كيف يمكن للنظارات الذكية التي تعمل بنظام LabOS AI أن تقلل من الخطأ البشري في العلوم

تساعد النظارات الذكية التي تعمل بالذكاء الاصطناعي العلماء المبتدئين على الأداء مثل الخبراء

بقلم ديني إليس بيشار حرره اريك سوليفان

تخيل أنك تقف على مقعد المختبر، وتعمل على تجربة، وعندما تنتهي من خطوة واحدة، تظهر لك شاشة داخل نظارات المختبر الخاصة بك بما يجب عليك فعله بعد ذلك. كاميرا صغيرة في الإطار تراقب يديك عن كثب. إذا وصلت إلى الأنبوب الخطأ، تومض الشاشة تحذيرًا. قبل أن تتمكن من ارتكاب الخطأ، يخبرك النظام بكيفية العودة إلى المسار الصحيح.

انضمت نظارات السلامة المعملية أخيرًا إلى صفوف الأجهزة الذكية. هذا هو الوعد وراء LabOS، وهو “نظام تشغيل” للذكاء الاصطناعي للمختبرات العلمية التي بناها فريق ستانفورد-برينستون للذكاء الاصطناعي، وهي مجموعة يقودها المهندس الحيوي في جامعة ستانفورد لو كونغ وعالم الكمبيوتر في جامعة برينستون مينجدي وانج، مع شركاء مؤسسين من بينهم NVIDIA. مدعومًا بنماذج لغة الرؤية من NVIDIA لمعالجة البيانات المرئية، تم تصميم النظام لتزويد الذكاء الاصطناعي بالمعرفة في الوقت الفعلي للعمل المعملي حتى يتمكن من تحديد أسباب فشل التجارب أو نجاحها وتدريب العلماء الجدد بسرعة على مستويات الخبراء من خلال توجيههم من خلال البروتوكولات التجريبية.

يقول كونغ: “إذا دخلت إلى مختبر رطب، فستجد أنه “لم يتغير كثيرًا خلال الخمسين عامًا الماضية”. ويوضح أن هذا أمر مهم، لأنه في جزء كبير من الوقت، يتم إجراء العلوم “في المختبر المادي، في العالم المادي، وليس على أجهزة الكمبيوتر”. وكما هو موضح في ورقة بحثية حديثة، يهدف LabOS إلى سد هذه الفجوة المادية الرقمية.

حول دعم الصحافة العلمية

إذا كنت تستمتع بهذا المقال، ففكر في دعم صحافتنا الحائزة على جوائز من خلال الاشتراك. من خلال شراء اشتراك، فإنك تساعد على ضمان مستقبل القصص المؤثرة حول الاكتشافات والأفكار التي تشكل عالمنا اليوم.

لقد واجه المجتمع العلمي منذ فترة طويلة مشكلة عُرفت منذ أكثر من عقد من الزمان باسم “أزمة التكرار”. في عام 2016 طبيعة في استطلاع للرأي، ذكرت مونيا بيكر، التي كانت آنذاك محررة للمجلة، أن “أكثر من 70٪ من الباحثين حاولوا إعادة إنتاج تجارب عالم آخر وفشلوا”، وأكثر من نصفهم لم يتمكنوا من إعادة إنتاج أعمالهم الخاصة. ويعزى بعض معدل الفشل هذا إلى سوء الممارسة الإحصائية أو ضغط النشر. لكن أحد الأسباب الشائعة يحظى باهتمام أقل: البشر الذين يقومون بأعمال معملية متكررة يرتكبون الأخطاء. إضافة كاشف عند درجة حرارة خاطئة، أو تخطي خطوة تحت ضغط الوقت، أو طرف ماصة ملوث – هذه أخطاء قد تكون صغيرة جدًا بحيث لا يمكن ملاحظتها ولكنها كبيرة بما يكفي لتدمير التجربة.

الحل الذي اقترحه فريق وانغ وكونغ هو عبارة عن منصة مفتوحة المصدر ومجموعة أجهزة تسمح للذكاء الاصطناعي برؤية ما يراه العلماء. يرتدي الباحثون في الاختبارات التجريبية المبكرة في مختبر كونغ في جامعة ستانفورد ومختبر وانغ في برينستون نظارات الواقع المعزز/الواقع الممتد (AR/XR) التي تقوم ببث الفيديو مباشرة إلى النظام. يقارن LabOS ما يراه مع البروتوكول المكتوب، ويقدم التوجيه لمرتديه بينما يقوم أيضًا بجمع بيانات التدريب. يستطيع الذكاء الاصطناعي التحدث مع العلماء خلال كل خطوة، وتذكيرهم بالحفاظ على سطح معقم أو هفوات طفيفة في التقنية.

يحتاج الذكاء الاصطناعي إلى معرفة التجارب في الوقت الفعلي لمعرفة ما ينجح وما لا ينجح، بنفس الطريقة التي يتعين على الروبوتات والسيارات ذاتية القيادة جمع بيانات العالم الحقيقي لتحديث أنظمتها. يقول وانغ: “يمكن أن يكون لدينا 1000 روبوت دردشة، و1000 عالم من علماء الذكاء الاصطناعي يحاولون إخبار العلماء الحقيقيين بما يجب عليهم فعله”، ولكن إذا لم يتم دمج الذكاء الاصطناعي في التجربة الفيزيائية، “فلن يكون لدينا أي شيء يمكن التحقق منه أبدًا”.

عادة عندما يقوم البشر بعمل مختبري، يمكن أن يكون التعلم بطيئًا. إذا فشلت التجربة، فإنهم يحاولون تحديد الخطأ الذي حدث والبدء من جديد. ولكن عندما يشاهد الذكاء الاصطناعي تجربة ما ويرى النتيجة، فقد يكون قادرًا على تحديد الخطوات التي تسببت في حدوث مشكلات بسرعة أكبر ويمكنه تصميم تجربة جديدة. من خلال تسجيل التجارب بأكملها، يمكن للذكاء الاصطناعي دراسة أصغر التفاصيل لتحديد سبب فشلها.

وتمتد هذه الرقابة إلى ما هو أبعد من التوجيه البشري؛ يستخدم LabOS أيضًا ذراعًا آلية للتعامل مع المهام الشاقة مثل الخلط. يقول كونغ: “الأمر لا يشبه استبدال الأشخاص”. “نحن بحاجة لمساعدة الناس.”

وحتى الآن، بدأت المساعدة تؤتي ثمارها. في إجراء تجريبي يتضمن زيادة كمية بروتين معين في الخلايا، حصل العلماء المبتدئون، بعد أسبوع واحد فقط من التدريب على LabOS، على نتائج لا يمكن تمييزها تقريبًا عن نتائج العلماء الخبراء. يقول كونغ: “لم أستطع أن أميز الفرق بصفتي أستاذًا”. “نتائج التجربة متطابقة.”

يقول كوروش دارفيش، العالم في مختبر الذكاء الاصطناعي والأتمتة في اتحاد التسريع بجامعة تورونتو، والذي لم يشارك في تطوير LabOS: “من منظور الروبوتات والتفاعل بين الإنسان والحاسوب، يسلط هذا العمل الضوء على اتجاه واعد”. ومع ذلك فهو يشير إلى أهمية وضع معايير لتقييم مثل هذا العمل بشكل أفضل. “مع انتقال أنظمة الذكاء الاصطناعي بشكل متزايد من الأدوات التحليلية إلى الشركاء النشطين في التجريب، سيكون التوحيد القياسي والتحقق من الصحة على مستوى المجتمع أمرًا بالغ الأهمية.”

يعمل فريق AI Coscientist بالفعل على دفع هذه التكنولوجيا إلى ما هو أبعد من مقاعد البحث. قدم الباحثون مؤخرًا نظام MedOS، حيث قاموا بتكييف بنية الذكاء الاصطناعي والواقع المعزز لمساعدة الجراحين في رسم الخرائط التشريحية ومحاذاة الأدوات. في نهاية المطاف، يقول وانغ، إن الطموح الأوسع هو تحويل “كل مختبر بحث علمي” – وقريباً كل عيادة – “إلى بيئة يمكن إدراكها وتشغيلها بواسطة الذكاء الاصطناعي”، مما يخلق نظامًا يمكنه تدريب المتخصصين بشكل أسرع، واكتشاف الأخطاء، وتحسين النتائج البشرية.

حان الوقت للدفاع عن العلم

إذا استمتعت بهذا المقال، أود أن أطلب دعمكم. العلمية الأمريكية لقد عمل كمدافع عن العلوم والصناعة لمدة 180 عامًا، وربما تكون اللحظة الحالية هي اللحظة الأكثر أهمية في تاريخ القرنين.

لقد كنت العلمية الأمريكية مشترك منذ أن كان عمري 12 عامًا، وقد ساعد ذلك في تشكيل الطريقة التي أنظر بها إلى العالم. SciAm يثقفني ويسعدني دائمًا، ويلهمني شعورًا بالرهبة تجاه عالمنا الواسع والجميل. وآمل أن يفعل ذلك بالنسبة لك أيضا.

إذا كنت الاشتراك في العلمية الأمريكيةأنت تساعد في ضمان أن تغطيتنا تركز على البحث والاكتشاف الهادف؛ وأن لدينا الموارد اللازمة للإبلاغ عن القرارات التي تهدد المختبرات في جميع أنحاء الولايات المتحدة؛ وأننا ندعم العلماء الناشئين والعاملين على حد سواء في وقت لا يتم فيه الاعتراف بقيمة العلم نفسه في كثير من الأحيان.

وفي المقابل، تحصل على الأخبار الأساسية، ملفات بودكاست آسرة، ورسوم بيانية رائعة، لا يمكنك تفويت النشرات الإخبارية ومقاطع الفيديو التي يجب مشاهدتها، ألعاب التحدي، وأفضل الكتابة والتقارير في عالم العلوم. يمكنك حتى إهداء شخص ما اشتراكًا.

لم يكن هناك وقت أكثر أهمية بالنسبة لنا للوقوف وإظهار أهمية العلم. آمل أن تدعمونا في تلك المهمة.