«هم مشارکت می‌خواهیم، هم به رسمیت شناخته‌شدن آن را»: هم‌افزایی دانشمندان برای مواجهه با AI

«هدف ما این است که تا جای ممکن بار کاری دانشمندان را کاهش دهیم تا پلتفرم هم‌زمان با پیشبرد پژوهش، نقش دستیار ثبت و مستندسازی را ایفا کند.» دانشگاه‌ها، پژوهشگاه‌ها و شرکت‌ها هر یک منابع خاص خود را در اختیار دارند؛ این‌که این بازیگران چگونه همکاری کنند تا انگیزه سرمایه‌گذاری بلندمدت حفظ شود، چالشی اساسی در مسیر توسعه پلتفرم‌ها است. Xu Nan، پژوهشگر Institute of Automation, Chinese Academy of Sciences و مدیر ارشد توسعه پلتفرم جامع پژوهشی «Panshi» در Chinese Academy of Sciences، ضمن مشارکت در توسعه زیرساخت‌های AI ویژه جامعه علمی، روند نفوذ هوش مصنوعی در مراحل گوناگون پژوهش را زیر نظر دارد. از دیدگاه او، دستاورد AI صرفاً ارتقای توان حل مسئله نیست، بلکه الگوی نوینی از سازمان‌دهی پژوهش علمی را پیش رو می‌گذارد؛ این‌که آیا دانشمندان، مدل‌ها و ابزارهای محاسباتی می‌توانند هماهنگ‌تر عمل کنند و روش‌ها و تجارب حاصل از یک مسئله را برای گره‌گشایی از مسائل دیگر به کار بگیرند. Xu Nan در گفتگو با خبرنگار هفته‌نامه جنوب گفت: «در گذشته، بخش عمده پروژه‌های AI for Science حول ساخت مدلی اختصاصی برای یک وظیفه مشخص شکل می‌گرفت.» اما اکنون، مدل‌های بزرگ این دانش‌ها، ابزارها و مراحل پژوهشی پراکنده را به هم پیوند می‌زنند؛ رویکردی که او و تیمش در طراحی پلتفرم «Panshi» در پی تحقق آن هستند. پکن، Institute of Automation, Chinese Academy of Sciences. عکس: Visual China پژوهش‌های علمی مبتنی بر هوش مصنوعی که با سرواژه AI4S شناخته می‌شوند، در وظایفی مشخص نظیر پیش‌بینی ساختار پروتئین‌ها، طراحی مولکولی و غربالگری مواد، توانمندی بالایی نشان داده‌اند. برآورد Xu Nan حاکی از آن است که AI4S اکنون از مرحله آزمون و کاوش به دوره رشد پرشتاب گام نهاده و نهادهای فعال در این حوزه نیز از توسعه انفرادی مدل‌ها به سمت ایجاد پلتفرم‌ها و زیرساخت‌های اشتراکی تغییر مسیر داده‌اند. پیمودن این مسیر، نیازمند حضور مستمر پژوهشگران حوزه‌های گوناگون است. داده‌های علمی ماهیتی به‌شدت تخصصی دارند؛ تصمیم‌گیری درباره این‌که چه داده‌ای ارزش ثبت دارد، نتایج چگونه باید تحلیل شوند و چه گزاره‌هایی از آن‌ها قابل استنباط است، تماماً به داوری متخصصان وابسته است. توانایی یک پلتفرم در انباشت دانش کاربردی، به تمایل دانشمندان برای به اشتراک گذاشتن تجربیات و سازوکارهای موجود برای به رسمیت شناختن سهم علمی آنان بستگی دارد. Xu Nan با تأکید بر لزوم شفافیت قوانین گفت: «نمی‌توان پژوهشگران را صرفاً به ارائه داده فراخواند؛ باید سهم و دستاورد آن‌ها رسماً به رسمیت شناخته شود تا مشارکت‌کنندگان نیز از منافع آن بهره‌مند شوند. اشتراک‌گذاری داده‌ها با مسائلی چون مالکیت دستاوردها، حقوق مالکیت فکری و امنیت اطلاعات گره خورده است.» به گفته او، دانشگاه‌ها، پژوهشگاه‌ها و شرکت‌ها منابع متفاوتی دارند و تعیین چارچوب همکاری میان آن‌ها، به‌گونه‌ای که انگیزه مشارکت بلندمدت شکل بگیرد، مسئله‌ای کلیدی در توسعه این پلتفرم‌ها به شمار می‌رود. هم‌زمان، توسعه مدل‌های پایه علمی، تأمین توان پردازشی و تجهیز آزمایشگاه‌های خودکار نیازمند سرمایه‌گذاری پیوسته مالی است؛ امری که به تمرکز بیش از پیش منابع در دست نهادهای معدود دامن می‌زند. پلتفرم‌های اشتراکی برای گروه‌های پژوهشی معمولی این فرصت را فراهم می‌آورند تا به امکاناتی دست یابند که امکان تجهیز مستقل آن‌ها را نداشتند. با این حال، انحصاری شدن دسترسی به این زیرساخت‌ها در میان چند نهاد خاص می‌تواند به حذف بخش بزرگی از پژوهشگران بینجامد؛ خطری که Xu Nan توجه فوری به آن را ضروری می‌داند.

هوش مصنوعی چگونه سیمای پژوهش را دگرگون می‌کند؟

هفته‌نامه جنوب: روند ورود AI به عرصه پژوهش‌های علمی تاکنون چه مراحلی را پشت سر گذاشته و در هر دوره چه نیاز محوری برطرف شده است؟ Xu Nan: روند توسعه AI for Science را می‌توان در سه دوره تبیین کرد: مرحله آغازین، مرحله کاوش، و مرحله رشد پرشتاب. در هر یک از این دوره‌ها، زاویه پیوند و عمق اثرگذاری AI بر پژوهش‌های علمی کانون توجه بوده است...