Tempo tych zmian jest ogromne. Niektóre osiągnięcia sztucznej inteligencji jeszcze niedawno brzmiałyby jak scenariusz filmu science fiction. Dziś są częścią realnych badań naukowych.
• AI pomogła odczytać starożytne teksty sprzed prawie 2000 lat.
• Algorytmy odkryły setki tysięcy nowych materiałów.
• Modele sztucznej inteligencji pomagają rozwiązywać problemy matematyczne i biologiczne.
Starożytne teksty sprzed dwóch tysięcy lat znów zaczynają mówić
Jednym z najbardziej niezwykłych przykładów jest system Ithaca stworzony przez DeepMind. Model analizuje starożytne greckie inskrypcje, rekonstruuje brakujące fragmenty tekstu i potrafi wskazać prawdopodobne miejsce oraz czas powstania napisu.
Dla archeologów i historyków to ogromna pomoc. Wiele inskrypcji zachowało się tylko częściowo – fragmenty kamieni, urwane zdania, brakujące słowa. Do tej pory ich rekonstrukcja była często żmudną pracą trwającą latami. Algorytmy potrafią dziś analizować tysiące podobnych tekstów i wskazywać najbardziej prawdopodobne uzupełnienia.
To oznacza coś więcej niż tylko wygodę dla badaczy. Dzięki takim narzędziom można szybciej rekonstruować wydarzenia historyczne, ustalać chronologię starożytnych miast i lepiej rozumieć życie społeczeństw sprzed tysięcy lat.
Jeszcze bardziej spektakularny jest przypadek zwęglonych zwojów z Herkulanum. Papirusy spłonęły podczas erupcji Wezuwiusza w 79 roku naszej ery i przez niemal dwa tysiące lat uchodziły za niemożliwe do odczytania. Próby ich rozwijania kończyły się zniszczeniem tekstu.
Dopiero analiza skanów tomografii komputerowej i zaawansowane modele komputerowe pozwoliły zajrzeć do środka zwęglonych zwojów. W efekcie naukowcy zaczęli odczytywać pierwsze fragmenty tekstu bez fizycznego otwierania manuskryptu.
Jeśli metoda będzie dalej rozwijana, możliwe stanie się odczytanie całych bibliotek starożytnego świata, które do tej pory pozostawały zamknięte na zawsze.
Jeden z największych problemów biologii w końcu rozwiązany
Przez ponad pół wieku naukowcy próbowali przewidzieć, w jaki sposób białka zwijają się w trójwymiarowe struktury. To niezwykle ważne, ponieważ właśnie od tej struktury zależy funkcja białka w organizmie. Białka odpowiadają za większość procesów biologicznych – od transportu tlenu po reakcje chemiczne w komórkach.
Projekt AlphaFold pokazał, że można przewidywać te struktury z ogromną dokładnością. W krótkim czasie powstała baza danych zawierająca ponad 200 milionów struktur białek.
Znaczenie tego odkrycia jest ogromne. Biolodzy mogą szybciej zrozumieć działanie chorób, projektować nowe leki i analizować procesy zachodzące w organizmach żywych. Jeszcze kilka lat temu ustalenie struktury jednego białka mogło trwać lata. Dziś można uzyskać wiarygodny model w ciągu godzin.
Poszukiwanie nowych antybiotyków przyspiesza
W jednym z badań algorytm uczenia maszynowego wskazał związek nazwany abaucin, który działa przeciw groźnej bakterii Acinetobacter baumannii. Ten patogen jest szczególnie niebezpieczny, ponieważ często wykazuje odporność na wiele dostępnych leków. Zakażenia tą bakterią są dużym problemem w szpitalach na całym świecie.
Algorytmy analizujące ogromne bazy danych chemicznych potrafią wskazywać obiecujące cząsteczki znacznie szybciej niż tradycyjne metody badawcze. Zamiast testować tysiące związków w laboratorium, naukowcy mogą najpierw wytypować najbardziej obiecujące kandydaty.
Jeśli takie podejście się upowszechni, może znacząco przyspieszyć rozwój nowych antybiotyków w czasie, gdy oporność bakterii na leki staje się jednym z największych zagrożeń zdrowotnych XXI wieku.
Setki tysięcy nowych materiałów dla przyszłej technologii
Przełom pojawił się również w materiałoznawstwie. System GNoME przewidział ponad 2,2 miliona nowych struktur krystalicznych, z czego około 381 tysięcy uznano za stabilne materiały. Dla naukowców oznacza to gigantyczną bazę potencjalnych nowych substancji, które mogą znaleźć zastosowanie w wielu technologiach. Nowe materiały mogą prowadzić do powstania:
- bardziej wydajnych baterii
- lżejszych i wytrzymalszych materiałów konstrukcyjnych
- nowych półprzewodników
- technologii energetycznych przyszłości.
Proces odkrywania materiałów, który wcześniej mógł trwać całe dekady, zaczyna się radykalnie przyspieszać.
Poszukiwanie planet poza Układem Słonecznym
Algorytmy coraz częściej pomagają również astronomom. System ExoMiner pomógł potwierdzić 370 egzoplanet. Dane z teleskopów kosmicznych są ogromne i bardzo trudne do analizy.
AI potrafi wykrywać subtelne sygnały świadczące o obecności planety – na przykład minimalne zmiany jasności gwiazdy.
To ważny krok w poszukiwaniu światów podobnych do Ziemi. Każda nowa planeta zwiększa szanse na znalezienie miejsc, gdzie mogą istnieć warunki sprzyjające życiu.
Postępy w matematyce
Sztuczna inteligencja zaczęła także pomagać w rozwiązywaniu problemów matematycznych.
System FunSearch został użyty do pracy nad problemem znanym jako cap set problem w kombinatoryce. Algorytm znalazł nowe konstrukcje matematyczne i poprawił wcześniejsze wyniki w tej dziedzinie.
To ważny moment, ponieważ pokazuje, że algorytmy mogą nie tylko wykonywać obliczenia, ale także pomagać w tworzeniu nowych idei matematycznych.
Nowe algorytmy dla informatyki
System AlphaTensor odkrył nowe algorytmy mnożenia macierzy – jednej z podstawowych operacji w informatyce.
Macierze są wykorzystywane niemal wszędzie: w grafice komputerowej, analizie danych, fizyce czy uczeniu maszynowym.
Ulepszenie tego typu algorytmów może przyspieszyć działanie wielu technologii cyfrowych.
Szybsze sortowanie danych
Inny projekt DeepMind – AlphaDev – odkrył szybsze procedury sortowania danych.
Nowe rozwiązania zostały włączone do biblioteki LLVM libc++, która jest używana w wielu systemach operacyjnych i aplikacjach.
To oznacza, że odkrycia powstałe dzięki sztucznej inteligencji trafiły bezpośrednio do oprogramowania używanego przez miliony ludzi.
Prognozowanie pogody w kilka sekund
Model GraphCast potrafi przewidywać pogodę globalnie nawet na 10 dni naprzód, a obliczenia wykonuje w mniej niż minutę.
Tradycyjne modele meteorologiczne wymagają ogromnych mocy obliczeniowych i często pracują na superkomputerach przez wiele godzin.
Nowe podejście pozwala uzyskać prognozę znacznie szybciej, a w wielu testach wyniki okazały się równie dokładne lub nawet lepsze.
Eksperymenty z energią przyszłości
Nowe narzędzia zaczynają być wykorzystywane także w badaniach nad syntezą jądrową.
Algorytmy pomagają sterować plazmą w tokamakach – eksperymentalnych reaktorach fuzyjnych, które w przyszłości mogą dostarczać ogromne ilości czystej energii.
Kontrola plazmy jest jednym z największych wyzwań fizyki eksperymentalnej. Systemy uczące się mogą pomagać stabilizować jej zachowanie w czasie rzeczywistym.
Jeśli badania zakończą się sukcesem, synteza jądrowa może stać się jednym z najważniejszych źródeł energii przyszłości.
Początek nowej epoki odkryć
Lista tych osiągnięć pokazuje jedną rzecz: sztuczna inteligencja przestaje być tylko narzędziem do automatyzacji pracy. Coraz częściej staje się narzędziem odkryć naukowych.
AI pomaga analizować ogromne ilości danych, testować nowe hipotezy i przyspieszać badania w wielu dziedzinach – od biologii i medycyny po matematykę, astronomię i fizykę. Jeśli tempo rozwoju technologii się utrzyma, kolejne przełomy mogą pojawiać się szybciej, niż wielu ludzi się dziś spodziewa.
