प्रयोगशाला में, खोज का मार्ग अक्सर परीक्षण और त्रुटि (trial and error) की एक लंबी, घुमावदार सड़क होती है। एक भौतिक विज्ञानी एक नाजुक प्रयोग स्थापित करता है, एक डायल को समायोजित करता है, संकेत के लिए प्रतीक्षा करता है, और फिर परिणाम की व्याख्या करता है। यदि संकेत कमजोर है या उपकरण अजीब व्यवहार कर रहा है, तो शोधकर्ता को यह तय करना होता है कि सेटिंग्स में बदलाव करना है, सिद्धांत बदलना है, या फिर से शुरुआत करनी है। यह प्रक्रिया काफी हद तक मानवीय अंतर्ज्ञान, वर्षों के प्रशिक्षण और यह पहचानने की क्षमता पर निर्भर करती है कि कब कुछ गलत हो रहा है। लेकिन क्या होगा यदि एक शोधकर्ता के पास एक अथक साथी हो जो हर मैनुअल को पढ़ सके, एक दोपहर में हजारों सिमुलेशन चला सके, और एक भी सूक्ष्म विवरण को न चूक सके? यह विज्ञान में आर्टिफिशियल इंटेलिजेंस (AI) का वादा है। हालाँकि, एक कंप्यूटर को भौतिकी प्रयोगशाला की चाबियाँ सौंपना उतना सरल नहीं है जितना कि उसे कोई समस्या हल करने के लिए कहना। कंप्यूटर तथ्य बना सकते हैं, अपने ही तर्क में खो सकते हैं, या यदि सावधानी से निर्देशित न किया जाए, तो खतरनाक सुझाव दे सकते हैं। चुनौती केवल एक स्मार्ट मशीन बनाने की नहीं है, बल्कि एक ऐसी मशीन बनाने की है जो एक वैज्ञानिक की तरह सोचे: जो अपनी गलतियों के बारे में ईमानदार हो, अपने काम की जांच करे, और यह जाने कि मदद कब मांगनी है।

मैरीलैंड विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस चुनौती से निपटने के लिए मनुष्यों और आर्टिफिशियल इंटेलिजेंस के मिलकर काम करने का एक नया तरीका विकसित किया है। उन्होंने केवल एक कंप्यूटर को कोड लिखने या सिमुलेशन चलाने के लिए प्रोग्राम नहीं किया; इसके बजाय, उन्होंने 'फिजकिट' (PhysKit) नामक एक संरचित वातावरण बनाया, जिसे एक लार्ज लैंग्वेज मॉडल को एक सहयोगी अनुसंधान सहायक में बदलने के लिए डिज़ाइन किया गया है। इस प्रणाली को सख्त नियमों और सहायक उपकरणों के एक सेट के रूप में समझें जो कंप्यूटर को वैज्ञानिक पद्धति के माध्यम से निर्देशित करते हैं। कंप्यूटर को अनुमान लगाने की अनुमति नहीं है; इसे एक चरण-दर-चरण प्रक्रिया का पालन करना चाहिए जहाँ यह एक विचार प्रस्तावित करता है, उसका परीक्षण करता है, त्रुटियों के लिए परिणामों की जाँच करता है, और फिर मानव शोधकर्ता को रिपोर्ट करता है। मनुष्य कप्तान बना रहता है, जो लक्ष्य निर्धारित करता है और अंतिम निर्णय लेता है, जबकि कंप्यूटर एक शक्तिशाली इंजन के रूप में कार्य करता है जो उन संभावनाओं को एक व्यक्ति की तुलना में बहुत तेज़ी से खोज सकता है जिन्हें अकेले खोजना संभव नहीं है। यह साझेदारी टीम को "क्लोज्ड-लूप" अभियानों को चलाने की अनुमति देती है, जहाँ कंप्यूटर घंटों या यहाँ तक कि दिनों तक स्वायत्त रूप से कार्य करता है, सर्वोत्तम उत्तर खोजने के लिए समाधानों को दोहराता रहता है, और साथ ही अपने द्वारा उठाए गए प्रत्येक कदम का एक सटीक, व्यवस्थित रिकॉर्ड रखता है।

टीम ने छह अलग-अलग प्रयोगों के साथ इस दृष्टिकोण का परीक्षण किया, जिसमें नए हार्डवेयर को डिजाइन करने से लेकर जटिल डेटा का विश्लेषण करने तक शामिल है। एक मामले में, उन्होंने कंप्यूटर को एक न्यूरल नेटवर्क (एक प्रकार का सॉफ्टवेयर जिसका उपयोग चुंबकीय माप से विद्युत धाराओं की छवियों के पुनर्निर्माण के लिए किया जाता है) को बेहतर बनाने के लिए कहा। कंप्यूटर ने मौजूदा डिज़ाइन का विश्लेषण किया, हजारों विविधताओं का परीक्षण किया, और एक नया आर्किटेक्चर खोजा जिसने त्रुटियों को तैंतीस प्रतिशत कम कर दिया। इसने डेटा को संसाधित करने का एक अधिक कुशल तरीका खोजकर यह किया, जिससे कम कंप्यूटिंग संसाधनों का उपयोग करते हुए भी स्पष्ट परिणाम प्राप्त हुए। एक अन्य प्रयोग में, टीम हेक्सागोनल बोरॉन नाइट्राइड नामक द्वि-आयामी सामग्री में एक विशिष्ट दोष के प्रकाश से टकराने पर उसके व्यवहार को समझना चाहती थी। वैज्ञानिक इस व्यवहार का वर्णन करने के लिए एक मानक मॉडल का उपयोग कर रहे थे, लेकिन यह डेटा से पूरी तरह मेल नहीं खाता था। कंप्यूटर ने डेटा का परीक्षण किया और एक नया, अधिक जटिल मॉडल प्रस्तावित किया जिसमें पिछले सात या नौ के बजाय ग्यारह ऊर्जा स्तर थे। यह नया मॉडल प्रयोगात्मक डेटा के साथ बहुत बेहतर तरीके से फिट हुआ और इसने पिछले किसी भी प्रयास की तुलना में विभिन्न परिस्थितियों में सामग्री के व्यवहार की अधिक सटीक भविष्यवाणी की।

इस प्रणाली ने न केवल सिमुलेशन में, बल्कि वास्तविक दुनिया में भी अपनी उपयोगिता सिद्ध की। शोधकर्ताओं ने क्वांटम सेंसर को नियंत्रित करने के लिए आवश्यक एक माइक्रोवेव डिवाइस को डिजाइन करने के लिए कंप्यूटर का उपयोग किया। कंप्यूटर को कई परस्पर विरोधी आवश्यकताओं को संतुलित करना था, जैसे कि एक विशिष्ट प्रकार की तरंग बनाना और साथ ही अपने उपकरणों की शक्ति सीमाओं के भीतर रहना। इसने एक ऐसा डिज़ाइन तैयार किया जो निर्माण के लिए तैयार था और उनके सभी सख्त प्रयोगात्मक प्रतिबंधों को पूरा करता था। हार्डवेयर नियंत्रण के एक अधिक प्रत्यक्ष परीक्षण में, कंप्यूटर ने एक परमाणु चुंबकीय अनुनाद स्पेक्ट्रोमीटर (NMR spectrometer) को कमीशन करने में मदद की, जो चुंबकीय क्षेत्रों का पता लगाने के लिए उपयोग किया जाने वाला एक उपकरण है। एक बिना कैलिब्रेटेड अवस्था से शुरू करते हुए, कंप्यूटर ने लाइव मशीन पर प्रयोगों की एक श्रृंखला चलाई, सेटिंग्स को समायोजित किया और परिणामों का विश्लेषण किया जब तक कि उसने लगभग एक हर्ट्ज़ की आवृत्ति सटीकता प्राप्त नहीं कर ली। यह सटीकता का वह स्तर है जिसे प्राप्त करने में आमतौर पर एक मानव विशेषज्ञ को कई दिन लग जाते हैं, लेकिन कंप्यूटर ने इसे केवल बीस घंटों में कर दिखाया। अंत में, टीम ने एक कृत्रिम स्पिन-आइस एरे (artificial spin-ice array), जो छोटे चुंबकीय द्वीपों से बनी एक सामग्री है, के डेटा का विश्लेषण करने के लिए इस प्रणाली का उपयोग किया। कंप्यूटर ने धुंधली छवियों से इस प्रकार के डेटा के साथ पहले कभी न किए गए कार्य को सफलतापूर्वक पूरा करते हुए, एरे के प्रत्येक एकल द्वीप की चुंबकीय स्थिति का पुनर्निर्माण किया।

इन परिणामों को महत्वपूर्ण बनाने वाली बात केवल यह नहीं है कि कंप्यूटर ने उत्तर खोजे, बल्कि यह है कि उसने उन्हें कैसे खोजा। प्रणाली को ईमानदार होने के लिए डिज़ाइन किया गया था। यदि कोई प्रस्तावित समाधान कागज़ पर अच्छा दिखता था लेकिन एक विशिष्ट परीक्षण में विफल रहा, तो कंप्यूटर ने उसे अस्वीकार कर दिया। इसने अपने द्वारा किए गए प्रत्येक अनुमान और लिखे गए प्रत्येक कोड का विस्तृत लॉग रखा, जिससे यह सुनिश्चित हुआ कि एक मानव हमेशा यह पता लगा सके कि परिणाम तक कैसे पहुँचा गया। शोधकर्ताओं ने पाया कि कंप्यूटर यह पहचानने में विशेष रूप से अच्छा था कि वह गलत रास्ते पर है। उदाहरण के लिए, सामग्री अध्ययन में, कंप्यूटर ने सौ से अधिक विभिन्न मॉडल संरचनाओं का परीक्षण किया। इसने कई ऐसे मॉडल पाए जो आशाजनक लग रहे थे, लेकिन इसने उन्हें इसलिए खारिज कर दिया क्योंकि वे भविष्य के डेटा की सही भविष्यवाणी करने में विफल रहे या क्योंकि उन्होंने बुनियादी भौतिक नियमों का उल्लंघन किया। इसने अंतिम मॉडल को तभी चुना जब वह हर जाँच में सफल रहा, जिसमें वे परीक्षण भी शामिल थे जहाँ कंप्यूटर को उस डेटा की भविष्यवाणी करनी थी जिसे उसने पहले कभी नहीं देखा था। इस कठोर दृष्टिकोण ने प्रणाली को केवल डेटा को याद करने या सफल दिखने के लिए संख्याएँ बनाने के जाल में फँसने से बचाया।

इन प्रयोगों की सफलता विज्ञान करने के एक नए तरीके का सुझाव देती है। मानव शोधकर्ताओं को बदलने के बजाय, इस प्रकार का आर्टिफिशियल इंटेलिजेंस एक 'फोर्स मल्टीप्लायर' (शक्ति वर्धक) के रूप में कार्य करता है। यह विचारों के परीक्षण और गणनाओं की जाँच करने के दोहराव वाले, समय लेने वाले काम को संभालता है, जिससे मानव वैज्ञानिक बड़े चित्र (big picture) और कठिन निर्णय लेने पर ध्यान केंद्रित करने के लिए स्वतंत्र हो जाते हैं। कंप्यूटर शोधकर्ता के सोते समय प्रयोग चला सकता है, या यह संभावनाओं के एक विशाल परिदृश्य को खोज सकता है जिसे हाथ से नेविगेट करना असंभव होगा। लेकिन यह सबसे अच्छा तब काम करता है जब एक स्पष्ट साझेदारी हो। मानव सीमाएँ निर्धारित करता है, लक्ष्य परिभाषित करता है, और वह संदर्भ प्रदान करता जिसे कंप्यूटर स्वयं नहीं जान सकता, जैसे कि किसी उपकरण की विशिष्ट खामियाँ या किसी भौतिक प्रणाली की सूक्ष्म बाधाएँ। बदले में, कंप्यूटर निरंतरता और गति का एक स्तर लाता है जो अनुसंधान प्रक्रिया को बदल देता है।

शोधकर्ता इस बात पर जोर देते हैं कि यह एक पूरी तरह से स्वायत्त प्रणाली नहीं है जो अपने आप शोध पत्र लिखती है या खोज करती है। यह एक ऐसा उपकरण है जिसके लिए 'ह्यूमन इन द लूप' (मानव की भागीदारी) की आवश्यकता होती है, ताकि परिणामों को सत्यापित किया जा सके और यह सुनिश्चित किया जा सके कि विज्ञान सुदृढ़ बना रहे। यह प्रणाली अनुकूलन योग्य है, जो अपने स्वयं के ढांचे को बेहतर बनाने के लिए प्रत्येक परियोजना से सीखती है। जैसे-जैसे टीम 'फिजकिट' का उपयोग करना जारी रखती है, वे नई कुशलताएँ जोड़ने और प्रक्रिया को और अधिक परिष्कृत करने की उम्मीद करती हैं, जिससे यह वैज्ञानिक समस्याओं की एक विस्तृत श्रृंखला के लिए और भी प्रभावी बन सके। अंतिम लक्ष्य वैज्ञानिकों के लिए आर्टिफिशियल इंटेलिजेंस के साथ काम करने का एक मानक तरीका बनाना है, जिससे यह सुनिश्चित हो सके कि तकनीक का उपयोग जिम्मेदारी और प्रभावशीलता से किया जाए। मानव विशेषज्ञता को इन एजेंटों की कम्प्यूटेशनल शक्ति के साथ जोड़कर, टीम ने दिखाया है कि खोज की गति को उस कठोरता और ईमानदारी से समझौता किए बिना तेज करना संभव है जो विज्ञान की नींव है। परिणाम न केवल तेज़ हैं, बल्कि वे बेहतर भी हैं, जो नए मॉडल, बेहतर उपकरण और भौतिक दुनिया की गहरी समझ की ओर ले जाते हैं।