน้าที่รวดเร็วยิ่งขึ้น
นักวิทยาศาสตร์หวังว่าจะสามารถเร่งการค้นพบได้รวดเร็วขึ้นอย่างมาก โดยการจ้างคนภายนอกมาทำการวิจัยที่น่าเบื่อหน่าย เช่น การทบทวนวรรณกรรมอย่างละเอียดถี่ถ้วนและการระดมความคิดเบื้องต้น นักวิทยาศาสตร์ใช้ AI เป็นเครื่องมือในการวิจัย นักวิทยาศาสตร์ร่วมสามารถอ่านเอกสารได้มากกว่ามนุษย์คนใด และไม่เคยขาดแนวคิดใหม่ๆ ที่จะลอง
“โครงการนี้มีศักยภาพที่จะเร่งความพยายามของนักวิทยาศาสตร์ในการแก้ไขปัญหาใหญ่ๆ ในวิทยาศาสตร์และการแพทย์” นักวิจัยของโครงการกล่าว เขียนไว้ในกระดาษผลลัพธ์เบื้องต้นนั้นน่าพอใจ ในการทดลองครั้งหนึ่งที่เน้นที่โรคตับแข็ง (ตับเป็นแผลเป็น) Google รายงานว่าแนวทางทั้งหมดที่นักวิทยาศาสตร์ร่วมด้าน AI แนะนำนั้นแสดงให้เห็นถึงความสามารถที่มีแนวโน้มดีในการยับยั้งตัวการของโรค ในความเป็นจริง คำแนะนำของ AI ในการทดลองนั้นไม่ได้เป็นการคาดเดา แต่สอดคล้องกับสิ่งที่ผู้เชี่ยวชาญคิดว่าเป็นการแทรกแซงที่สมเหตุสมผล
นอกจากนี้ ระบบยังแสดงให้เห็นถึงความสามารถในการปรับปรุงโซลูชันที่มนุษย์คิดขึ้นเมื่อเวลาผ่านไป ตามข้อมูลของ Google AI ปรับปรุงและเพิ่มประสิทธิภาพโซลูชันที่ผู้เชี่ยวชาญเสนอในตอนแรกอย่างต่อเนื่อง ซึ่งบ่งชี้ว่า AI สามารถเรียนรู้และเพิ่มมูลค่าเพิ่มที่เหนือความเชี่ยวชาญของมนุษย์ในแต่ละรอบ
การทดสอบที่น่าทึ่งอีกอย่างหนึ่งเกี่ยวข้องกับปัญหาที่ซับซ้อนของการดื้อยาปฏิชีวนะ นักวิจัยมอบหมายให้ AI อธิบายว่าองค์ประกอบทางพันธุกรรมบางอย่างช่วยให้แบคทีเรียแพร่กระจายลักษณะที่ดื้อยาได้อย่างไร โดยที่ AI ไม่ทราบ ทีมวิทยาศาสตร์อีกทีมหนึ่ง (ซึ่งยังไม่ได้ตีพิมพ์ผลการศึกษา) ได้ค้นพบกลไกดังกล่าวแล้ว AI ได้รับข้อมูลพื้นฐานและเอกสารที่เกี่ยวข้องสองสามฉบับเท่านั้น จากนั้นจึงปล่อยให้มันทำงานของมันเอง ภายในสองวัน AI ก็มาถึงสมมติฐานเดียวกันกับที่นักวิทยาศาสตร์ด้านมนุษย์ตั้งไว้
ผู้เขียนระบุว่า “ผลการค้นพบนี้ได้รับการพิสูจน์แล้วในเชิงทดลองในการศึกษาวิจัยอิสระ ซึ่งนักวิทยาศาสตร์ร่วมไม่ทราบในระหว่างการสร้างสมมติฐาน” กล่าวอีกนัยหนึ่ง ปัญญาประดิษฐ์สามารถค้นพบข้อมูลเชิงลึกที่สำคัญได้ด้วยตัวเอง แสดงให้เห็นว่าสามารถเชื่อมโยงจุดต่าง ๆ เข้าด้วยกันได้ในลักษณะที่เทียบเคียงได้กับสัญชาตญาณของมนุษย์ อย่างน้อยก็ในกรณีที่มีข้อมูลเพียงพอ
ผลกระทบจากความเร็วและการเข้าถึงข้ามสาขาวิชาดังกล่าวมีมากมายมหาศาล ความก้าวหน้ามักเกิดขึ้นเมื่อข้อมูลเชิงลึกจากสาขาต่างๆ ขัดแย้งกัน แต่ไม่มีบุคคลใดคนเดียวที่สามารถเป็นผู้เชี่ยวชาญในทุกๆ ด้านได้ AI ที่ดูดซับความรู้จากด้านพันธุศาสตร์ เคมี การแพทย์ และอื่นๆ อาจเสนอแนวคิดที่ผู้เชี่ยวชาญอาจมองข้ามไป หน่วยงาน DeepMind ของ Google ได้พิสูจน์แล้วว่า AI สามารถสร้างการเปลี่ยนแปลงในทางวิทยาศาสตร์ได้อย่างไรด้วย AlphaFold ซึ่งทำนายโครงสร้าง 3 มิติของโปรตีนและได้รับการยกย่องว่าเป็นก้าวกระโดดครั้งสำคัญในด้านชีววิทยา ความสำเร็จดังกล่าวซึ่งเร่งการค้นพบยาและการพัฒนาวัคซีนทำให้ทีมงานของ DeepMind ได้รับส่วนแบ่งเกียรติยศสูงสุดในสาขาวิทยาศาสตร์ (รวมถึงการยอมรับที่เชื่อมโยงกับรางวัลโนเบล)
นักวิทยาศาสตร์ร่วมด้าน AI คนใหม่มีเป้าหมายที่จะนำความก้าวหน้าที่คล้ายคลึงกันมาสู่การระดมความคิดในการวิจัยในชีวิตประจำวัน แม้ว่าการประยุกต์ใช้ครั้งแรกจะอยู่ในสาขาชีวการแพทย์ แต่โดยหลักการแล้วระบบนี้สามารถนำไปใช้กับสาขาวิทยาศาสตร์ใดๆ ก็ได้ ตั้งแต่ฟิสิกส์ไปจนถึงวิทยาศาสตร์สิ่งแวดล้อม เนื่องจากวิธีการสร้างและคัดกรองสมมติฐานนั้นไม่ขึ้นอยู่กับสาขาวิชา นักวิจัยอาจใช้ระบบนี้เพื่อค้นหาวัสดุใหม่ๆ สำรวจแนวทางแก้ไขด้านสภาพอากาศ หรือค้นพบทฤษฎีบททางคณิตศาสตร์ใหม่ๆ ในแต่ละกรณี มีแนวโน้มเหมือนกัน นั่นคือ เส้นทางที่เร็วขึ้นจากคำถามสู่ข้อมูลเชิงลึก ซึ่งอาจย่อเวลาการลองผิดลองถูกหลายปีให้สั้นลงได้มาก
