«میان‌بُر فناورانه» ابزارهای علمی چین: گذار از افزونه‌های هوش مصنوعی و حرکت به سوی سامانه‌های ذاتاً هوشمند

ابزارهای علمی «چشم» دانشمندان برای کاوش در جهان ناشناخته‌ها به شمار می‌روند؛ با این حال، به عنوان دستاوردهای ساخت دقیق در عصر صنعتی، فناوری توسعه و تولید آن‌ها برای مدتی طولانی در انحصار کشورهای خارجی بوده است. در ۱۷ اکتبر، در نشست تخصصی ابزارهای علمی در Pujiang Innovation Forum 2026، پژوهشگرانی از جمله Tian Zhongqun، عضو Chinese Academy of Sciences و استاد Xiamen University، و Fang Xiang، پژوهشگر و رئیس پیشین National Institute of Metrology, China، تأکید کردند که رویکرد «طراحی بر پایه هوش مصنوعی» (AI-native) نه‌تنها ابزاری تحول‌آفرین برای ارتقای ابزارهای علمی است، بلکه پیشران اصلی تجهیزات پیشرفته چین برای دور زدن مسیرهای سنتی و ساخت مجدد زیرساخت‌های پژوهش‌های علمی محسوب می‌شود. Tian Zhongqun خاطرنشان کرد که در حال حاضر بخش عمده ابزارهای علمی پیشرفته مورد استفاده در چین وارداتی هستند. اگر روند تکامل سنتی مکانیکی و اپتیکی ادامه یابد، پشت سر گذاشتن موانع ثبت اختراع و فناوری‌های ایجادشده توسط کشورهای غربی در کوتاه‌مدت بسیار دشوار خواهد بود. او بر این باور است که همانند صنعت خودرو چین که با تکیه بر فناوری‌های نوین انرژی توانست با دور زدن مسیرهای پیشین به پیشرفت جهشی دست یابد، پیوند عمیق هوش مصنوعی و ابزارهای علمی نیز فرصتی تاریخی برای بازتعریف ساختار این صنعت در چین فراهم کرده است. با این حال، Tian Zhongqun رویکردی نقادانه نسبت به تب و تاب کنونی موسوم به «هوش مصنوعی برای علم» (AI for Science) در پیش گرفت. او معتقد است بسیاری از سامانه‌هایی که هوشمند نامیده می‌شوند، صرفاً یک «افزونه هوش مصنوعی» روی تجهیزات سنتی برای پردازش داده‌ها هستند یا تنها از بازوهای روباتیک برای جایگزینی عملکردهای ساده انسانی استفاده می‌کنند. این دست ابزارها فراتر از الگوی ابزارهای جزیره‌ای عمل نمی‌کنند و عموماً با مشکلاتی چون ادراک بدون تحلیل، تحلیل بدون عمل، عمل بدون اتصال به شبکه و دشواری در به‌کارگیری شبکه‌ای روبه‌رو هستند. Tian Zhongqun با تأکید بر اینکه «اتوماسیون به معنای هوشمندی نیست»، افزود برای شکستن الگوهای سنتی مشاهده و پژوهش، باید سامانه‌ای بسته بر پایه نظریه سیستم‌ها، کنترل و اطلاعات شکل گیرد؛ سامانه‌ای مجهز به «مغز (هدایت علمی کلان)، مخچه (تصمیم‌گیری و تنظیم موضعی بر پایه هوش مصنوعی)، حواس دقیق (حسگرهای با حساسیت بالا) و بازوهای اجرایی منعطف». Fang Xiang نیز برای تشخیص ابزارهای مبتنی بر طراحی اولیه هوش مصنوعی معیاری ساده مطرح کرد: اگر با حذف بخش هوش مصنوعی، دستگاه همچنان بتواند به کار خود ادامه دهد، با دستگاهی روبه‌رو هستیم که هوش مصنوعی صرفاً به آن الصاق شده است؛ اما اگر با حذف هوش مصنوعی ساختار کلی سامانه فروبپاشد و کارایی خود را از دست بدهد، دستگاه واقعاً بر پایه هوش مصنوعی طراحی شده است. تفاوت ابزارهای علمیِ ذاتاً مبتنی بر هوش مصنوعی در چیست؟ Fang Xiang اشاره کرد که ابزارهای سنتی برای خوانا کردن داده‌ها برای انسان، حجم زیادی از اطلاعات خام فیزیکی را در مراحل فیلترسازی و کاهش نویز از دست می‌دهند. در مقابل، سامانه‌های با طراحی هوش مصنوعی، از زنجیره سیگنال و لایه نمایش گرفته تا لایه کنترل و اهداف طراحی، کاملاً بر محور هوش مصنوعی بازتعریف شده‌اند و داده‌های خام نویزدار را مستقیماً در اختیار ماشین قرار می‌دهند تا الگوی «آزمایش هم‌زمان با استنتاج و بهینه‌سازی حین اندازه‌گیری» محقق شود. هم‌زمان، برای پیشگیری از پیامدهایی چون پدیده جعبه سیاه و رانش داده‌ها (Data Drift)، ایجاد استانداردهایی ضروری است که ویژگی «اطمینان‌پذیری» را به بخشی جدایی‌ناپذیر از سامانه تبدیل کند تا داده‌های خروجی همواره قابل ردیابی و استناد باشند. در جریان این همایش، Shanghai Academy of Science دستاورد شاخص ابزارهای علمی سال ۲۰۲۶ با عنوان «Yiyuan Zhiheng OS» را معرفی کرد. کاربران از طریق پنجره گفتگو می‌توانند نیازهای آزمایشی خود را مطرح کنند و عامل هوشمند به صورت خودکار ابزارهایی مانند طیف‌سنج و کروماتوگراف را فعال کرده و داده‌ها را جمع‌آوری و تحلیل می‌کند. Cai Lizhi، توسعه‌دهنده این سامانه و رئیس Shanghai Computer Software Technology Development Center، به پنگ‌پای گفت ابزارهای سنتی معمولاً نیازمند تنظیمات پیچیده پارامترها هستند که از برندی به برند دیگر تفاوت دارد و عمدتاً بر تجربه کارشناس تکیه دارد. در حالی که ابزارهای مجهز به هوش مصنوعی نه‌تنها پارامترها را متناسب با وظیفه به شکل خودکار تنظیم می‌کنند، بلکه تمامی داده‌های فیزیکی را بدون حذف حفظ می‌کنند؛ امری که به تحلیل‌های بعدی برای دستیابی به یافته‌های علمی که ممکن بود نویز تلقی شوند کمک شایانی خواهد کرد. عبور از الگوی «افزودن هوش مصنوعی به دستگاه‌های سنتی» و روی آوردن به طراحی یکپارچه هوش مصنوعی، اکنون به یک رویکرد مشترک در صنعت بدل شده است. در این نشست، Sun Zhenrong، رئیس Shanghai Academy of Science، سند «اجماع شانگهای درباره توسعه نوآورانه ابزارهای علمی با طراحی هوش مصنوعی» را به طور رسمی منتشر کرد. این سند با تأکید بر مسیر نوآوری بنیادین، چهار بعد «بازتعریف بنیان‌های ساختاری، فعال‌سازی موتورهای داده، ایجاد زیرساخت‌های استاندارد و شکل‌دهی زیست‌بوم باز» را برای نسل نوین ابزارهای علمی هوشمند تعیین کرده است.