وسعت جوجل ديبمايند من قدرات نظامها "Co-Scientist" ليتجاوز دوره كمولد للفرضيات إلى شريك بحثي متكامل داخل المختبرات. يعتمد النظام الجديد على نماذج Gemini الحالية، ويتولى الآن التخطيط للتجارب وكتابة الأكواد والتحكم في معدات المختبرات بدلاً من الاقتصار على صياغة الافتراضات.
الميزة الجوهرية للنظام تكمن في دورته البحثية المغلقة: يستخلص الفرضيات من أسئلة البحث، يضع خطط تجريبية، ينتج بروتوكولات قابلة للقراءة آليًا، يحلل النتائج، وينشئ مخطوطات علمية. تتحقق وحدات تحقق خاصة من الأرقام المذكورة في النصوص مقابل سجلات تنفيذ الأكواد للحد من النتائج المزيفة. قلل هذا معدل التزوير من 46 بالمئة إلى 4 بالمئة فقط عند تفعيل آليات الموثوقية.
خضع النظام لاختبار في ثلاث تخصصات بمستويات متفاوتة من الاستقلالية. في علوم المواد، صمم وصفات تركيبية لمادة ثنائية الأبعاد بطريقة أكثر أماناً من الطرق التقليدية. في الأحياء، بنى خط أنابيب تحليل صور يتنبأ بأنماط مستعمرات بكتيريا معدلة وراثياً، وطابق ثلاث من أربع خصائص شكلية مع النتائج الفعلية. في علوم الحاسوب، اشتغل النظام بشكل مستقل تماماً لتصميم معمارية ذكاء اصطناعي طبي تفوقت على ستة نماذج متقدمة في الاختبارات.
لكن النتائج أظهرت تحديات باقية. في تقييم أجراه أطباء معتمدون للنظام الطبي، حقق "Co-Scientist" ميزة ذات دلالة إحصائية على النموذج الأساسي في فئة واحدة فقط من تسع فئات. كما تميل النصوص المولدة آلياً للإبلاغ الانتقائي وتتضمن أحياناً وصفات منهجية لم تطابق الأكواد الفعلية للنظام.
يرى الباحثون في النتائج خطوة نحو أنظمة ذكاء اصطناعي متعددة العوامل مغلقة الحلقة تتحسن من خلال التغذية الراجعة التجريبية. لكن تبقى نقاشات جارية حول ما إذا كانت أنظمة التعلم الآلي الحالية قادرة على اكتشاف معارف جديدة حقاً أم أنها تجعل واضحاً ما هو مدفون بالفعل في بيانات تدريبها.
Comments (0)
No comments yet. Be the first.