Το 2024 ήταν μια χρονιά γεμάτη εκπλήξεις με τη βοήθεια της τεχνητής νοημοσύνης, με ανακαλύψεις που προσέφεραν μοναδικές γνώσεις, σύμφωνα με το CNN.
Η τεχνητή νοημοσύνη κατάφερε να αποκαλύψει ορισμένα από τα μυστικά που κρύβονται μέσα στους πάπυρους του Ερκουλάνεουμ (Herculaneum) οι οποίοι για αιώνες παρέμεναν ένα αίνιγμα. Επέζησαν από την έκρηξη του Βεζούβιου το 79 μ.Χ. είναι απανθρακωμένοι και θα διαλύονταν αν κάποιος επιχειρούσε να τους ξετυλίξει.
Μετά από ανάλυση με βάση την τεχνητή νοημοσύνη σε συνδυασμό με ακτίνες Χ υψηλής ανάλυσης, μια ομάδα ερευνητών αποκωδικοποίησε περισσότερους από 2.000 χαρακτήρες από τους παπύρους, αποκαλύπτοντας τα πρώτα πλήρη αποσπάσματα κειμένου που είχαν επιβιώσει από την καταστροφική δύναμη του Βεζούβιου. Πιστεύεται ότι προέρχονται από μια βίλα που ανήκε κάποτε στον πεθερό του Ιουλίου Καίσαρα, ενώ παρέχουν μια σπάνια ματιά στην πνευματική ζωή της αρχαίας Ρώμης και της Ελλάδας.
Παράλληλα, οι επιστήμονες υπολογιστών που λάνσαραν το Vesuvius Challenge, έναν διαγωνισμό που έχει σχεδιαστεί για να επιταχύνει τη διαδικασία της αποκρυπτογράφησης, ελπίζουν ότι το 90% των τεσσάρων παπύρων θα αποκαλυφθεί μέχρι το τέλος του 2024.
Το έργο αυτό αποτελεί ένα συναρπαστικό παράδειγμα της αυξανόμενης χρησιμότητας της τεχνητής νοημοσύνης. Αξίζει να σημειωθεί πως φέτος, η επιτροπή Νόμπελ το 2024 απένειμε το Νόμπελ Φυσικής στους Τζον Χόπφιλντ και Τζόφρεϊ Χίντον για τις θεμελιώδεις ανακαλύψεις τους στο μηχανική μάθηση.
Αυξανόμενη δύναμη στην επιστήμη
Αναμφισβήτητα, οι δυνατότητες της τεχνητής νοημοσύνης είναι τεράστιες. Ωστόσο, σύμφωνα με την ΕΡΤ, οι επικριτές προειδοποιούν κατά της εφαρμογής της σε ευαίσθητους τομείς όπως οι προσλήψεις, η αστυνόμευση και η οικονομία, όπου οι προκαταλήψεις που ενσωματώνονται σε ιστορικά δεδομένα μπορούν να διαιωνίσουν τις κοινωνικές διακρίσεις. Παρ’ όλα αυτά, το μετασχηματιστικό δυναμικό της τεχνολογίας αυτής στην επιστημονική έρευνα είναι αναμφισβήτητο. Σύμφωνα με μια φετινή έρευνα του Nature, περισσότεροι από τους μισούς από τους 1.600 επιστήμονες που συμμετείχαν, πιστεύουν ότι τα εργαλεία τεχνητής νοημοσύνης είναι «απαραίτητα» ή «πολύ σημαντικά» για το μέλλον της επιστημονικής έρευνας.
Η άνοδος της χρήσης της τεχνητής νοημοσύνης στην επιστημονική ανακάλυψη είναι ραγδαία. Από το 2015, ο αριθμός των επιστημονικών δημοσιεύσεων που χρησιμοποιούν την τεχνητή νοημοσύνη έχει αυξηθεί κατακόρυφα, με πολλές από αυτές τις δημοσιεύσεις να γίνονται μερικές από τις πιο αναφερόμενες μελέτες στον τομέα τους. Ωστόσο, η Royal Society, η παλαιότερη επιστημονική ακαδημία στον κόσμο, έχει εκφράσει ανησυχίες σχετικά με την αδιαφάνεια πολλών μοντέλων τεχνητής νοημοσύνης, κάτι που μπορεί να περιορίσει την αναπαραγωγιμότητα της έρευνας που βασίζεται στην εν λόγω τεχνολογία.
Αποκωδικοποίηση της γλώσσας
Σε ένα εντυπωσιακό παράδειγμα των δυνατοτήτων της τεχνητής νοημοσύνης, οι επιστήμονες στράφηκαν στα βάθη του ωκεανού για να αποκρυπτογραφήσουν την πολύπλοκη επικοινωνία των φαλαινών. Γνωστές για τους ήχους που βγάζουν οι οποίοι μοιάζουν με κλικ, οι φάλαινες φυσητήρες παράγουν ήχους ευρέως φάσματος, ρυθμών και διάρκειας. Αλλά μέχρι πρόσφατα, το νόημα αυτών των ήχων παρέμενε ένα άλυτο μυστήριο.
Χρησιμοποιώντας τη μηχανική μάθηση, μια ομάδα ερευνητών ανέλυσε πάνω από 9.000 αλληλουχίες κλικ, γνωστές ως codas, από μια ομάδα 60 φαλαινών φυσητήρων στην Καραϊβική Θάλασσα. Χρησιμοποιώντας την τεχνητή νοημοσύνη, η ομάδα εντόπισε μοτίβα που υποδηλώνουν ότι τα κλικ των φαλαινών λειτουργούν όπως η φωνητική στην ανθρώπινη επικοινωνία- σχηματίζοντας μια πλούσια, διαφοροποιημένη γλώσσα.
Αν και η τεχνητή νοημοσύνη δεν κατάφερε ακόμη να αποκωδικοποιήσει το πλήρες νόημα αυτών των ήχων, ανακάλυψε έναν νέο τρόπο κατανόησης της πολυπλοκότητας της επικοινωνίας των ζώων. Αυτή η έρευνα ανοίγει τον δρόμο για μελλοντικές ανακαλύψεις στη διαειδική επικοινωνία, επιτρέποντας ενδεχομένως στους ανθρώπους να συνομιλούν με τα ζώα.
Στην ξηρά, η τεχνητή νοημοσύνη φέρνει επανάσταση και στον τομέα της αρχαιολογίας. Στην έρημο Νάζκα του Περού, η τεχνητή νοημοσύνη βοήθησε τους ερευνητές να αποκαλύψουν τεράστια γεωγλυφικά – περίεργα σύμβολα και φιγούρες που χαράχτηκαν στη γη από αρχαίους πολιτισμούς.
Μια ομάδα με επικεφαλής το Πανεπιστήμιο Yamagata, χρησιμοποίησε τεχνητή νοημοσύνη για να αναλύσει δορυφορικές εικόνες υψηλής ανάλυσης των γραμμών Νάζκα. Το μοντέλο, που εκπαιδεύτηκε σε μια βάση δεδομένων γνωστών γεωγλυφικών, μπόρεσε να εντοπίσει περισσότερα από 300 γεωγλυφικά μέσα σε λίγους μήνες – διπλασιάζοντας σχεδόν τον αριθμό των γνωστών συμβόλων που έχουν βρεθεί. Αν και οι προβλέψεις της τεχνητής νοημοσύνης δεν ήταν πάντα ακριβείς, οι ερευνητές κατάφεραν να αναλύσουν τα δεδομένα και να εντοπίσουν 1.309 πιθανές τοποθεσίες.
Επιτάχυνση του μέλλοντος της ιατρικής
Ο αντίκτυπος της τεχνητής νοημοσύνης στην επιστήμη επεκτείνεται σε ένα από τα πιο θεμελιώδη ερωτήματα της ανθρωπότητας: τα δομικά στοιχεία της ζωής. Για δεκαετίες, η αποκωδικοποίηση αυτών των τρισδιάστατων δομών ήταν μια δύσκολη και χρονοβόρα διαδικασία που περιλαμβάνει τη χρήση εργαστηριακών πειραμάτων και μια τεχνική γνωστή ως κρυσταλλογραφία ακτίνων Χ.
Ωστόσο, το 2018, η έλευση του AlphaFold, ενός εργαλείου τεχνητής νοημοσύνης που αναπτύχθηκε από την Google DeepMind, έφερε επανάσταση σε αυτόν τον τομέα προβλέποντας τις τρισδιάστατες δομές των πρωτεϊνών από τις αλληλουχίες αμινοξέων τους. Με το AlphaFold, οι ερευνητές έχουν πλέον πρόσβαση σε μια βάση δεδομένων που περιέχει τις προβλεπόμενες δομές περισσότερων από 200 εκατομμυρίων πρωτεϊνών, μια πηγή που έχει περιγραφεί ως το «Google» για τη βιολογία. Αυτή η ανακάλυψη έχει επιταχύνει την ανακάλυψη νέων φαρμάκων και θα μπορούσε να έχει βαθιές επιπτώσεις στην κατανόηση ασθενειών όπως ο καρκίνος. Το εργαλείο έχει χρησιμοποιηθεί από τουλάχιστον 2 εκατομμύρια ερευνητές σε όλο τον κόσμο.
Ωστόσο, όπως συμβαίνει με όλα τα εργαλεία τεχνητής νοημοσύνης, υπάρχουν περιορισμοί. Το AlphaFold δυσκολεύεται με τις μεταλλάξεις σε πρωτεΐνες, ειδικά αυτές που συνδέονται με ασθένειες όπως ο καρκίνος του μαστού. Παρόλα αυτά, παραμένει ένα ισχυρό παράδειγμα για το πώς η τεχνητή νοημοσύνη μπορεί να επιταχύνει την επιστημονική πρόοδο και να ανοίξει το δρόμο για νέες θεραπείες.
Η μηχανική μάθηση επιταχύνει τις προσπάθειες για τη σύνταξη ενός άτλαντα κάθε μεμονωμένου τύπου κυττάρου στο ανθρώπινο σώμα και την ανακάλυψη μορίων που μπορούν να μετατραπούν σε νέα φάρμακα, συμπεριλαμβανομένου ενός τύπου αντιβιοτικού που μπορεί να δράσει ενάντια σε ένα ιδιαίτερα απειλητικό βακτήριο ανθεκτικό στα φάρμακα.
