فناوری هوش مصنوعی به کشف ماهیت واقعی چیزها و پدیده‌ها کمک می‌کند.

تکنیکی که از هوش مصنوعی (AI) توسعه یافته است به دانشمندان کمک می‌کند تا بر اساس مشاهدات خود، علل برخی چیزها و پدیده‌ها را بیابند.

تکنیک‌های جدیدی که با استفاده از هوش مصنوعی توسعه یافته‌اند می‌توانند به دانشمندان کمک کنند تا علل پدیده‌های خاص را بر اساس آنچه مشاهده می‌کنند، کشف کنند. (منبع: Shutterstock)

دانشمندان دانشکده مهندسی و علوم کاربردی دانشگاه پنسیلوانیا (ایالات متحده آمریکا) یک تکنیک جدید هوش مصنوعی توسعه داده‌اند که می‌تواند به انسان‌ها در درک بهتر نحوه عملکرد طبیعت کمک کند. جنبه قابل توجه این روش این است که هوش مصنوعی نه تنها پیش‌بینی می‌کند چه اتفاقی خواهد افتاد، بلکه می‌تواند به کشف علل اساسی نیز کمک کند.

پروفسور ویوک شنوی، نویسنده اصلی این مطالعه، یک قیاس ساده ارائه می‌دهد: اگر موج‌هایی روی سطح برکه می‌بینید، می‌توانید فرض کنید که یک سنگریزه به تازگی در آب افتاده است. اما اینکه سنگریزه کجا افتاده، چگونه افتاده و چه تأثیری ایجاد کرده، سوالات دشوارتری هستند. پدیده‌های مشابهی در علم وجود دارند. محققان اغلب نتایج خارجی را مشاهده می‌کنند، اما علل اساسی به راحتی قابل شناسایی نیستند.

این روش جدید «لایه‌های مولیفایِر» نام دارد. به جای پرداختن به فرمول‌های پیچیده ریاضی، می‌توان آن را به عنوان یک لایه پردازشی در نظر گرفت که به هوش مصنوعی کمک می‌کند تا داده‌ها را قبل از تجزیه و تحلیل «یکنواخت» کند. این امر به ویژه مهم است زیرا داده‌های دنیای واقعی اغلب ناقص هستند. می‌توانند نویزدار، ناپایدار یا بیش از حد پیچیده باشند و پیدا کردن الگوی دقیق را برای رایانه‌ها دشوار کنند.

یکی از کاربردهای اولیه این تکنیک شامل مطالعه DNA درون سلول‌ها است. درون هر سلول، DNA به صورت ایزوله وجود ندارد، بلکه با پروتئین‌ها در ساختاری به نام کروماتین بسته‌بندی شده است. این ساختار نقش حیاتی در کنترل فعالیت ژن، تأثیرگذاری بر هویت سلولی، پیری و بیماری دارد. دانشمندان امیدوارند با این روش جدید هوش مصنوعی، تغییرات بسیار ظریف درون سلول‌ها را بهتر درک کنند و از این طریق توضیح دهند که چرا ژن‌ها به روش‌های مختلف عمل می‌کنند.

این روش نه تنها در زیست‌شناسی، بلکه در بسیاری از زمینه‌های دیگر مانند تحقیقات مواد، پیش‌بینی آب و هوا یا شبیه‌سازی جریان نیز مفید است. همه اینها زمینه‌هایی با داده‌های پیچیده، متغیرهای زیاد و مواردی هستند که علل اساسی آنها به راحتی و به طور مستقیم قابل مشاهده نیست.

به گفته تیم تحقیقاتی، هدف بزرگتر این تکنیک کمک به علم برای فراتر رفتن از توصیف صرف پدیده‌ها، درک قوانینی است که آنها را ایجاد می‌کنند و در نتیجه منجر به پیش‌بینی‌های بهتر، مداخلات دقیق‌تر و گشودن راه‌های جدید تحقیقاتی می‌شود.

منبع: https://baoquocte.vn/ky-thuat-ai-giup-tim-ra-ban-chat-su-vat-hien-tuong-392997.html