Μια επιστημονική υπόθεση δεν χρειάζεται να επιβεβαιωθεί για να αποδειχθεί χρήσιμη. Μερικές φορές, το αποτέλεσμα που δεν περιμέναμε ανοίγει έναν πιο ενδιαφέροντα δρόμο. Αυτό συνέβη σε ένα εργαστήριο όπου μεγάλο μέρος της ερευνητικής διαδικασίας ανέλαβε ένα σύστημα τεχνητής νοημοσύνης, το οποίο διατύπωνε προβλέψεις, σχεδίαζε πειράματα και χρησιμοποιούσε τα ευρήματα για να προχωρήσει παρακάτω.
Η εργασία, από ερευνητές στη Σουηδία και στο Ηνωμένο Βασίλειο, δημοσιεύθηκε στο Journal of the Royal Society Interface. Οι ερευνητές μελέτησαν τους ζυμομύκητες, δηλαδή τους μικροοργανισμούς που χρησιμοποιούνται στην παρασκευή ψωμιού και μπίρας. Το ενδιαφέρον, όμως, δεν βρίσκεται μόνο στο τι μελέτησαν, αλλά και στο πώς το μελέτησαν. Το σύστημα τροφοδοτήθηκε με πληροφορίες που ήδη υπήρχαν, έκανε προβλέψεις και τις έλεγξε με πραγματικά πειράματα.
Από την πληροφορία στο πείραμα
Οι ερευνητές έδωσαν στο σύστημα περίπου 60.000 πληροφορίες για τη βιολογία των ζυμομυκήτων. Η AI αναζήτησε σχέσεις ανάμεσα σε γονίδια, χημικές ενώσεις και χαρακτηριστικά των κυττάρων. Με αυτόν τον τρόπο δημιούργησε σχεδόν 2.000 προβλέψεις που μπορούσαν να ελεγχθούν πειραματικά.
Πολλές προβλέψεις αφορούσαν το εξής ερώτημα: Αν προσθέσουμε ένα αμινοξύ, δηλαδή ένα από τα βασικά συστατικά των πρωτεϊνών, θα αλλάξει η αντοχή των κυττάρων σε μια βλαβερή ουσία; Για να απαντήσει, το σύστημα χρησιμοποίησε διαφορετικά προγράμματα. Κάποια πρότειναν πειράματα, άλλα επέλεγαν τις πιο ενδιαφέρουσες προτάσεις και άλλα μετέτρεπαν το σχέδιο σε οδηγίες για τα ρομπότ.
Τα ρομπότ ανακάτευαν τα υλικά, καλλιεργούσαν τους ζυμομύκητες και παρακολουθούσαν την ανάπτυξή τους. Στη συνέχεια, οι ερευνητές μετρούσαν τι είχε αλλάξει μέσα στα κύτταρα.
Τα λάθη της AI έγιναν μέρος της έρευνας
Ορισμένες προβλέψεις της AI ήταν σωστές. Για παράδειγμα, η προσθήκη γλουταμινικού έκανε τους ζυμομύκητες πιο ευαίσθητους σε μια ουσία. Άλλες προβλέψεις, όμως, ήταν λάθος. Η AI είχε προβλέψει ότι το αμινοξύ λυσίνη θα δυσκόλευε την ανάπτυξη των ζυμομυκήτων σε περιβάλλον με πολλή ζάχαρη. Το πείραμα όμως έδειξε το αντίθετο.
Το λάθος αυτό δεν σταμάτησε την έρευνα. Αντίθετα, οδήγησε σε μια νέα δοκιμή. Χρησιμοποιώντας τα προηγούμενα αποτελέσματα, η AI πρότεινε να εξεταστεί μια άλλη ουσία, το αμινοαδιπικό οξύ (aminoadipate), που εν μέρει φάνηκε να προστατεύει τον ζυμομύκητα από το μυρμηκικό οξύ, μια ιδιότητα που δεν είχε αποδειχθεί ποτέ ξανά στο παρελθόν.
Οι ερευνητές δοκίμασαν επίσης και άλλες παρόμοιες ουσίες. Έτσι έλεγξαν αν το αποτέλεσμα οφειλόταν πράγματι στη συγκεκριμένη ουσία ή αν θα εμφανιζόταν και με άλλες. Αυτό βοήθησε να ξεχωρίσουν μια πραγματική ανακάλυψη από μια απλή σύμπτωση.
Πόσο αυτόνομη ήταν τελικά η AI;
Η τεχνητή νοημοσύνη δεν έκανε τα πάντα μόνη της. Οι ερευνητές αποφάσισαν ποιο θέμα θα μελετηθεί, τροφοδότησαν το σύστημα τεχνητής νοημοσύνης με δεδομένα, ετοίμασαν τα διαλύματα και έλεγξαν κάθε πείραμα για λόγους ασφάλειας. Σε ορισμένες περιπτώσεις, μετέφεραν επίσης υλικά από το ένα μηχάνημα στο άλλο.
Επομένως, η AI ήταν αυτόνομη κυρίως στο να προτείνει υποθέσεις και να σχεδιάζει πειράματα. Όλα αυτά, όμως, έγιναν μέσα σε ένα πλαίσιο που είχαν ορίσει και επέβλεπαν οι ερευνητές. Επιπλέον τα αποτελέσματα αφορούν μόνο τους συγκεκριμένους ζυμομύκητες και τις συγκεκριμένες εργαστηριακές συνθήκες.
Το ενδιαφέρον είναι ότι η AI δεν περιορίστηκε σε μια απάντηση που φαινόταν σωστή. Οι προτάσεις της ελέγχθηκαν με πραγματικά πειράματα, ορισμένες επιβεβαιώθηκαν και άλλες όχι. Τα αποτελέσματα, όμως, αξιοποιήθηκαν για τον σχεδιασμό νέων δοκιμών. Αυτή η διαδικασία, που περιλαμβάνει την πρόβλεψη, τον έλεγχο, την αναθεώρηση και τη βελτίωση, δείχνει πώς τέτοια συστήματα θα μπορούσαν να υποστηρίξουν την επιστημονική έρευνα, πάντα σε συνεργασία με τους ανθρώπους.
