A close-up shot of a laboratory technician's gloved hand holding a test tube with a blue liquid among a rack of other test tubes, symbolizing scientific research and chemical analysis in a modern lab environment.
هوش مصنوعی

مایکروسافت به دنبال استفاده از هوش مصنوعی برای تسریع کشفیات علمی است

مایکروسافت دیسکاوری، پلتفرم جدیدی که مایکروسافت در کنفرانس بیلد ۲۰۲۵ معرفی کرد، از هوش مصنوعی ایجنتی برای «تحول در فرآیند کشفیات علمی» استفاده می‌کند.

۱۴۰۴/۰۲/۲۹

مایکروسافت پلتفرم جدیدی به نام Microsoft Discovery را معرفی کرده است که از هوش مصنوعی برای تسریع کشفیات علمی استفاده می‌کند.

آیا هوش مصنوعی می‌تواند جنبه‌هایی از فرآیند علمی را تسریع کند؟ به نظر می‌رسد مایکروسافت اینطور فکر می‌کند.

روز دوشنبه در کنفرانس بیلد ۲۰۲۵ این شرکت، مایکروسافت پلتفرم «مایکروسافت دیسکاوری» (Microsoft Discovery) را معرفی کرد. این پلتفرم از «هوش مصنوعی ایجنتی» (Agentic AI) برای «تحول در فرآیند کشفیات [علمی]» بهره می‌برد، آنطور که در بیانیه‌ای مطبوعاتی ارائه شده به تک‌کرانچ آمده است. مایکروسافت می‌گوید، مایکروسافت دیسکاوری «قابل توسعه» است و می‌تواند بار کاری مرتبط با علم را «از ابتدا تا انتها» مدیریت کند.

مایکروسافت در بیانیه خود توضیح می‌دهد: «مایکروسافت دیسکاوری یک پلتفرم ایجنتی سازمانی است که با تحول کل فرآیند کشف با هوش مصنوعی ایجنتی – از استدلال دانش علمی گرفته تا تدوین فرضیه، تولید کاندیدها، و شبیه‌سازی و تحلیل – به تسریع تحقیق و کشف کمک می‌کند. این پلتفرم دانشمندان و محققان را قادر می‌سازد تا با تیمی از ایجنت‌های هوش مصنوعی متخصص همکاری کنند تا با سرعت، مقیاس و دقت از آخرین نوآوری‌ها در هوش مصنوعی و ابررایانش نتایج علمی را پیش ببرند.»

مایکروسافت یکی از آزمایشگاه‌های متعدد هوش مصنوعی است که نسبت به کاربرد هوش مصنوعی در علم خوشبین هستند. اوایل سال جاری، گوگل از یک «همکار دانشمند هوش مصنوعی» رونمایی کرد که غول فناوری گفته بود می‌تواند به دانشمندان در ایجاد فرضیه‌ها و برنامه‌های تحقیقاتی کمک کند. Anthropic و رقیب اصلی آن، OpenAI، همراه با شرکت‌هایی مانند FutureHouse و Lila Sciences، اظهار داشته‌اند که ابزارهای هوش مصنوعی می‌توانند کشف علمی را به شدت تسریع کنند، به‌ویژه در پزشکی.

اما بسیاری از محققان هوش مصنوعی کنونی را به‌ویژه برای هدایت فرآیند علمی چندان مفید نمی‌دانند، که عمدتاً به دلیل غیرقابل اعتماد بودن آن است.

بخشی از چالش در توسعه یک «دانشمند هوش مصنوعی» پیش‌بینی تعداد بی‌شماری از عوامل گیج‌کننده است. هوش مصنوعی ممکن است در زمینه‌هایی که نیاز به اکتشاف گسترده است، مانند محدود کردن یک لیست وسیع از احتمالات، مفید باشد، اما کمتر مشخص است که آیا می‌تواند نوع حل مسئله خارج از چارچوب را که منجر به پیشرفت‌های واقعی می‌شود، انجام دهد. نتایج سیستم‌های هوش مصنوعی طراحی شده برای علم تا کنون عمدتاً ناامیدکننده بوده‌اند.

در سال ۲۰۲۳، گوگل گفت که حدود ۴۰ ماده جدید با کمک یکی از هوش مصنوعی‌های آن به نام GNoME سنتز شده‌اند. اما یک تحلیل بیرونی نشان داد که حتی یک مورد از این مواد در واقع جدید نبوده است. در همین حال، چندین شرکت که از هوش مصنوعی برای کشف دارو استفاده می‌کنند، از جمله Exscientia و BenevolentAI، شکست‌های برجسته‌ای در آزمایش‌های بالینی تجربه کرده‌اند.

مایکروسافت بدون شک امیدوار است که تلاش آن بهتر از تلاش‌های پیشین عمل کند.

منبع: تک‌کرانچ

به مطالعه ادامه دهید