Πώς οι «παραισθήσεις» της τεχνητής νοημοσύνης μπορούν να φέρουν σημαντικές ανακαλύψεις

Η τεχνητή νοημοσύνη συχνά επικρίνεται για την παραγωγή «ψευδαισθήσεων» — πιθανών αλλά ψευδών πληροφοριών. Ενώ αυτό μπορεί να οδηγήσει σε προβλήματα, όπως παραπληροφόρηση και νομικά ζητήματα, οι «ψευδαισθήσεις» της τεχνητής νοημοσύνης αποδεικνύονται πολύτιμες στην επιστημονική καινοτομία. Η τεχνολογία μπορεί να δημιουργήσει νέες, μερικές φορές σουρεαλιστικές ιδέες που οδηγούν σε νέες ερευνητικές κατευθύνσεις και ανακαλύψεις. Οι επιστήμονες χρησιμοποιούν αυτές τις «παραισθήσεις» για να επιταχύνουν τις ανακαλύψεις σε τομείς όπως η έρευνα για τον καρκίνο, ο σχεδιασμός φαρμάκων, οι ιατρικές συσκευές και η κλιματική επιστήμη.

Η τεχνητή νοημοσύνη βοηθά τους ερευνητές να εξερευνήσουν νέες ιδέες παράγοντας απροσδόκητες λύσεις, επιταχύνοντας τη διαδικασία του πειραματισμού και τελειοποιώντας τις έννοιες. Για παράδειγμα, η εν λόγω τεχνολογία έπαιξε καθοριστικό ρόλο στο σχεδιασμό νέων πρωτεϊνών, ένα κατόρθωμα που χάρισε στον Δρα. Ντέιβιντ Μπέικερ από το Πανεπιστήμιο της Ουάσιγκτον, το Νόμπελ Χημείας.

Ο Δρ. Μπέικερ βραβεύτηκε για την πρωτοποριακή του έρευνα στις πρωτεΐνες – τα μόρια που ενδυναμώνουν τη ζωή. Η επιτροπή του Νόμπελ τον επαίνεσε γιατί ανακάλυψε πώς να κατασκευάζει γρήγορα εντελώς νέα είδη πρωτεϊνών που δεν υπάρχουν στη φύση, αποκαλώντας το κατόρθωμά του «σχεδόν αδύνατο». Η νέα τεχνολογία βοήθησε το εργαστήριό του να αποκτήσει περίπου 100 πατέντες, πολλές από τις οποίες σχετίζονται με την ιατρική περίθαλψη. Ο Δρ. Μπέικερ έχει επίσης ιδρύσει ή έχει βοηθήσει στην ίδρυση περισσότερων από 20 εταιρειών βιοτεχνολογίας.

Ωστόσο, ορισμένοι επιστήμονες βρίσκουν τον όρο «παραισθήσεις» παραπλανητικό και ανακριβή, και έτσι αποφεύγουν να τον χρησιμοποιούν.

Η Άνιμα Αναντκουμάρ, καθηγήτρια στο Caltech και πρώην ερευνητρια τεχνητής νοημοσύνης στην Nvidia, τονίζει ότι αυτή η τεχνολογία μπορεί να παράγει αποτελέσματα υψηλής ακρίβειας όταν βασίζεται σε αξιόπιστα γεγονότα. Ενώ τα chatbots τεχνητή νοημοσύνης δεν μπορούν να επαληθεύσουν ανεξάρτητα την ακρίβεια των απαντήσεών τους, οι επιστήμονες μπορούν να δοκιμάσουν ιδέες που δημιουργούνται από αυτή την τεχνολογία σε συνθήκες πραγματικού κόσμου. Η ομάδα της χρησιμοποίησε πρόσφατα παραισθήσεις της τεχνητής νοημοσύνης για το σχεδιασμό ενός νέου τύπου καθετήρα που μειώνει τη βακτηριακή μόλυνση, μια κύρια αιτία λοιμώξεων του ουροποιητικού συστήματος. Το μοντέλο πρότεινε χιλιάδες σχέδια, επιλέγοντας τελικά ένα με αιχμές που μοιάζουν με πριονωτό δόντι στα εσωτερικά τοιχώματα, που αποτρέπει την ανάπτυξη βακτηρίων. Η ομάδα διερευνά τώρα την εμπορευματοποίηση αυτής της καινοτόμου συσκευής.

Ο επικεφαλής του επιστημονικού τμήματος της DeepMind της Google που αναπτύσσει εφαρμογές τεχνητής νοημοσύνης, είπε ότι οι ψευδαισθήσεις προάγουν την ανακάλυψη. Ένα παράδειγμα, είπε, ήταν πώς ένας υπολογιστής DeepMind το 2016 κέρδισε τον παγκόσμιο πρωταθλητή παίκτη του Go, ενός πολύπλοκου επιτραπέζιου παιχνιδιού. Το σημείο καμπής του παιχνιδιού ήταν η κίνηση 37, αρκετά νωρίς στον διαγωνισμό. «Σκεφτήκαμε ότι ήταν λάθος», είπε. «Και οι άνθρωποι κατάλαβαν καθώς το παιχνίδι συνεχιζόταν ότι ήταν μια ιδιοφυΐα. Έτσι, αυτά τα μοντέλα είναι σε θέση να παράγουν αυτές τις πολύ, πολύ νέες ιδέες» πρόσθεσε.

Ο Δρ. ΜακΓκόβερν, καθηγητής μετεωρολογίας και πληροφορικής στο Πανεπιστήμιο της Οκλαχόμα, είπε ότι οι ψευδαισθήσεις θα μπορούσαν να περιγραφούν ως «κατανομή πιθανοτήτων» – ένας πολύ παλιός όρος στον κόσμο της επιστήμης. Οι μετεωρολόγοι ερευνητές, πρόσθεσε ο Δρ ΜακΓκόβερν, χρησιμοποιούν την τεχνητή νοημοσύνη συχνά για να δημιουργήσουν χιλιάδες ανεπαίσθητες παραλλαγές ή εύρη πιθανοτήτων. Αυτό τους επιτρέπει να ανακαλύψουν απροσδόκητους παράγοντες που μπορούν να οδηγήσουν σε ακραία φαινόμενα όπως θανατηφόρα κύματα καύσωνα. «Είναι ένα πολύτιμο εργαλείο», είπε ο Δρ. ΜακΓκόβερν.

Το 2003, ο Δρ. Μπέικερ και οι συνεργάτες του πέτυχαν έναν πολύ πιο φιλόδοξο στόχο: να φτιάξουν την πρώτη εντελώς νέα πρωτεΐνη στον κόσμο, την οποία ονόμασαν Top7. Το επίτευγμά τους θεωρήθηκε ως μια σημαντική πρόοδος, επειδή οι δομές των πρωτεϊνών είναι εξαιρετικά πολύπλοκες. Καθώς η τεχνητή νοημοσύνη εξελισσόταν, ο Δρ. Μπέικερ αναρωτήθηκε αν θα μπορούσε να επιταχύνει τον σχεδιασμό των πρωτεϊνών. Στη μελέτη του που δημοσιευθηκε στο περιοδικό «Nature» το 2021, αναφέρθηκε στο Google DeepDream – ένα μοντέλο που μεταμορφώνει υπάρχουσες εικόνες σε ψυχεδέλεια. Όταν οι άνθρωποι κοιτάζουν την πανσέληνο και βλέπουν το πρόσωπο ενός άνδρα, αυτό ονομάζεται παρειδωλία, το ψυχολογικό φαινόμενο κατά το οποίο ένα δυσδιάκριτο ή ασαφές εξωτερικό ερέθισμα εκλαμβάνεται εσφαλμένα ως ευκρινές και πλήρως αναγνωρίσιμο. Το DeepDream χρησιμοποιεί μια εκδοχή αυτού του φαινομένου για να δημιουργήσει τις σουρεαλιστικές παραισθήσεις του.

Το σχέδιο του Δρα. Μπέικερ ήταν να δει αν το μοντέλο θα μπορούσε να προκαλέσει το φαινόμενο της παρειδωλίας σε διφορούμενα σύνολα αμινοξέων, τα δομικά στοιχεία των πρωτεϊνών. Η ομάδα του τροφοδότησε τυχαίες σειρές αμινοαλληλουχιών σε ένα μοντέλο εκπαιδευμένο να αναγνωρίζει τα δομικά χαρακτηριστικά των πραγματικών πρωτεϊνών.  

Σύμφωνα με τον ερευνητή, το μοντέλο δημιούργησε χιλιάδες εικονικές πρωτεΐνες. Η ομάδα στη συνέχεια προσπάθησε να μετατρέψει αυτές τις φανταστικές πρωτεΐνες σε αληθινές. Αρχικά, πήρε πληροφορίες για τα μόρια που φαντάστηκε το μοντέλο και τις χρησιμοποίησε ως πρωτότυπο για να παράγει τους κλώνους του DNA που σχηματίζουν γονίδια. Στη συνέχεια, τα γονίδια εισήχθησαν σε μικρόβια και οι μικροσκοπικοί οργανισμοί δημιούργησαν 129 νέα είδη πρωτεϊνών άγνωστα στην επιστήμη και τη φύση.

ΠΗΓΗ: ΝΥΤ