آغاز کار FutureHouse با راه‌اندازی پلتفرم علمی هوش مصنوعی
FutureHouse، یک نهاد غیرانتفاعی پشتیبانی شده توسط اریک اشمیت، به تازگی از نخستین محصول بزرگ خود رونمایی کرده است: پلتفرم و API حاوی ابزارهای مبتنی بر هوش مصنوعی که به منظور حمایت از فعالیت‌های علمی طراحی شده‌اند. در شرایطی که بسیاری از استارتاپ‌ها برای توسعه ابزارهای تحقیقاتی هوش مصنوعی در حوزه علم با یکدیگر به رقابت پرداخته و از حمایت‌های مالی قابل توجهی برخوردارند، غول‌های فناوری نیز بر روی استفاده از هوش مصنوعی در علم آینده‌نگری مثبتی دارند.
در ابتدای سال جاری، گوگل از “همکار علمی هوش مصنوعی” رونمایی کرد که می‌تواند به دانشمندان در ایجاد فرضیه‌ها و برنامه‌های تحقیقاتی آزمایشی کمک کند. مدیران عامل شرکت‌های هوش مصنوعی نظیر OpenAI و Anthropic نیز تأکید کرده‌اند که ابزارهای هوش مصنوعی می‌توانند به طرز چشمگیری به تسریع کشف‌های علمی، به ویژه در عرصه پزشکی، کمک کنند. اما بسیاری از پژوهشگران معتقدند که AI در حال حاضر به‌عنوان راهنمایی موثر برای فرایند علمی به شمار نمی‌آید، که بخش عمده‌ای از این نگرش به دلیل عدم قابلیت اعتماد آن است.
FutureHouse چهار ابزار هوش مصنوعی را روز پنج‌شنبه معرفی کرد: Crow، Falcon، Owl و Phoenix. ابزار Crow توانایی جستجوی ادبیات علمی و پاسخ به سوالات مربوط به آن را دارد؛ Falcon می‌تواند جستجوهای عمیق‌تری در ادبیات علمی، از جمله پایگاه‌های داده علمی، انجام دهد؛ Owl به جستجو در کارهای قبلی در حوزه‌های خاص می‌پردازد؛ و Phoenix ابزاری است که به برنامه‌ریزی آزمایش‌های شیمیایی کمک می‌کند.
FutureHouse در یک پست وبلاگی اعلام کرده است: “محققان ما توانایی انجام طیف وسیعی از وظایف علمی را بهتر از انسان‌ها دارند. با ارتباط بین این ابزارها، ما به سرعت در حال کشف زیست‌شناسی جدید هستیم.” FutureHouse به طور مشخص بر این نکته تأکید کرده که ابزارهای آن به مجموعه‌ای وسیع از مقالات باکیفیت با دسترسی آزاد و ابزارهای علمی تخصصی دسترسی دارند و همچنین فرآیند شفاف تفکر و بررسی عمیق هر منبع را در نظر می‌گیرند.
با این حال، تحقق یک کشف علمی جدید با استفاده از این ابزارهای هوش مصنوعی هنوز برای FutureHouse میسر نشده است. چالش توسعه یک “دانشمند هوش مصنوعی” در پیش‌بینی عواملی بی‌شماری نهفته است. در حالی که هوش مصنوعی ممکن است در زمینه‌هایی که نیاز به اکتشاف گسترده دارد، مؤثر باشد، این سوال هنوز بی‌پاسخ مانده است که آیا AI قادر به حل مسائل خارج از قاعده است که منجر به کشف‌های معتبر می‌شود یا خیر.
نتایج حاصل از سیستم‌های هوش مصنوعی طراحی شده برای علم تا کنون چندان رضایت‌بخش نبوده است. به عنوان مثال، در سال 2023، گوگل اعلام کرد که حدود 40 ماده جدید با کمک یکی از AIs خود به نام GNoME سنتز شده است. با این حال، یک تحلیل خارجی نشان داد که هیچ یک از این مواد واقعاً جدید نبودند. نقاط ضعف فنی و ریسک‌های هوش مصنوعی، مانند تمایل آن به حمله‌های توهمی، دانشمندان را از استفاده جدی از آن برای کارهای مهم بازمی‌دارد.
در این راستا، FutureHouse به این نکته اعتراف کرده که ابزارهای هوش مصنوعی آن، به ویژه Phoenix، ممکن است مرتکب اشتباه شوند. این شرکت در پست وبلاگی خود اعلام کرده است: “ما این ابزارها را در راستای توسعه سریع منتشر می‌کنیم. لطفاً با نظرات خود به ما کمک کنید.”