پیشنهاد سردبیرمقالههوش مصنوعی

می‌ توان روی هوش مصنوعی حساب کرد سنکروترون NSLS-II در یک نگاه

کانال تلگرام  رسانه فناوری هوشمند

من هوش مصنوعی هستم نه یک انسان دانشمند
اگر هوش مصنوعی توانایی هم‌تراز کردن خطوط پرتو، پایش جریان داده‌های ورودی، شناسایی تغییرات شیمیایی در مواد و نویزگیری از داده‌ها را دارد، این پرسش مطرح می‌شود که آیا می‌شود آن را جایگزین انسان‌های پژوهشگر کرد؟ پاسخ منفی است.

هدف نهایی دانشمندان از کاربرد هوش مصنوعی در سنکروترون‌ها این است که برایشان حکم جعبه سیاه را داشته باشد تا پاسخ پرسش‌های خود را از آن بگیرند. اما درست مانند شروع یک کلاس شیمی، باید کل مسأله خوانده و درک شود تا بتوان پاسخ را نوشت. باید به اعدادی که در صورت مسأله آمده و نیز به منطقی بودن ارتباط بین اعداد و فرمول‌ها فکر شود. نگاه آنها به هوش مصنوعی نیز باید این گونه باشد. لازم است دانشمندان مطمئن شوند برنامه هوش مصنوعی ساخته شده منطقی است.

شاید مدل هوش مصنوعی تصور کند که موضوعی را پیش‌بینی کرده است اما در واقعیت این طور نباشد. بنابراین همواره باید یک متخصص انسانی پیش‌بینی‌های آن را بازبینی کند.

آن‌چه هوش مصنوعی را خاص می‌کند این است که ریاضیات به رایانه سپرده می‌شود و مسائل ریاضی با رایانه حل می‌شوند. اما این انسان بود که پیش از رایانه به کشف علم پرداخت. وجود رایانه‌ها صرفاً پرداختن به علم را سریع‌تر و کارآمدتر می‌کند. این اصل در مورد فناوری‌های دیگر نیز صدق می‌کند. هوش مصنوعی راه را برای انجام کارهایی باز می‌کند که پیش از ظهور آن ممکن نبود، اما این بدان معنا نیست که دانشمندان باید کنار بروند، بلکه معنایش این است که هوش مصنوعی به آنها کمک می‌کند تا کارشان را بهتر انجام دهند.

همه می‌دانند که در مجموعه علمی ـ تخیلی «پیشتازان فضا» شخصیتی به نام «کامپیوتر» در فضاپیما هست که کارهای مختلفی انجام می‌دهد؛ از دم کردن چای گرفته تا گردآوری تحلیل‌های پیچیده داده‌ها. آیا در دنیای واقعی برنامه‌های رایانه‌ای که با دریافت و ادراک محیط خود عمل می‌کنند نیز می‌توانند به دانشمندان در انجام کارهای مهم از جمله کشف باتری‌های نسل بعد یا مواد کوانتومی کمک کنند؟ به عقیده اعضای «سنکروترون ملی لایت سورس۲» (NSLS-II)در ایالات‌متحده، ماشین‌های هوشمند هزاره سوم یا همان ماهیتی که با نام هوش مصنوعی می‌شناسیم و در زندگی انسان‌های امروزی حضور دارند می‌توانند دستیار خوبی برای دانشمندان باشند؟ این ماهیت با به‌کارگیری ابزارهای پژوهشی سنکروترون که در «آزمایشگاه ملی بروکهیون» واقع است به دانشمندان یاری می‌رساند و به اصطلاح پشت دانشمندان به آن گرم است.

سنکروترون نوعی تأسیسات شتاب‌دهنده ذرات به شکل مدور است که تابش الکترومغناطیسی تولید می‌کند. این سنکروترون توانایی‌های آزمایشگاهی خود را در اختیار دانشمندان سراسر جهان می‌گذارد که کارشان کشف اسرار مواد سازنده فناوری‌های آینده است. شاید ابررایانه‌های پیشرو در فیلم‌ها دارای احساسات باشند و ما را با کارهایی که قادر به انجامشان هستند متعجب کنند اما همتایان در دنیای واقعی تفاوت زیادی با آنها دارند.

ماهیت هوش مصنوعی در واقع یک الگوریتم، یک روش یا به بیانی دقیق‌تر یک فرایند ریاضیاتی است که وظیفه معینی را برای انسان انجام می‌دهد؛ مثل طبقه‌بندی کردن، تجزیه و تحلیل کردن یا تصمیم‌گرفتن. به تجهیزات علمی ـ پژوهشی سنکروترون NSLS-II، خطوط پرتو (beamlines) گفته می‌شود؛ چون ترکیبی از یک سیستم تابنده پرتو ایکس و یک ایستگاه آزمایشگاهی هستند.

به جای آن که به این ماهیت رایانه‌ای مدلی ارائه شود، خودش آموزش می‌بیند تا مدل‌سازی کند. برای مثال، اگر از آن بخواهند گربه را شناسایی کند، به‌جای این‌که برایش توضیح دهند گربه یک حیوان مودار با چهار پا، دو گوش نوک تیز، یک دم و غیره است، خود گربه را به آن نشان می‌دهند. سپس عامل هوش مصنوعی باید خودش یاد بگیرد به تنهایی جانوری به نام گربه را شناسایی کند.

پژوهشگرانی که در تأسیساتی مثل سنکروترون‌ها کار می‌کنند به دلیل وجود دو چالش مهم به عامل هوش مصنوعی نیاز دارند: حجم زیاد داده‌ها و پیچیدگی آنها. بیست سال پیش چند دقیقه طول می‌کشید تا از یک باتری داده‌برداری شود اما اکنون ظرف کسری از ثانیه این کار را انجام می‌دهند. اما در مورد چالش دوم، پژوهشگران پیچیدگی مواد کوانتومی را مورد مطالعه قرار می‌دهند. این که چگونه نظم اتمی و الکترونیکی این مواد با تغییر شرایط تغییر می‌کند.

آنها وقتی با خطوط پرتو آزمایش انجام می‌دهند، در جستجوی همبستگی داده‌ها و الگوهای داده‌ها در گذر زمان هستند. اگر بخواهند یک برنامه بلند بنویسند که همۀ زوایا و احتمالات آزمایش‌های آنها را در بر بگیرد، برنامه به طرزی باورنکردنی پیچیده از آب در خواهد آمد، خوانش و نگهداری آن بسیار دشوار خواهد شد و خودکار کردن آن دیگر برای دانشمندان به منزله یک کابوس خواهد بود. به جای تحمل همه این دشواری‌ها، با در اختیار داشتن ابزار هوش مصنوعی کار آسان می‌شود؛ چرا که این ابزار یاد می‌گیرد چگونه داده‌های پیچیده را به‌کار ببرد، بدون آن که نیاز باشد همه جزئیات را برایش توضیح دهند.

این ماهیت هوشمند و یادگیرنده توانایی بهینه‌سازی نیز دارد. پیش از شروع هر آزمایشی، پرتو ایکس باید آماده شود. این کار با تنظیم اجزاء نوری متعدد در خط پرتو صورت می‌گیرد. موتورهای کوچک و در عین حال دقیقی هستند که در موقع لزوم به جا به جایی اجزاء کمک می‌کنند. به عنوان مثال، برخی از موتورها وظیفه‌شان چرخاندن آینه‌ها برای هدایت پرتوهای ایکس است، موتورهای دیگری لنزها را حرکت می‌دهند تا نور متمرکز شود و موتورهایی نیز در کار هستند که روزنه ها را کنترل می‌کنند تا به پرتو شکل دهند. همه این اجزاء در همبستگی با یکدیگر پرتو اشعه ایکس بی‌نقصی را برای انجام آزمایش مهیا می‌کنند. هر چه پرتو با آزمایشی که قرار است در سنکروترون انجام شود تناسب و سازگاری بیشتری داشته باشد، کیفیت داده‌هایی که پژوهشگران نیاز دارند بهتر می‌شود. اما رسیدن به یک پرتو بی‌نقص آسان نیست، چون مشکل بهینه‌سازی در میان است.

پژوهشگران به جای این که برای مواجهه با هر مجموعه دادگان در هر کدام از موتورها تغییر ایجاد کنند، یک عامل هوش مصنوعی می‌سازند که به‌طور خودکار تنظیم و تغییر موتورها را انجام می‌دهد. آنها شکل و شدت پرتوی مورد نیازشان را به آن می‌دهند و این عامل تصمیم می‌گیرد چگونه موقعیت مکانی هر موتور را برای دادن چنین ویژگی‌هایی به پرتو تغییر دهد. به کمک هوش مصنوعی زمان لازم برای شروع آزمایش بسیار کوتاه می‌شود.

پژوهشگران سنکروترون NSLS-II در تلاش هستند تا یک خط پرتو مجازی بسازند که به کاربرها امکان می‌دهد قبل از این که وارد تأسیسات شوند بهترین شرایط پرتو را برای آزمایش خود بیابند. برای نیل به این هدف، با شبیه‌سازی خط پرتو، اطلاعات سازمان‌یافته‌ای از رفتار و حرکات هر موتور از جمله شعاع‌های آینه‌ها را فراهم و از آنها نقشه‌برداری می‌کنند. شبیه‌سازی در نرم‌افزاری به نام «سیرِپو » (Sirepo)انجام می‌شود.

حین این که کاربرها از شبیه‌سازی‌های این خط پرتو استفاده می‌کنند تا بفهمند چگونه می‌توانند یک خط پرتو را به کار اندازند، خود پژوهشگران نیز می‌توانند از آن به منظور برنامه‌ریزی شبیه‌سازی‌های جدید استفاده کنند. بدین ترتیب می‌توانند حتی پیش از این که قطعات به‌طور فیزیکی در کنار هم مونتاژ شوند، شبیه‌سازی را بر اساس طرح‌های مختلف خط پرتو آماده‌سازی کنند. وقتی خط پرتو آماده شد، مرحله نقشه‌برداری از عملکرد موتورها متناسب با پارامترهای ویژه‌ای که در شبیه‌سازی مشخص شده آغاز می‌شود.

در حال حاضر، سنکروترون NSLS-II دارای ۲۸ خط پرتو است، اما توان برخورداری از ۳۰ خط پرتو دیگر را نیز دارد.

منبع: اطلاعات

کانال تلگرام  رسانه فناوری هوشمند

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا