هوش مصنوعی در سال ۲۰۲۴ نقش کلیدی در چهار کشف علمی مهم ایفا کرد که بدون این تکنولوژی امکان‌پذیر نبودند. از رمزگشایی طومار‌های باستانی تا درک ارتباطات نهنگ‌ها، کشف نقوش نازکا و پیش‌بینی ساختار پروتئین‌ها، هوش مصنوعی مرز‌های دانش انسانی را گسترش داد.
رمزگشایی طومار‌های هرکولانیوم با پرتو ایکس و هوش مصنوعی
هزاران طومار باستانی در سراسر جهان وجود دارند که باز کردن فیزیکی آن‌ها باعث تخریب و ناخوانا شدن می‌شود. طومار‌های هرکولانیوم تا کنون باز نشده بودند، اما در سال ۲۰۲۳ سه محقق با استفاده از هوش مصنوعی و پرتو‌های ایکس با وضوح بالا، بیش از ۲۰۰۰ کاراک‌تر از این طومار‌ها را رمزگشایی کردند. برنت سیلز، استاد علوم کامپیو‌تر دانشگاه کنتاکی که بیش از یک دهه روی این پروژه کار می‌کند، می‌گوید هوش مصنوعی به ما کمک می‌کند خوانایی جوهر را تقویت کنیم، بدون آسیب به طومار‌ها جوهر را متراکم و حروف ناخوانا را پررنگ سازد. محققان امیدوارند تا پایان ۲۰۲۴، ۹۰ درصد از چهار طومار رمزگشایی شود. گمان می‌رود این طومار‌ها متعلق به خانه پدرزن ژولیوس سزار بوده و اطلاعات بی‌سابقه‌ای درباره روم و یونان باستان حاوی باشد.
تحلیل صدای نهنگ‌ها برای درک زبان حیوانات دریایی
محققان با پشتیبانی هوش مصنوعی، نزدیک به ۹۰۰۰ توالی صدا ضبط شده را تجزیه و تحلیل کردند که مربوط به صدای تقریبا ۶۰ نهنگ در دریای کارائیب است. اگرچه هوش مصنوعی در شناسایی الگو‌های صدایی ماهر است، اما معنای این صدا‌ها همچنان ناشناخته باقی مانده. دانشمندان الگو‌هایی را کشف کردند که پیش از این نادیده گرفته می‌شدند. قدم بعدی، آزمایش‌های تعاملی با نهنگ‌ها همراه با مشاهدات حرکات آن‌هاست که می‌تواند کلید کشف دستور زبان صدا‌های مختلف نهنگ‌ها باشد. این رویکرد برای صدا‌های حیوانات دیگر نیز قابل اعمال است.
کشف ۳۰۳ نقوش جدید نازکا در بیابان پرو با هوش مصنوعی
گروه‌ی از محققان به رهبری ماساتو ساکای، استاد باستان‌شناسی دانشگاه یاماگاتا ژاپن، یک مدل تشخیص اشیا را با تصاویر با وضوح بالا از ۴۳۰ نماد نازکا که در سال ۲۰۲۰ نقشه‌برداری شده بودند، آموزش دادند. این هوش مصنوعی ۴۷۰۰۰ مکان بالقوه در منطقه‌ای ۶۲۹ کیلوم‌تر مربع را بررسی کرد. باستان‌شناسان این پیشن‌هادات را غربالگری کردند و ۱۳۰۹ مکان با پتانسیل بالا شناسایی نمودند. برای هر ۳۶ نظر مدل هوش مصنوعی، یک نامزد امیدوارکننده یافت شد. آمینه جامباجانتسان، دانشمند داده، معتقد است هوش مصنوعی پتانسیل پشتیبانی زیادی برای باستان‌شناسی در مناطق دورافتاده دارد، اگرچه مدل‌ها هنوز کاملا دقیق نیستند.
آلفافولد پیش‌بینی ساختار ۲۰۰ می‌لیون پروتئین
در سال ۲۰۱۸ ابزاری مبتنی بر هوش مصنوعی به نام آلفافولد، توسعه‌یافته توسط دمیس حسابیس و جانجامپر در لندن، وارد صحنه شد. آخرین نسخه این پایگاه داده، ساختار تقریبا همه ۲۰۰ می‌لیون پروتئین شناخته شده را از توالی اسید‌های آمینه پیش‌بینی می‌کند. این ابزار که مانند جستجوی گوگل عمل می‌کند، توسط حداقل ۲ می‌لیون محقق در سراسر جهان استفاده شده و پیشرفت در زیست‌شناسی بنیادی و پزشکی را تسریع کرده است. با وجود محدودیت‌هایی در پیش‌بینی عواقب جهش‌های جدید در پروتئین‌ها، آلفافولد پرمخاطب‌ترین ابزار هوش مصنوعی در حوزه‌های زیستی-پزشکی است و یادگیری ماشین در حال تسریع کشف دارو‌های جدید، از جمله آنتی‌بیوتیک‌های موثر بر باک‌تری‌های مقاوم است.
