صدها طومار باستانی که در اثر فوران کوه وزوو در سال 79 پس از میلاد مسیح، تا حد زیادی ذغال شده و شکننده شده‌اند، در صورت لمس شدن توسط انسان مانند برگ‌های خشک درختان خرد می‌شوند! اگر کسی بخواهد این طومارهای آسیب دیده را به صورت فیزیکی باز کند، احتمالاً تمام آثار نوشته‌ها برای همیشه از بین خواهند رفت و هرگونه تلاش برای خواندن آن‌ها بی‌نتیجه خواهد ماند. این طومارها که به نام طومارهای هرکولانیوم شناخته می‌شوند، قرن‌ها دست‌نخورده باقی مانده بودند، اما اکنون به لطف ظهور ابزاری قدرتمند به نام هوش مصنوعی، دریچه‌ای جدید به سوی محتویات ارزشمندشان گشوده شده است.
این طومارها در شهر هرکولانیوم، شهری باستانی در نزدیکی پمپئی، در ویلایی که گمان می‌رود متعلق به پدرزن ژولیوس سزار بوده است، کشف شدند. این ویلا که به نام “ویلای پاپیروس‌ها” شناخته می‌شود، کتابخانه‌ای بزرگ شامل هزاران طومار پاپیروس را در خود جای داده بود. فوران کوه وزوو نه تنها شهر را نابود کرد، بلکه این طومارها را نیز در لایه‌ای از خاکستر و گدازه داغ مدفون ساخت و البته، به طور شگفت‌انگیزی آن‌ها را حفظ کرد.
در سال‌های اخیر، با پیشرفت فناوری، امیدهای تازه‌ای برای خواندن این متون باستانی زنده شده است. با استفاده از ترکیبی از هوش مصنوعی پیشرفته و تکنیک‌های تصویربرداری با اشعه ایکس با وضوح بسیار بالا، گروهی سه نفره از محققان در سال 2023 موفق به رمزگشایی بیش از 2000 کاراکتر از این طومارهای پیچیده شدند. این دستاورد قابل توجه، اولین بخش‌های کامل از پاپیروس‌هایی را که از فاجعه فوران کوه وزوو در سال 79 پس از میلاد جان سالم به در برده بودند، پس از قرن‌ها آشکار کرد. این کشف، پنجره‌ای بی‌نظیر به دنیای اندیشه‌ها، دانش و زندگی روزمره در روم و یونان باستان می‌گشاید.
این آثار باستانی، که از ساختمانی که گمان می‌رود خانه پدرزن ژولیوس سزار بوده، به دست آمده‌اند، منبع بی‌سابقه‌ای از اطلاعات در مورد روم و یونان باستان را تشکیل می‌دهند. این اطلاعات می‌تواند شامل متون فلسفی، ادبی، علمی و تاریخی باشد که درک ما از این دوره‌های تاریخی را به طور چشمگیری افزایش می‌دهد.
دانشمندان علوم کامپیوتر با راه‌اندازی “چالش وزوو”، یک رقابت بین‌المللی با هدف تسریع روند رمزگشایی این طومارها، گامی مهم در این راستا برداشتند. آن‌ها امیدوارند که با استفاده از الگوریتم‌های پیشرفته و مشارکت محققان سراسر جهان، بتوانند تا پایان سال 2024، 90 درصد از چهار طومار اصلی را رمزگشایی کنند. چالش اصلی در این فرایند، صاف کردن مجازی اسناد پیچیده و تشخیص دقیق جوهر سیاه از پاپیروس‌های ذغال شده است. این کار به دلیل آسیب‌دیدگی شدید طومارها و شباهت رنگ جوهر و پاپیروس، بسیار دشوار است. برای خوانا کردن متن یونانی و لاتین، الگوریتم‌های هوش مصنوعی باید بتوانند با دقت بسیار بالا، کوچکترین نشانه‌های جوهر را از زمینه پاپیروس تشخیص دهند.
برنت سیلز (Brent Seales)، استاد برجسته علوم کامپیوتر در دانشگاه کنتاکی که بیش از یک دهه از عمر خود را صرف تلاش برای رمزگشایی این طومارها کرده است، در مورد نقش حیاتی هوش مصنوعی در این پروژه می‌گوید:
هوش مصنوعی به ما کمک می‌کند تا خوانایی آثار جوهر را به طرز چشمگیری تقویت کنیم. اثرات مربوط به جوهر در واقع وجود دارد، اما در تمام این پیچیدگی و ساختار ذغال شده پاپیروس، دفن و استتار شده است. هوش مصنوعی با الگوریتم‌های قدرتمند خود، این پیچیدگی را کمتر می‌کند و امکان دیدن آنچه با چشم غیرمسلح قابل مشاهده نیست را فراهم می‌سازد.
این پروژه نمونه‌ای قانع کننده از کاربرد رو به رشد و پتانسیل عظیم هوش مصنوعی در حوزه‌های مختلف، به ویژه در علوم انسانی و باستان‌شناسی است. اهمیت این حوزه به حدی است که در سال 2024، برای اولین بار، کمیته نوبل توسعه و کاربرد هوش مصنوعی در علم را به رسمیت شناخت و جایزه فیزیک را به جان هاپفیلد و جفری هینتون برای اکتشافات بنیادین آن‌ها در زمینه یادگیری ماشین، که راه را برای چگونگی استفاده از هوش مصنوعی در دنیای امروز هموار کرد، اهدا نمود.
هوش مصنوعی که اغلب به عنوان اصطلاحی مبهم و بیش از حد اغراق شده تلقی می‌شود، در واقع تلاش برای تقلید از عملکردهای شناختی انسان برای حل مسائل پیچیده و انجام وظایف گوناگون است. هوش مصنوعی طیف وسیعی از تکنیک‌های محاسباتی را در بر می‌گیرد، از جمله استفاده از مجموعه‌های عظیم داده برای آموزش و بهبود الگوریتم‌های یادگیری ماشین و قادر ساختن آن‌ها به شناسایی الگوهای پنهان در داده‌ها و انجام برخی پیش‌بینی‌ها.
در کنار تمام مزایای بی‌شمار، برخی از ابزارهای هوش مصنوعی می‌توانند خطراتی را نیز به همراه داشته باشند. به عنوان مثال، سیستم‌های هوش مصنوعی مورد استفاده در پروسه استخدام، سیستم‌های پلیسی و برنامه‌های درخواست وام، در صورتی که بر اساس داده‌های تاریخی که منعکس کننده ایده‌های متعصبانه، مانند تعصبات جنسیتی یا نژادی هستند، آموزش دیده باشند، می‌توانند تعصبات انسانی را تکرار کرده و در نهایت منجر به تبعیض شوند!
با وجود این چالش‌ها، هوش مصنوعی به طور چشمگیری چشم‌انداز اکتشافات علمی را متحول کرده است. تعداد مقالات علمی بررسی شده توسط متخصصان که از ابزارهای هوش مصنوعی استفاده می‌کنند، از سال 2015 به شدت افزایش یافته است و مقالاتی که از روش‌های هوش مصنوعی بهره می‌برند، به احتمال زیاد در بین پر استنادترین مقالات علمی قرار می‌گیرند.
نظرسنجی انجام شده توسط نشریه معتبر Nature نشان می‌دهد که بیش از نیمی از 1600 دانشمند مورد بررسی، انتظار دارند که ابزارهای هوش مصنوعی در آینده‌ای نزدیک برای انجام تحقیقات علمی، “بسیار مهم” یا حتی “ضروری” باشند. با این حال، انجمن سلطنتی بریتانیا، به عنوان قدیمی‌ترین آکادمی علوم جهان، هشدار داده است که ماهیت “جعبه سیاه” بودن بسیاری از ابزارهای هوش مصنوعی، به این معنی که نحوه عملکرد دقیق آن‌ها برای انسان قابل درک نیست، می‌تواند قابلیت تکرار تحقیقات مبتنی بر هوش مصنوعی را محدود کرده و چالش‌هایی را در اعتبارسنجی نتایج ایجاد کند. با این وجود، برای محققانی مانند برنت سیلز، هوش مصنوعی ابزاری قدرتمند است که اگر به درستی و با دقت مورد استفاده قرار گیرد، می‌تواند نتایج بسیار چشمگیری را به ارمغان آورده و درک ما از جهان را به طور بنیادین تغییر دهد.
سیلز در ادامه می‌گوید:
هوش مصنوعی به عنوان شاخه‌ای از علوم کامپیوتر، با هدف تلاش برای حل مشکلات به روش‌هایی خاص طراحی شده است که قبلاً تصور می‌کردیم فقط انسان‌ها قادر به حل آن‌ها هستند. من نوع هوش مصنوعی که در پروژه رمزگشایی طومارها استفاده می‌کنیم را به نوعی “ابر قدرت” تشبیه می‌کنم که شما را قادر می‌سازد چیزهایی را در داده‌ها ببینید که با چشم انسان به هیچ وجه قابل مشاهده نیستند.
چالش وزوو تنها یکی از نمونه‌های متعددی است که نشان می‌دهد این حوزه پرشتاب چگونه علم را تکان داده و اتفاقات غیرمنتظره‌ای را در سال 2024 و سال‌های پس از آن رقم زده است. هوش مصنوعی همچنین در زمینه‌های دیگری مانند افزایش درک دانشمندان از نحوه ارتباط حیوانات در اعماق اقیانوس، کمک به باستان‌شناسان در یافتن مکان‌های جدید در مناطق دورافتاده و دشوار، و حل برخی از بزرگترین چالش‌های زیست‌شناسی، نقشی حیاتی ایفا می‌کند.
رمزگشایی زبان نهنگ‌ها و سایر زبان‌های حیوانی
به عنوان یک نمونه دیگر از کاربرد هوش مصنوعی در علوم مختلف می‌توان به تلاش برای رمزگشایی زبان حیوانات اشاره کرد. در این زمینه، محققان با استفاده از یادگیری ماشین، در حال بررسی صداهای پیچیده نهنگ‌های اسپرم هستند. این صداها که به عنوان “کودا” شناخته می‌شوند، از نظر سرعت، ریتم و طول بسیار متنوع هستند. محققان سال‌ها می‌دانستند که این صداها وجود دارند، اما درک معنای دقیق آن‌ها برای گوش انسان همچنان به شکل یک راز باقی مانده بود. با ظهور یادگیری ماشین و تکنیک‌های پیشرفته پردازش سیگنال، دانشمندان اکنون می‌توانند حجم عظیمی از داده‌های صوتی ضبط شده از نهنگ‌ها را تجزیه و تحلیل کرده و الگوهای پنهان در این صداها را کشف کنند.
در یک مطالعه اخیر، محققان با استفاده از الگوریتم‌های یادگیری ماشین، نزدیک به 9000 توالی کلیک ضبط شده، یا همان کودا، را که نشان دهنده صدای تقریباً 60 نهنگ اسپرم در دریای کارائیب بود، تجزیه و تحلیل کردند. این مطالعه نشان داد که نهنگ‌ها از ترکیبی پیچیده از ریتم‌ها، سرعت‌ها و تغییرات ظریف در صداها برای برقراری ارتباط با یکدیگر استفاده می‌کنند. این یافته‌ها نه تنها درک ما از پیچیدگی ارتباطات حیوانی را افزایش می‌دهد، بلکه امیدهای تازه‌ای را برای برقراری ارتباط مستقیم با این موجودات باشکوه در آینده‌ای نه چندان دور ایجاد می‌کند.
دانشمندان در این مطالعه، زمان و فرکانس کوداها را در حالات مختلف، از جمله در صدای نهنگ‌های منزوی، همسرایی‌های گروهی و تبادلات تماس و پاسخ بین نهنگ‌ها بررسی کردند. هنگامی که این داده‌ها با استفاده از تکنیک‌های تجسم داده و هوش مصنوعی به تصویر کشیده شدند، الگوهای کودای ناآشنایی ظاهر شدند که محققان آن‌ها را شبیه به آواشناسی در ارتباطات انسانی توصیف کردند. به عبارت دیگر، آن‌ها دریافتند که نهنگ‌ها از واحدهای صوتی مشابه به آنچه ما به عنوان حروف و کلمات در زبان انسان می‌شناسیم، برای ساختن پیام‌های پیچیده استفاده می‌کنند.
در مجموع، این برنامه توانست 18 نوع ریتم مختلف (یعنی توالی فواصل بین کلیک‌ها)، پنج نوع سرعت (یعنی مدت زمان کل کودا)، سه نوع روباتو (یعنی تغییرات ظریف در مدت زمان) و دو نوع تزئین (شامل افزودن یک “کلیک اضافی” در انتهای یک کودا در گروهی از کوداهای کوتاه‌تر) را شناسایی کند. محققان بر این باورند که این ویژگی‌ها می‌توانند به روش‌های مختلف با هم ترکیب شوند و یک “مجموعه عظیم” از عبارات مختلف را تشکیل دهند که نهنگ‌ها برای انتقال پیام‌های مختلف از آن‌ها استفاده می‌کنند.
با این حال، این رویکرد مبتنی بر هوش مصنوعی محدودیت‌هایی نیز دارد. در حالی که یادگیری ماشین در شناسایی الگوها و ساختارها بسیار ماهر است، اما به خودی خود نمی‌تواند معنای این الگوها را روشن کند. به عبارت دیگر، ما می‌توانیم بفهمیم که نهنگ‌ها از الگوهای صوتی پیچیده‌ای استفاده می‌کنند، اما هنوز نمی‌دانیم که این الگوها دقیقاً به چه معنا هستند.
به گفته محققان این مطالعه، گام بعدی در این زمینه، انجام آزمایش‌های تعاملی با نهنگ‌ها در محیط طبیعی آن‌ها، همراه با مشاهدات دقیق رفتاری است. این مشاهدات می‌تواند بخش مهمی از کشف قواعد و معنای توالی کلیک نهنگ‌های اسپرم باشد و در نهایت ما را به درک عمیق‌تری از زبان این موجودات برساند.
به گفته دکتر برندا مک‌کوان (Brenda McCowan)، استاد دانشکده دامپزشکی دانشگاه کالیفرنیا دیویس، این رویکرد مبتنی بر هوش مصنوعی می‌تواند برای رمزگشایی صداهای سایر حیوانات نیز اعمال شود و دریچه‌های جدیدی را به سوی درک دنیای ارتباطات حیوانی بگشاید.
یافتن سایت‌های باستان‌شناسی
در زمینه باستان‌شناسی نیز، هوش مصنوعی نقشی انقلابی ایفا می‌کند. به عنوان مثال، در صحرای نازکا در پرو، هوش مصنوعی اکنون جستجو برای خطوط و نمادهای مرموزی را که روی زمین خاکی این منطقه حک شده‌اند و باستان‌شناسان تقریباً یک قرن را صرف کشف و مستندسازی آن‌ها کرده‌اند، به طور چشمگیری تسریع می‌کند. این تصاویر پراکنده، که اغلب فقط از ارتفاع بالا قابل مشاهده هستند، شامل طرح‌های هندسی، اشکال شبیه انسان و حتی تصاویری از حیوانات مانند یک نهنگ قاتل با چاقو هستند!
گروهی از محققان به رهبری ماساتو ساکای (Masato Sakai)، استاد باستان‌شناسی در دانشگاه یاماگاتای ژاپن، با استفاده از تصاویری با وضوح از 430 نماد نازکا که تا سال 2020 نقشه‌برداری شده بود، یک مدل هوش مصنوعی تشخیص شی را آموزش داده‌اند. این تیم تحقیقاتی شامل متخصصانی از مرکز تحقیقات توماس جی. واتسون IBM در یورکتاون هایتس، نیویورک نیز بود.
بین سپتامبر 2022 و فوریه 2023، این تیم دقت مدل خود را در صحرای نازکا آزمایش کرد و مکان‌های پیشنهادی را به صورت پیاده و با استفاده از هواپیماهای بدون سرنشین بررسی نمود. در نتیجه این تحقیقات، محققان توانستند 303 ژئوگلیف تصویری جدید را “به صورت زمینی تأیید کنند” و می‌توان گفت تقریباً تعداد ژئوگلیف‌های شناخته شده در این منطقه را در عرض چند ماه دو برابر کردند!
البته این مدل هوش مصنوعی هنوز کامل نیست و چالش‌هایی نیز وجود دارد. به عنوان مثال، این مدل 47000 مکان بالقوه را در منطقه صحرایی نازکا، که مساحتی بالغ بر 629 کیلومتر مربع را پوشش می‌دهد، پیشنهاد کرد. تیمی از باستان‌شناسان سپس این پیشنهادات را بررسی و رتبه‌بندی کردند و در نهایت 1309 مکان کاندید با “پتانسیل بالا” را شناسایی نمودند. به عبارت دیگر، برای هر 36 پیشنهادی که توسط مدل هوش مصنوعی ارائه می‌شد، محققان فقط یک کاندید واقعی و امیدوار کننده پیدا کردند.
با این حال، حتی با وجود این محدودیت‌ها، هوش مصنوعی پتانسیل بسیار زیادی برای ایجاد تحول در حوزه باستان‌شناسی دارد، به ویژه در مناطق دورافتاده و ناهموار مانند صحراها. به گفته آمینا جامباجانتسان (Amina Jambajantsan)، محقق و دانشمند داده در بخش باستان‌شناسی مؤسسه ژئوانتروپولوژی ماکس پلانک در کشور آلمان، هوش مصنوعی می‌تواند به باستان‌شناسان در کشف مکان‌های جدید و درک بهتر گذشته کمک کند، حتی اگر مدل‌های فعلی هنوز کاملاً دقیق نباشند.
جامباجانتسان که در تحقیقات نازکا شرکت نداشت، اما از یک مدل هوش مصنوعی برای شناسایی تپه‌های تدفین در مغولستان بر اساس تصاویر ماهواره‌ای استفاده می‌کند، در مورد چالش‌های استفاده از هوش مصنوعی در باستان‌شناسی می‌گوید:
مشکل اصلی این است که باستان‌شناسان معمولاً دانش کافی برای ساخت یک مدل یادگیری ماشین را ندارند و از سوی دیگر، دانشمندان داده نیز اغلب علاقه چندانی به باستان‌شناسی نشان نمی‌دهند، زیرا می‌توانند در سایر حوزه‌ها فرصت‌های شغلی و درآمدزایی بهتری داشته باشند.
این موضوع نشان دهنده نیاز به همکاری بیشتر بین این دو حوزه تخصصی برای بهره‌برداری کامل از پتانسیل هوش مصنوعی در باستان‌شناسی است.
درک ساختارهای سازنده زندگی
درک بلوک‌ها و ساختارهای سازنده زندگی، یعنی پروتئین‌ها، نیز یکی دیگر از حوزه‌هایی است که هوش مصنوعی در آن نقشی کلیدی ایفا می‌کند. مدل‌های هوش مصنوعی به محققان کمک می‌کنند تا زندگی را در کوچکترین مقیاس ممکن درک کنند؛ یعنی رشته‌های مولکولی که پروتئین‌ها را به عنوان بلوک‌های سازنده زندگی، تشکیل می‌دهند.
در حالی که پروتئین‌ها فقط از حدود 20 نوع اسید آمینه ساخته شده‌اند، این اسیدهای آمینه می‌توانند تقریباً به روش‌های بی‌شماری با یکدیگر ترکیب شوند و خود را به الگوهای بسیار پیچیده در فضای سه بعدی تبدیل کنند. این ساختارهای سه بعدی برای عملکرد صحیح پروتئین‌ها حیاتی هستند. پروتئین‌ها وظایف بسیار متنوعی را در بدن ما انسان‌ها انجام می‌دهند که از جمله آن‌ها می‌توان به تشکیل مو، پوست و سلول‌های بافتی، خواندن، کپی و ترمیم DNA و حمل اکسیژن در خون اشاره کرد.
برای دهه‌ها، رمزگشایی این ساختارهای سه بعدی یک چالش بزرگ و زمان‌بر برای دانشمندان بود. روش‌های سنتی مانند تست‌های آزمایشگاهی دقیق و تکنیکی به نام کریستالوگرافی اشعه ایکس، اگر چه مفید بودند، اما محدودیت‌های زیادی داشتند.
این روند ادامه داشت تا اینکه در سال 2018، ابزاری مبتنی بر هوش مصنوعی وارد صحنه شد و شرایط را به کلی تغییر داد. آخرین نسخه از پایگاه داده ساختار پروتئین AlphaFold، که توسط دمیس هاسابیس و جان جامپر در Google DeepMind در لندن توسعه داده شده است، قادر است ساختار تقریباً تمام 200 میلیون پروتئین شناخته شده از توالی‌های اسید آمینه آن‌ها را با دقت بسیار بالایی پیش‌بینی کند.
این پایگاه داده که با استفاده از تمام توالی‌های اسید آمینه شناخته شده و ساختارهای پروتئینی تعیین شده به صورت تجربی آموزش داده شده است، به عنوان یک “جستجوی گوگل” برای ساختارهای پروتئینی عمل می‌کند. این پایگاه داده با فشردن یک دکمه، دسترسی آسان و سریع به مدل‌های پیش‌بینی شده پروتئین‌ها را فراهم می‌کند و به این ترتیب، پیشرفت در زمینه‌های مختلف، از جمله زیست‌شناسی بنیادی، پزشکی، داروسازی و کشاورزی را به شدت تسریع می‌کند. تخمین زده می‌شود که این ابزار قدرتمند تاکنون توسط حداقل 2 میلیون محقق در سراسر جهان مورد استفاده قرار گرفته و تأثیر عمیقی بر تحقیقات علمی گذاشته است.
آنا ودل (Anna Wedell)، استاد ژنتیک پزشکی در مؤسسه کارولینسکا در سوئد و عضو آکادمی سلطنتی علوم سوئد، پس از اینکه دمیس هاسابیس و جان جامپر به همراه فرانسیس آرنولد به طور مشترک برنده جایزه نوبل شیمی در سال 2024 شدند، در مصاحبه‌ای با CNN گفت:
این واقعاً یک پیشرفت مستقل و خارق‌العاده است که یک هدف مقدس و دیرینه در شیمی فیزیک را حل می‌کند. حل ساختار پروتئین‌ها، چالشی بود که دهه‌ها دانشمندان را به خود مشغول کرده بود و AlphaFold با ارائه راه‌حلی دقیق و سریع، انقلابی در این زمینه ایجاد کرد.
با وجود تمام مزایای بی‌شمار، ابزار AlphaFold محدودیت‌هایی نیز دارد. به عنوان مثال، تلاش‌ها برای اعمال AlphaFold بر روی پروتئین‌هایی که بر اساس توالی‌های جهش یافته ساخته شده‌اند، از جمله پروتئینی که با سرطان سینه زودرس مرتبط است، نشان داده است که این نرم‌افزار هنوز به طور کامل قادر به پیش‌بینی پیامدهای جهش‌های جدید در پروتئین‌ها نیست. به عبارت دیگر، AlphaFold می‌تواند ساختار پروتئین‌های شناخته شده را با دقت بالا پیش‌بینی کند، اما در مورد پروتئین‌های جهش یافته و جدید، دقت آن کاهش می‌یابد و نیاز به تحقیقات بیشتر و توسعه الگوریتم‌های جدیدتر وجود دارد.
AlphaFold تنها یک نمونه از ابزارهای هوش مصنوعی است که در زمینه‌های زیست پزشکی مورد استفاده قرار می‌گیرند. در واقع، هوش مصنوعی در حال ایجاد تحولی بنیادین در این حوزه است. یادگیری ماشین تلاش‌ها برای گردآوری یک اطلس جامع از هر نوع سلول در بدن انسان را تسریع کرده و به دانشمندان در کشف مولکول‌هایی که می‌توانند به داروهای جدید تبدیل شوند، کمک می‌کند. به عنوان مثال، هوش مصنوعی در کشف نوعی آنتی‌بیوتیک جدید که ممکن است در برابر باکتری‌های مقاوم به دارو مؤثر باشد، نقش داشته است. این نشان می‌دهد که هوش مصنوعی می‌تواند نقش مهمی در مبارزه با مقاومت آنتی‌بیوتیکی، که یکی از بزرگترین چالش‌های بهداشت جهانی است، ایفا کند.
در مجموع، هوش مصنوعی به عنوان یک ابزار قدرتمند، در حال تغییر نحوه انجام تحقیقات علمی در حوزه‌های مختلف است و به دانشمندان در کشف ناشناخته‌ها و حل مسائل پیچیده کمک می‌کند. با پیشرفت روزافزون این فناوری، انتظار می‌رود که شاهد کاربردهای بیشتر و نوآورانه‌تری از هوش مصنوعی در علوم و سایر زمینه‌های زندگی باشیم.
