هل يكتشف الذكاء الاصطناعي من Google فعليًا "ملايين المواد الجديدة"؟

في نوفمبر، قامت شركة جوجل للذكاء الاصطناعي DeepMindنشرت بيانا صحفيا بعنوان "تم اكتشاف ملايين المواد الجديدة بالتعلم العميق." لكن الآن، يقول الباحثون الذين قاموا بتحليل مجموعة فرعية مما اكتشفه ديب مايند: "لم نعثر بعد على أي مركبات جديدة لافتة للنظر". في تلك المجموعة الفرعية.

كتبت جوجل عن النتيجة: "عثرت أداة الذكاء الاصطناعي GNoME على 2.2 مليون بلورة جديدة، بما في ذلك 380 ألف مادة مستقرة يمكنها تشغيل التقنيات المستقبلية"، مضيفة أن هذا "يعادل ما يقرب من 800 عام من المعرفة"، وأن العديد من الاكتشافات "أفلتت من أيدينا". الحدس الكيميائي البشري السابق"، وأنه كان "توسعًا هائلًا في المواد المستقرة المعروفة للبشرية." كانت الورقةنشرت فيطبيعة و كانالتقطت على نطاق واسع جدا في الصحافة كمثال على الوعد المذهل للذكاء الاصطناعي في العلوم.

ورقة أخرى،نشرت في نفس الوقت وكتبت جوجل: "والتي قام بها باحثون في مختبر لورانس بيركلي الوطني "بالشراكة مع Google DeepMind... توضح كيف يمكن الاستفادة من تنبؤات الذكاء الاصطناعي لدينا في تصنيع المواد المستقلة". في هذه التجربة، أنشأ الباحثون "مختبرًا مستقلاً" (A-Lab) يستخدم "الحسابات والبيانات التاريخية من الأدبيات والتعلم الآلي والتعلم النشط لتخطيط وتفسير نتائج التجارب التي يتم إجراؤها باستخدام الروبوتات". في الأساس، استخدم الباحثون الذكاء الاصطناعي والروبوتات لإخراج البشر من المختبر، وخرجوا على الطرف الآخر بعد 17 يومًا بعد اكتشاف وتوليف مواد جديدة، والتي كتب الباحثون "توضح فعالية المنصات التي تعتمد على الذكاء الاصطناعي لاكتشاف المواد المستقلة. "

رسم تخطيطي من ورقة المواد الكيميائية التي توضح ما ينبغي أن يشكل "مادة" جديدة.

لكن في الشهر الماضي، قامت مجموعتان خارجيتان من الباحثين بتحليل أوراق ديب مايند وبيركلي ونشرتا تحليلاتهما الخاصة التي تشير على الأقل إلى أن هذا البحث المحدد يتم المبالغة في الترويج له. أكد جميع من تحدثت إليهم في عالم علوم المواد أن الذكاء الاصطناعي يحمل وعدًا كبيرًا باكتشاف أنواع جديدة من المواد. لكنهم يقولون إن جوجل وتقنيات التعلم العميق الخاصة بها لم تحقق فجأة تقدمًا مذهلاً في عالم علوم المواد.

في ورقة منظور نشرت فيالمواد الكيميائية هذا الأسبوع، اختار أنتوني شيثام ورام سيشادري من جامعة كاليفورنيا في سانتا باربرا عينة عشوائية من 380 ألف بنية مقترحة أصدرتها شركة ديب مايند، وقالا إن أيًا منها لم يستوف اختبارًا من ثلاثة أجزاء حول ما إذا كانت المادة المقترحة "ذات مصداقية". "مفيدة" و"جديدة". وهم يعتقدون أن ما وجدته ديب مايند هو عبارة عن "مركبات بلورية غير عضوية وينبغي وصفها على هذا النحو، بدلا من استخدام التسمية الأكثر عمومية "المادة"، والتي يقولون إنها مصطلح يجب أن يقتصر على الأشياء التي "تظهر بعض المنفعة".

في التحليل، كتبوا "لم نعثر بعد على أي مركبات جديدة بشكل لافت للنظر في قوائم GNoME وStable Structure، على الرغم من أننا نتوقع أنه يجب أن يكون هناك بعض من بين 384,870 تركيبة. نلاحظ أيضًا أنه على الرغم من أن العديد من المؤلفات الجديدة عبارة عن تعديلات تافهة لمواد معروفة، فإن النهج الحسابي يقدم تركيبات شاملة موثوقة، مما يمنحنا الثقة في أن النهج الأساسي سليم.

"قد يكون معظمها ذا مصداقية، لكنها ليست جديدة تمامًا لأنها مشتقات بسيطة من أشياء معروفة بالفعل"

في مقابلة عبر الهاتف، أخبرني تشيثام أن "بحث جوجل قاصر جدًا من حيث كونه مساهمة مفيدة وعملية لعلماء المواد التجريبية". وقال سيشادري: "نعتقد في الواقع أن جوجل قد أخطأت الهدف هنا".

وقال شيثام: "إذا كنت أبحث عن مادة جديدة للقيام بوظيفة معينة، فلن أبحث في أكثر من مليوني مقطوعة موسيقية جديدة كما اقترحتها جوجل". "لا أعتقد أن هذه هي أفضل طريقة للمضي قدمًا. أعتقد أن المنهجية العامة ربما تعمل بشكل جيد، ولكنها تحتاج إلى أن تكون أكثر تركيزًا على احتياجات محددة، لذلك لا أحد منا لديه الوقت الكافي في حياتنا لاستعراض 2.2 مليون احتمال وتحديد مدى فائدة ذلك. لقد أمضينا الكثير من الوقت في هذا الأمر من خلال استعراض مجموعة فرعية صغيرة جدًا من الأشياء التي يقترحونها، وأدركنا أنه لم يكن هناك أي وظيفة فحسب، بل قد يكون معظمها ذا مصداقية، ولكنها ليست جديدة جدًا لأنها مشتقات بسيطة لأشياء معروفة بالفعل."

أخبرني Google DeepMind في بيان: "نحن نؤيد جميع الادعاءات الواردة في ورقة GNoME الخاصة بـ Google DeepMind".

وأضاف: "إن بحثنا في GNoME يمثل عددًا أكبر من المواد المرشحة مما كان معروفًا سابقًا للعلم، وقد تم بالفعل تصنيع مئات المواد التي تنبأنا بها بشكل مستقل من قبل العلماء في جميع أنحاء العالم". مشروع المواد، أقاعدة بيانات خصائص المواد مفتوحة الوصول ، وجدت أن قاعدة بيانات GNoMe من Google هي الأفضل مقارنةً بنماذج التعلم الآلي الأخرى، وقالت Google إن بعض الانتقادات في تحليل المواد الكيميائية، مثل حقيقة أن العديد من المواد الجديدة لها هياكل معروفة بالفعل ولكن باستخدام عناصر مختلفة، تم ذلك بواسطة DeepMind حسب التصميم.

وفي الوقت نفسه، زعمت ورقة بيركلي أن "المختبر المستقل" (المسمى "A-Lab") أخذ الهياكل التي اقترحها مشروع آخر يسمى مشروع المواد واستخدم روبوتًا لتركيبها دون تدخل بشري وأنشأ 43 "مركبًا جديدًا". هناك باحث واحد في DeepMind يعمل على هذه الورقة، وقد روجت لها Google في بيانها الصحفي، لكن Google لم تقم بالتجربة بشكل نشط.

الباحثون البشريونتحليل هذه النتيجة وجدت أنها أيضًا تواجه مشكلات: "لقد ناقشنا جميع المنتجات الاصطناعية البالغ عددها 43 منتجًا وأشرنا إلى أربعة أوجه قصور شائعة في التحليل. وكتب المؤلفون، ومن بينهم ليزلي شوب من جامعة برينستون وروبرت بالجريف من جامعة كوليدج لندن، في تحليلهم: "هذه الأخطاء تؤدي للأسف إلى استنتاج مفاده أنه لم يتم اكتشاف أي مواد جديدة في هذا العمل".

مرة أخرى، قال كل من الباحثين الأربعة الذين تحدثت إليهم إنهم يعتقدون أن العملية الموجهة بالذكاء الاصطناعي للعثور على مواد جديدة تبدو واعدة، لكنهم قالوا إن الأوراق البحثية المحددة التي قاموا بتحليلها لم تكن بالضرورة إنجازات هائلة، ولا ينبغي وضعها في سياقها على هذا النحو.

"في ورقة DeepMind هناك العديد من الأمثلة على المواد المتوقعة التي من الواضح أنها غير منطقية. "ليس فقط للخبراء في هذا المجال، ولكن يمكن لمعظم طلاب المدارس الثانوية أن يقولوا إن مركبات مثل H2O11 (وهو توقع Deepmind) لا تبدو صحيحة". "هناك العديد من الأمثلة الأخرى للتركيبات الخاطئة بشكل واضح، وقد قام شيثام/سيشادري بعمل رائع في تحليل هذا الأمر بطريقة أكثر دبلوماسية مما أفعله هنا. بالنسبة لي، يبدو أن التحكم الأساسي في الجودة لم يحدث، إذ إن قيام ML بإخراج مثل هذه المركبات كما هو متوقع هو أمر مثير للقلق ويظهر لي أن شيئًا ما قد حدث بشكل خاطئ.

تم استخدام الذكاء الاصطناعي لإغراق الإنترنت بالكثير من المحتوى الذي لا يمكن للبشر تحليله بسهولة، مما يجعل اكتشاف الأعمال عالية الجودة التي أنشأها الإنسان تحديًا. إنه تشبيه غير كامل، لكن الباحثين الذين تحدثت إليهم قالوا إن شيئًا مشابهًا يمكن أن يحدث في علم المواد أيضًا: قواعد البيانات العملاقة للهياكل المحتملة لا تسهل بالضرورة إنشاء شيء سيكون له تأثير إيجابي. التأثير على المجتمع.

وقال بالجريف: "هناك بعض الفوائد في معرفة ملايين المواد (إذا كانت دقيقة)، ولكن كيف يمكنك التنقل في هذا الفضاء بحثًا عن مواد مفيدة لتصنيعها؟". "من الأفضل أن يكون لديك فكرة عن عدد قليل من المركبات الجديدة ذات الخصائص المفيدة بشكل استثنائي بدلاً من مليون ليس لديك أي فكرة عن أي منها جيد."

وقال شوب إنه يوجد بالفعل 50 ألف مركب غير عضوي بلوري فريد من نوعه، ولكننا نعرف فقط خصائص جزء صغير منها. لذلك ليس من الواضح بالنسبة لي لماذا نحتاج إلى ملايين المركبات الإضافية إذا لم نكن قد فهمنا بعد كل ما نعرفه. قد يكون من المفيد التنبؤ بخصائص المواد أكثر من الاكتفاء بمواد جديدة بشكل واضح.»

مرة أخرى، يقول Google DeepMind إنه يقف إلى جانب ورقته البحثية ويتعامل مع هذه التوصيفات، ولكن من العدل أن نقول إن هناك الآن الكثير من الجدل حول كيفية استخدام الذكاء الاصطناعي والتعلم الآلي لاكتشاف مواد جديدة، وكيف ينبغي أن تكون هذه الاكتشافات تم وضعها في سياقها واختبارها والتصرف بناءً عليها، وكيف وما إذا كان إلقاء قواعد البيانات الضخمة للهياكل المقترحة على العالم سيؤدي في الواقع إلى اختراقات جديدة وملموسة للمجتمع، أو ما إذا كان سيخلق ببساطة الكثير من الضجيج.

وقال سيشادري: "لا نعتقد أن هناك مشكلة في الذكاء الاصطناعي بشكل أساسي". "نعتقد أنها مشكلة تتعلق بكيفية استخدامها. نحن لسنا مثل الأشخاص القدامى الذين يعتقدون أن هذه التقنيات ليس لها مكان في علمنا.