تغيير الجدول الزمني للاكتشافات من خلال استخدام الذكاء الاصطناعي (AI)

من البحث اليدوي إلى الأتمتة باستخدام الذكاء الاصطناعي

لبعض الوقت، اعتمد التقدم العلمي فقط على رؤية العلماء اللامعين وليس على الذكاء الاصطناعي. ثم كان عليهم تصميم واختبار فرضيتهم يدويًا من خلال تجارب مخصصة. وكانت هذه في أغلب الأحيان عملية بطيئة للغاية، واستغرقت سنوات من الأفكار الأولية إلى النتائج الفعلية.

في الآونة الأخيرة، سمحت المستويات الأعلى من الأتمتة بتقليل العمل اليدوي في البحوث الأساسية. على سبيل المثال، تسلسل الجيل التالي (NGS) وقد سمح بتسلسل الجينوم في بضعة أيام فقط وبتكلفة أقل، عندما كلف أول تسلسل للجينوم البشري في عام 2003 ثلاثة مليارات دولار واستغرق إنجازه عقدًا من الزمن.

مُسلسِل NGS- المصدر: البورشيد

لقد أتاحت الأتمتة تنفيذ الخطوات المادية في الأبحاث على نطاق واسع وبتكاليف أقل. لكن الجهد الفكري، على سبيل المثال، لتحليل البيانات الصادرة عن تسلسل الجينوم، كان لا يزال يعتمد فقط على الدماغ البشري والنماذج الرياضية المدعومة بالكمبيوتر. وذلك حتى أصبح الذكاء الاصطناعي مُغيِّرًا جديدًا لقواعد اللعبة.

مساعدة الدماغ البشري

كلما تقدم العلم، أصبحت البيانات أكثر تعقيدا. يعتمد العثور على مادة جديدة على عملية بسيطة نسبيًا، مثل خلط العناصر التي لم يتم اختبارها معًا من قبل.

لكن علوم المواد المتقدمة، على سبيل المثال في تكنولوجيا البطاريات أو أشباه الموصلات، تتطلب معالجة المكونات على مستوى النانومتر، وأحيانا على مستوى الذرات الفردية. وهذا يجعل نمذجة العملية وفهمها معقدة للغاية بحيث لا يستطيع العقل البشري استيعاب جميع البيانات المتاحة بشكل كامل.

على سبيل المثال، قد يتضمن العثور على المادة المناسبة لتصميم بطارية جديدة تحديد المادة التي سيتم اختيارها من بين 32 مليون مادة غير عضوية محتملة. كانت هذه هي المهمة التي يواجهها فيجاي موروجيسان، قائد مجموعة علوم المواد في المعهد PNNL (المختبر الوطني لشمال غرب المحيط الهادئ).

في السابق، كان تضييق نطاق الاحتمالات يتطلب تخمينات مدروسة ونماذج حاسوبية تقريبية واختبارات يدوية، وكان ذلك يستغرق سنوات. بدلاً من ذلك، أقام مختبر PNNL تعاونًا مع مايكروسوفت للاستفادة من خبرة عملاق التكنولوجيا في مجال الذكاء الاصطناعي.

تدريس الكيمياء متعددة الذكاء الاصطناعي

تعمل Microsoft منذ فترة طويلة على مثل هذه التطبيقات، من خلال برنامج AI4Science. على سبيل المثال، الذكاء الاصطناعي التوليدي لشركة MatterGen "يتيح تصميم مواد واسعة النطاق موجهة بالخصائص".

المصدر مایکروسوفت

بالتعاون مع PNNL، قامت Microsoft على وجه التحديد بتطوير العديد من أنظمة الذكاء الاصطناعي المختلفة لتقييم جميع العناصر القابلة للتطبيق ومجموعاتها.

كما يحتوي على ذكاء اصطناعي مُخصص لاكتشاف المواد المستقرة. ثم يُقيّم ذكاء اصطناعي الجزيئات بناءً على تفاعلها. وآخر يُقيّم قدرة الجزيئات على توصيل الطاقة.

لم يتم تصميم هذا المزيج من الذكاء الاصطناعي لإيجاد كل الحلول الممكنة لمشكلة معينة. وبدلاً من ذلك، فهي تنظر إلى كومة قش هائلة من الاحتمالات (بعشرات الملايين) وتحاول تضييق نطاقها إلى عدد قليل من المرشحين الجيدين.

وقد أدى هذا النهج إلى تقليص 32 مليون مادة محتملة إلى 500,000 مرشح، ثم إلى 800.

إنه يختلف بشكل أساسي عن نهج النموذج الرياضي المعتمد على الكمبيوتر، والذي سيحاول بدلاً من ذلك حساب الخواص الكيميائية للمادة باستخدام "القوة الغاشمة"، وغالبًا ما يكون ذلك عن طريق محاكاة ذرة بعد ذرة. وبدلاً من ذلك، يقوم الذكاء الاصطناعي بـ "التخمين" المدروس لماهية الأمر ينبغي العمل باستخدام القياسات، بنفس الطريقة التي يفعلها الإنسان تقريبًا. باستثناء فريق الذكاء الاصطناعي يمكنه فحص 32 مليون فكرة في أقل من 80 ساعة.

إن اختصار أشهر أو سنوات العمل إلى بضعة أيام أو أسابيع يعد ثورة كاملة في وتيرة التقدم العلمي.

وإذا تم تطبيقه على نطاق أوسع، فقد يغير هذا بشكل كامل وتيرة التقدم التكنولوجي في المجتمعات البشرية.

توفير الموارد الثمينة

وبمجرد تضييق القائمة إلى 800 مرشح فقط، يمكن للباحثين بعد ذلك نشر الطريقة الأكثر شيوعًا للحوسبة عالية الأداء (HPC). وقد سمح بحساب جميع حالات الطاقة المحتملة للمرشحين الـ 800. ثم تم استخدام مزيج من الذكاء الاصطناعي والحوسبة عالية الأداء لمحاكاة حركات كل ذرة وجزيء داخل كل مادة.

من خلال استخدام HPC على بضع مئات فقط من المرشحين، أدى هذا إلى توفير الكثير من الوقت والمال لـ PNNL، حيث إنها طريقة متعطشة جدًا للقوة الحاسوبية. مما أدى إلى تقليص قائمة المرشحين إلى 150 فقط.

ومن هنا، أدى تقييم التكاليف، ومدى التوفر، وغير ذلك من الاعتبارات العملية إلى خفض القائمة الأولية التي ضمت 32 مليون مرشح إلى 23 فقط. ومن المثير للاهتمام أنه من بين الثلاثة والعشرين، كان خمسة معروفين بالفعل، مما يدل على أهمية هذه الطريقة، لأنها "تعيد" اكتشف" هذه المواد الخمس بشكل مستقل.

كانت منهجيات البحث السابقة تعتمد بشكل كبير على الحوسبة عالية الأداء (HPC) المكلفة والبطيئة. لكن أسلوب الذكاء الاصطناعي قلّص وقت الحوسبة عالية الأداء إلى 10% فقط من إجمالي وقت الحوسبة. كما أن اعتماد حوسبة الذكاء الاصطناعي على السحابة، بدلاً من استخدام وقت الحوسبة الفائقة الثمين والنادر في معاهد البحث، ساهم في زيادة كفاءتها.

الخطوات التالية

كان التعاون بين Microsoft وPNNL بشأن مواد البطارية مجرد بداية لاتفاقية تعاون متعددة السنوات. في نهاية المطاف، ستكون الفكرة هي توليد ما يكفي من البيانات التي ستكون معرفة المواد الجديدة لتصميم بطارية جديدة أمرًا بسيطًا مثل مجرد سؤال نظام الذكاء الاصطناعي عنها.

"الرؤية التي نعمل على تحقيقها هي مواد توليدية حيث يمكنني أن أطلب قائمة بمركبات البطاريات الجديدة بالصفات التي أرغب فيها." – ناثان بيكر، قائد منتج Azure Quantum Elements.

تجدر الإشارة أيضًا إلى أن الطريقة الحالية تعتمد على الحوسبة الكلاسيكية. لكن برمجة الذكاء الاصطناعي وبرامج مايكروسوفت مصممة للترقية إلى استخدام الحوسبة الكمومية بمجرد نضج هذه التقنية بما يكفي.

وهذا من شأنه أن يعطي قوة حاسوبية غير مسبوقة لموضوعات مثل المحاكاة الكيميائية والبيولوجية، مما يزيد من قوة الحوسبة بعدة أوامر من حيث الحجم (x100-10,000). لذلك، ما زلنا في المرحلة المبكرة جدًا من الذكاء الاصطناعي الذي يعمل على تصميم جزيئات ومواد جديدة.

مجالات التطبيقات

ركزت التجربة الأولى على مواد البطارية. لكن من المرجح أن تستفيد العديد من المجالات الأخرى من هذه الرؤية المتقدمة في الكيمياء، بالإضافة إلى تطبيق الذكاء الاصطناعي على العلوم الأخرى، وكلها بالفعل في طور إنتاج مايكروسوفت:

• أشباه الموصلات.
• الحوسبة الكمومية والتشفير.
• مرئي و تسجيل صوتي
• البيولوجيا الجزيئية وعلم الجينوم.
• التكنولوجيا الحيوية والأدوية بشكل عام.
• الطاقة المتجددة وتغير المناخ.
• زراعة & بيئة.
• اقتصاديات.
• العلوم الاجتماعية.
• الرياضيات النظرية.

وقد شهد كل مجال من هذه المجالات صعوبات في البحث بسبب الكم الهائل من البيانات وتعقيد القضايا المطروحة. وعلى غرار المشروع التجريبي الخاص بالبطاريات، يمكن لكل منها الاستفادة من رؤى الذكاء الاصطناعي.

الأسهم العلمية التي تعتمد على الذكاء الاصطناعي

1. مایکروسوفت

شركة مايكروسوفت (MSFT + 1.86٪)

لقد كانت Microsoft في مركز صناعة التكنولوجيا منذ بدايتها تقريبًا من خلال نظام التشغيل Windows الذي لا يزال مهيمنًا. وهي الآن أيضًا رائدة في برامج المؤسسات (أوفيس 365، تيمز، لينكدإن، سكايب، جيثب) ، والألعاب (اكس بوكس و عمليات الاستحواذ المتعددة على استوديوهات ألعاب الفيديو)، وفي السحابة (Azure).

وفي الآونة الأخيرة، أحرزت تقدمًا جيدًا في مجال الذكاء الاصطناعي. يتضمن ذلك بعض الذكاء الاصطناعي المخصص للمستهلكين مثل منشئ صور بنج ولها تعميق الشراكة مع OpenAI. ويتضمن أيضًا المزيد من المبادرات التي تركز على الأعمال، مثل مساعد الطيار لـ Microsoft 365 و مايكروسوفت للبحوث. مساعد الطيار يجري الآن نشرها في شركات البيع بالتجزئة والشركات الصغيرة أيضًا.

اكتسبت مايكروسوفت سمعة طيبة لكونها عملاق التكنولوجيا الذي يركز على المؤسسات، مقارنة بالشركات التي تركز على المستهلك مثل أبل أو فيسبوك. مع تزايد أهمية الذكاء الاصطناعي في نماذج الأعمال، فإن الوجود الحالي لشركة Microsoft في الخدمات السحابية وخدمات المؤسسات يجب أن يمنحها السبق في نشر الذكاء الاصطناعي على نطاق واسع وفي عمليات الاستحواذ على العملاء.

إن التعاون/الملكية شبه الكاملة مع قادة تطوير الذكاء الاصطناعي مثل OpenAI من شأنه أيضًا أن يعزز مكانة Microsoft كقوة في مجال الذكاء الاصطناعي.

2. NVIDIA

شركة NVIDIA (NVDA + 0.24٪)

كان لشركة NVidia في البداية موقعًا مهيمنًا في سوق بطاقات الرسومات (GPU)، والتي تستخدم في الغالب للألعاب المتطورة والنمذجة ثلاثية الأبعاد. وحدات معالجة الرسومات قادرة على تشغيل العمليات الحسابية بالتوازي وتختلف في هذا الصدد عن المعالجات (CPU).

أثبت تصميم أجهزتها أنه مناسب جدًا لتعدين العملات المشفرة (خاصة البيتكوين)، مما خلق موجة قوية من النمو للشركة.

والآن، يبدو أنها تتمتع بنفس القدر من القوة في تدريب الذكاء الاصطناعي، مما يجعل أجهزة Nvidia هي العمود الفقري لثورة الذكاء الاصطناعي.

تعمل NVidia الآن على تطوير أنظمة حوسبة مخصصة لتطبيقات الذكاء الاصطناعي المختلفة، من سيارة ذاتية القيادةs إلى خطاب و الذكاء الاصطناعي للمحادثة, الذكاء الاصطناعي التوليدي أو الأمن السيبراني.

من المحتمل أن Nvidia لم تنته من العثور على حالات استخدام جديدة لأجهزة الذكاء الاصطناعي الخاصة بها، كما هو موضح من خلال بحث Microsoft مع PNNL. على سبيل المثال، نفيديا تتطور الآن مجموعة كاملة من الحلول لاكتشافات المخدرات، طالما الأجهزة الطبية التي تعمل بالذكاء الاصطناعي و التصوير الطبي بمساعدة الذكاء الاصطناعي.

المصدر نفيديا

من المحتمل أنه على المدى الطويل جدًا، قد يبدأ منافسو NVidia في تحدي البداية الأولية للشركة بشكل جدي. ولكن في المستقبل المنظور، وبالنظر إلى الانفجار في الطلب على قوة الحوسبة المخصصة للذكاء الاصطناعي، ستظل NVidia المورد الرئيسي لجميع مراكز البيانات الجديدة للتدريب على الذكاء الاصطناعي التي يجري بناؤها.

3. حشد سترايك

CrowdStrike Holdings، Inc. (CRWD -0.02٪)

كلما زاد اعتماد العالم على الذكاء الاصطناعي والتحول الرقمي، زادت أهمية الأمن السيبراني المتصل.

تأسست شركة CrowdStrike بنهجٍ يُركّز على الحوسبة السحابية في مجال الأمن السيبراني. تُغطّي خدمات الشركة جميع فئات تهديدات الأمن السيبراني، ومن بين عملائها 15 من أكبر 20 بنكًا أمريكيًا، و70 من شركات فورتشن 100، و556 من شركات جلوبال 2000.

يدعم نمو CrowdStrike نمو السوق الإجمالية القابلة للاستهداف (TAM) سريع التوسع، والذي من المتوقع أن ينمو بمعدل نمو سنوي مركب قدره 13% خلال العامين المقبلين. ومع استمرار تطوير عروض إضافية، تتوقع الشركة توسيع حجم سوقها الإجمالية القابلة للاستهداف من 2 مليار دولار أمريكي حاليًا إلى 76 مليار دولار أمريكي بحلول عام 158.

المصدر حشد سترايك

هناك عامل نمو آخر لشركة CrowdStrike وهو توسيع الأعمال التجارية مع العملاء الموجودين مسبقًا. عندما يبدأ العميل بوحدة واحدة على الأقل للأمن السيبراني، فإنه عادةً ما يستمر ويستمر في دمج المزيد من الوحدات، حيث يستخدم 62% من العملاء 5 وحدات أو أكثر و23% يستخدمون 7 وحدات أو أكثر.

تخلق هذه الديناميكية بيئة تسمح لـ CrowdStrike بتنمية هوامشها عندما تتطور العلاقة لفترة طويلة بما فيه الكفاية، مع إجمالي هامش إجمالي مثير للإعجاب يبلغ 78% في عام 2023.

لا يزال الانتقال إلى السحابة مستمرًا في الغالب بالنسبة للعديد من الشركات الكبيرة. وهذا يخلق فرصة كبيرة لشركة رائدة في السوق مثل CrowdStrike لمساعدتهم على نقل استراتيجية الأمن السيبراني الخاصة بهم إلى السحابة أيضًا.

ومن المتوقع أن تشهد الشركة أيضًا نمو أعمالها الدولية، حيث لا تزال 3/4 من الشركات العالمية 2000 لم تدخل بعد إلى نظام CrowdStrike البيئي.

لقد مكّن نهج CrowdStrike المُركّز على السحابة من اكتساب حصة سوقية بسرعة، وهو الآن يُحاكيه جميع شركات الأمن السيبراني الكبرى. لذا، سيُبدي المستثمرون اهتمامًا بقدرة CrowdStrike على الحفاظ على ميزتها رغم الهجمات المضادة المُتزايدة من قِبَل القطاع.

4. أدوبي

Adobe Inc. (ADBE -0.42٪)

للوهلة الأولى، قد يشكل ظهور الذكاء الاصطناعي التوليدي، وخاصة توليد الصور، تهديدًا لمالك برامج الرسوم المهمة مثل Photoshop أو InDesign أو After Effects أو Lightroom أو Illustrator.

سيؤدي هذا إلى نسيان أن Adobe كانت رائدة في صناعة البرمجيات، كونها واحدة من أوائل الشركات التي انتقلت إلى نموذج الاشتراك المستند إلى السحابة، عندما كانت ممارسة الصناعة تبيع أحدث إصدار من البرنامج بآلاف الدولارات.

ينطبق الأمر نفسه على الذكاء الاصطناعي، مع Adobe Firefly. تُدمج أداة توليد الصور هذه بسلاسة مع برامج Adobe الأخرى، مما يسمح لك بإنشاء صور من نص بسيط، أو إنشاء صورة غنية من نموذج ثلاثي الأبعاد بسيط، أو حتى "الملء التوليدي" لتوسيع صورة موجودة بأسلوب واقعي.

المصدر أدوبي

ومع قيام الذكاء الاصطناعي بخفض حاجز المهارات المطلوبة لإنشاء الشعارات أو المجلات أو تعديل الصور، فمن المرجح أن ينمو العرض والطلب على المحتوى الأصلي.

من خلال تبني التغيير والذكاء الاصطناعي، من المرجح أن تحتفظ Adobe بمكانتها كحزمة برمجيات رائدة لجميع الأعمال الإبداعية المرئية، بل وستزيد من انتشارها.

5. مغرور

Upstart Holdings، Inc. (UPST -0.24٪)

Upstart هو سوق إقراض مدعوم بالذكاء الاصطناعي، تم إطلاقه قبل وقت طويل من أن يصبح الذكاء الاصطناعي مركزًا للمحادثات التقنية في عام 2023.

تتم عملية Upstart بشكل آلي في الغالب، حيث يتم اتخاذ القرار بشأن 87% من القروض الممنوحة بالكامل من خلال الأتمتة.

الفكرة وراء Upstart هي أن نظام درجة الائتمان الحالي غير فعال وقديم. ومع توافر المزيد من البيانات، من الممكن تحديد مخاطر القروض بشكل أفضل، ونتيجة لذلك، تقديم قروض أرخص لشريحة كبيرة من السكان.

هذا يعني أن طريقة Upstart قادرة على تحديد الأشخاص ذوي درجات FICO المرتفعة، لكنهم عمليًا معرضون لخطر التخلف عن سداد قروضهم. وعلى العكس، فإن الأشخاص ذوي درجات FICO المنخفضة أقل عرضة للتخلف عن السداد.

المصدر مغرور

يعد إجمالي السوق القابل للعنونة كبيرًا، حيث يبلغ حجمه السنوي 4 تريليون دولار أمريكي يأتي من القروض الشخصية وقروض السيارات والمنازل والشركات الصغيرة.

نظرًا لارتفاع أسعار الفائدة وانخفاض الطلب على القروض، شهدت شركة Upstart بعض الانخفاض في الإيرادات والخسائر في عام 2023، جنبًا إلى جنب مع بقية صناعتها.

لم يؤدي هذا التراجع المؤقت في حجم القروض إلى إبطاء توسع شركة Upstart في شبكة شركاء الإقراض الخاصة بها، مع 100 بنك، مقارنة بـ 71 في العام السابق و10 فقط في الطرح العام الأولي في عام 2020، و61 وكالة، مقارنة بـ 39 في أوائل عام 2023.

سيحتاج المستثمرون في Upstart إلى أن يأملوا في أن تكون الشبكة المتنامية علامة واضحة على قيمة تكنولوجيا Upstart وقدرتها على أن تصبح منشئًا كبيرًا للقروض في السوق الأمريكية.

التقدم المستمر في حساب الذكاء الاصطناعي قد يمنحه أيضًا ميزة في سوق تصنيف القروض التنافسي للغاية.