AI for Scientific Discovery is a Social Problem
تجادل هذه الورقة بأن التأثير غير المتكافئ للذكاء الاصطناعي في الاكتشاف العلمي ينبع أساساً من العوائق الاجتماعية والمؤسسية بدلاً من القيود التقنية، مما يستوجب التحول نحو مشاريع اجتماعية جماعية تعطي الأولوية للتعاون العادل، والتعليم متعدد التخصصات، والبنية التحتية المشتركة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم الاكتشاف العلمي كموقع بناء ضخم وعالمي. لعقود من الزمن، كان العلماء يبنون الجسور، ويعالجون الأمراض، ويفهمون الكون باستخدام المخططات، والمطارق، والعمل الجاد. الآن، وصلت أداة جديدة: الذكاء الاصطناعي (AI). إنه يشبه روبوتًا فائق القوة يمكنه قراءة ملايين الكتب في ثانية واحدة والتنبؤ بكيفية تصرف المواد.
الورقة البحثية التي تسأل عنها تجادل بأنه بينما هذا الروبوت مذهل، فإننا نحاول استخدامه بطريقة معطلة. نحن نعامله كـ "عصا سحرية" ستحل كل شيء بمفردها، ولكن في الواقع، موقع البناء فوضوي، والعمال لا يتحدثون نفس اللغة، والروبوت عالق في زاوية لأن أحدًا لم يعطه التعليمات الصحيحة أو المواد المناسبة.
إليك الرسالة الرئيسية للورقة، مقسمة إلى أربع مشكلات بسيطة وأربعة حلول، باستخدام تشبيهات من الحياة اليومية.
المشكلة الكبرى: نحن نركز على الشيء الخطأ
تقول الورقة إننا مهووسون بفكرة "العالم الآلي المستقل بالذكاء الاصطناعي".
- التشبيه: تخيل فيلمًا حيث يجلس روبوت وحيدًا في غرفة، يقرأ كل كتاب في المكتبة، وفجأة يخترع علاجًا للسرطان دون أن يتحدث أبدًا مع طبيب بشري أو يخطو خطوة واحدة داخل مختبر.
- الواقع: العلم لا يعمل بهذه الطريقة. العلم الحقيقي هو رياضة جماعية. يتطلب تجارب فوضوية، واختبارات فاشلة، وحدسًا بشريًا. من خلال التظاهر بأن الذكاء الاصطناي يمكنه القيام بكل شيء بمفرده، نحن نتجاهل العمل الحقيقي: تنظيف البيانات، وبناء المختبرات، والتحقق من النتائج. نحن نشيد بالروبوت لقراءته قائمة الطعام بينما نتجاهل الطهاة الذين يطبخون الوجبة بالفعل.
العوائق الأربعة الكبرى (لماذا الروبوت عالق)
1. أسطورة "العبقري الوحيد" مقابل الفريق
- المشكلة: نحن نحب القصص عن الأفراد "العباقرة" أو الذكاء الاصطناعي الذي يعمل بمفرده. هذا يجعلنا ننسى آلاف الأشخاص الذين يقومون بالفعل بالعمل الممل ولكن الحيوي: تنظيم البيانات، وإصلاح أجهزة الكمبيوتر، وإجراء التجارب.
- التشبيه: فكر في نجم سينمائي يحصل على كل الائتمان لفيلم ضخم، بينما لا يتم ذكر طاقم الإضاءة، وكتاب السيناريو، وعمال التموين. في العلم، إذا احتفينا فقط بنموذج الذكاء الاصطناعي، فإننا نتوقف عن دفع الأجور واحترام الأشخاص الذين بنوا مجموعات البيانات والبنية التحتية. بدونهم، يكون الذكاء الاصطناعي مجرد آلة حاسبة متطورة ليس لديها شيء لتحسبه.
2. مشكلة "الهدف الخاطئ"
- المشكلة: العلماء وباحثو الذكاء الاصطناعي يلعبون ألعابًا مختلفة. باحثو الذكاء الاصطناالي يريدون الفوز في "التنبؤ بالكلمة التالية" أو "الحصول على أعلى درجة في اختبار". أما العلماء فيريدون فهم لماذا يحدث الشيء ما (الآلية).
- التشبيه: تخيل تطبيق نظام تحديد المواقع (GPS) يخبرك بالضبط كيف تصل إلى وجهتك (التنبؤ) ولكنه لا يخبرك لماذا الطريق مغلق أو كيف يعمل نظام المرور (الفهم).
- قد يخبرك الذكاء الاصطناعي: "هذا الدواء سيعمل"، ولكن إذا لم يستطع شرح لماذا يعمل، فلن يتمكن الطبيب الحقيقي من الوثوق به أو تحسينه.
- تقول الورقة إننا بحاجة إلى ذكاء اصطناعي لا يكتفي بتخمين الإجابة فحسب، بل يساعدنا في فهم المنطق وراء الإجابة.
3. مشكلة بيانات "برج بابل"
- المشكلة: البيانات العلمية موجودة في كل مكان، لكنها جميعًا بلغات وتنسيقات مختلفة. مختبر ما يحفظ البيانات في جدول بيانات؛ ومختبر آخر يحفظها في رمز غريب؛ وآخر يحبسها في خزنة خاصة.
- التشبيه: تخيل محاولة بناء قلعة ضخمة من قطع الليغو (Lego)، ولكن كل شخص في الغرفة لديه صندوق مختلف من قطع الليغو. البعض لديهم قطع حمراء، والبعض لديهم قطع زرقاء، والبعض لديهم قطع لا تتناسب مع بعضها البعض، والبعض الآخر يخفي قطعهم في جيوبهم.
- نظرًا لأن البيانات ليست موحدة، لا يمكن لنماذج الذكاء الاصطناعي التعلم من معرفة العالم بأكمله. إنها مجبرة على التعلم من جزر صغيرة ومعزولة من المعلومات، مما يجعلها ضعيفة وغير دقيقة.
4. مشكلة "الغني مقابل الفقير" في أجهزة الكمبيوتر
- المشكلة: لتدريب هذه النماذج فائقة الذكاء، تحتاج إلى أجهزة كمبيوتر ضخمة ومكلفة. فقط الجامعات الأكثر ثراءً وشركات التكنولوجيا الكبرى تمتلكها.
- التشبيه: تخيل بطولة شطرنج عالمية حيث يحصل اللاعبون الأثرياء على أجهزة كمبيوتر فائقة السرعة، بينما يضطر اللاعبون الفقراء للعب بقلم وورقة. اللاعبون الأثرياء سيفوزون دائمًا، ليس لأنهم أذكى، بل لأن لديهم أدوات أفضل.
- هذا يعني أن الذكاء الاصطناعي للعلوم أصبح يتحول إلى نادٍ للأثرياء، تاركًا العلماء الموهوبين في الدول النامية أو الكليات الصغيرة في الخارج.
الحلول الأربعة (كيفية إصلاح موقع البناء)
1. تعليم الجميع التحدث بنفس اللغة
- الحل: نحن بحاجة إلى تدريب العلماء لفهم الذكاء الاصطناعي وتدريب خبراء الذكاء الاصطناعي لفهم العلوم.
- التشبيه: بدلاً من وجود مترجم يقف بين الطاهي والمهندس المعماري، نحتاج إلى تدريب الطاهي على قراءة المخططات وتدريب المهندس المعماري على فهم الطبخ. نحن بحاجة إلى خبراء "هجينين" يمكنهم سد الفجوة حتى يتمكنوا من التحدث مع بعضهم البعض فعليًا.
2. بناء "أرضيات تدريب" أفضل (المعايير المرجعية)
- الحل: بدلاً من وجود آلاف المسابقات الصغيرة والمنفصلة، يجب على المجتمع الاتفاق على عدد قليل من المشكلات الكبيرة والصعبة لحلها معًا.
- التشبيه: فكر في مسابقة CASP المذكورة في الورقة. لقد كانت مثل "أولمبياد" عالمي لطي البروتين. اتفق الجميع على القواعد والهدف. ولأنهم ركزوا جميعًا على نفس المشكلة الصعبة، فقد حققوا قفزات هائلة (مثل AlphaFold). نحن بحاجة إلى المزيد من هذه "التحديات الكبرى" حيث يعمل الجميع معًا على أصعب المشكلات الأساسية، وليس فقط المهام الصغيرة والسهلة.
3. توحيد "قطع الليغو" (البيانات)
- الحل: نحن بحاجة إلى الاتفاق على تنسيقات بسية ومفتوحة للبيانات حتى يتمكن الجميع من مشاركتها وإعادة استخدامها بسهولة.
- التشبيه: نحن بحاجة إلى التوقف عن صنع قطع ليغو مخصصة والاتفاق على أن جميع القطع يجب أن تتناسب مع بعضها البعض. إذا رفع عالم في البرازيل مجموعة بيانات، يجب أن يتمكن عالم في اليابان من تحميلها واستخدامها فورًا دون قضاء شهور في ترجمتها. تقترح الورقة أن التنسيقات البسيطة (مثل جداول البيانات القياسية) أفضل من التنسيقات المعقدة والفاخرة التي لا يستطيع أحد استخدامها.
4. مشاركة الأدوات (البنية التحتية)
- الحل: نحن بحاجة إلى بناء أجهزة كمبيوتر ومراكز بيانات مملوكة للمجتمع ومشتركة، وليس ترك شركات التكنولوجيا الكبرى تمتلكها فقط.
- التشبيه: بدلاً من أن تشتري كل عائلة مولدها الخاص المكلف، يجب أن نبني شبكة طاقة مشتركة يمكن للجميع التوصيل بها. مشاريع مثل Hugging Face (حيث يعمل المؤلفون) تحاول أن تكون "شبكة الطاقة المشتركة" هذه للذكاء الاصطناعي، مما يوفر وصولًا مجانيًا للنماذج والبيانات حتى يتمكن العالم في مختبر صغير من القيام بنفس العمل الذي يقوم به عالم في شركة ضخمة.
الخلاصة
تخلص الورقة إلى أن الذكاء الاصطناعي للعلوم ليس مجرد مشكلة تقنية؛ بل هي مشكلة اجتماعية.
لا يمكنك مجرد كتابة كود برمجي أفضل وتوقع تغيير العلم. يجب عليك تغيير طريقة عملنا معًا. يجب أن نتوقف عن معاملة الذكاء الاصطناعي كـ "روبوت سحري" يستبدل البشر ونبدأ في معاملته كـ أداة فريق تتطلب:
- أجرًا عادلًا للأشخاص الذين يقومون بعمل البيانات.
- قواعد مشتركة لكيفية تخزين المعلومات.
- أدوات متاحة للجميع، وليس للأثرياء فقط.
- التركيز على فهم العالم، وليس فقط التنبؤ به.
إذا أصلحنا هذه المشكلات الاجتماعية، فسيكون لدى روبوت الذكاء الاصطناعي أخيرًا المواد الصحيحة، والتعليمات الصحيحة، والفريق المناسب لمساعدتنا في بناء مستقبل أفضل.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.