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

من البحث اليدوي إلى الأتمتة باستخدام الذكاء الاصطناعي

For some time, scientific advances relied solely on the insight of brilliant scientists and not Artificial Intelligence (AI). They then had to design and test their hypothesis manually through custom experiments. This was most often a painstakingly slow process, taking years from the initial ideas to the actual results.

مؤخرًا، سمحت مستويات أعلى من الأتمتة بتقليل العمل اليدوي في البحث الأساسي. على سبيل المثال، التسلسل الجيني من الجيل التالي (NGS) مكن من تسلسل الجينوم في بضعة أيام فقط وبكلفة أقل، في حين أن أول تسلسل للجينوم البشري في عام 2003 كلف 3 مليارات دولار واستغرق عقدًا من الزمن.

NGS Sequencer- المصدر: Illumina

Automation has allowed for the physical steps in research to be done at a massive scale and lower costs. But the intellectual effort, for example, analyzing the data coming out of genome sequencing, was still relying solely on the human brain and computer-assisted mathematical models. That is until AI became a new game changer.

مساعدة الدماغ البشري

The more science advanced, the more complex the data became. Finding new material relies on a relatively simple process, like mixing together elements that had not been tested together before.

لكن علوم المواد المتقدمة، على سبيل المثال في تكنولوجيا البطاريات أو أشباه الموصلات، تتطلب معالجة المكونات على مستوى النانومتر، وأحيانًا على مستوى الذرات الفردية. يجعل ذلك نمذجة وفهم العملية معقدًا جدًا بحيث لا يستطيع الدماغ البشري استيعاب جميع البيانات المتاحة بالكامل.

على سبيل المثال، قد يتضمن العثور على المادة المناسبة لتصميم بطارية جديدة اتخاذ قرار بشأن أي مادة تختار من بين 32 مليون مادة غير عضوية محتملة. كان هذا هو التحدي الذي واجهه فيجاي موروغيسان، قائد مجموعة علوم المواد في PNNL (مختبر شمال غرب المحيط الهادئ الوطني).

في السابق، كان من الضروري الاعتماد على تخمينات مستنيرة، نماذج حاسوبية تقريبية واختبارات يدوية لتضييق الاحتمالات، وكان ذلك يستغرق سنوات. بدلاً من ذلك، أقامت PNNL تعاونًا مع مايكروسوفت للاستفادة من خبرة عملاق التكنولوجيا في الذكاء الاصطناعي.

تعليم عدة نماذج ذكاء اصطناعي الكيمياء

Microsoft (MSFT ) has been working for a long time on such applications, through برنامج AI4Science الخاص بها. For example, its MatterGen generative AI “enables broad property-guided materials design”.

المصدر: Microsoft

بالتعاون مع PNNL، طورت مايكروسوفت تحديدًا عدة نماذج ذكاء اصطناعي مختلفة لتقييم جميع العناصر القابلة للاستخدام وتوليفاتها.

كما لديها نموذج ذكاء اصطناعي مخصص للعثور على المواد المستقرة. ثم نموذج ذكاء اصطناعي يقيم الجزيئات بناءً على تفاعليتها. ونموذج آخر يحكم على قدرة الجزيئات على نقل الطاقة.

هذه المجموعة من نماذج الذكاء الاصطناعي ليست مصممة للعثور على كل حل ممكن لمشكلة معينة. بل تنظر إلى كومة هائلة من الاحتمالات (عشرات الملايين) وتحاول تضييقها إلى عدد قليل من المرشحين الجيدين.

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

إنه يختلف جوهريًا عن النهج القائم على نموذج رياضي حاسوبي بحت، الذي يحاول بدلاً من ذلك حساب الخصائص الكيميائية لمادة باستخدام “القوة الغاشمة”، غالبًا عبر محاكاة كل ذرة على حدة. بدلاً من ذلك، يقدم الذكاء الاصطناعي “تخمينًا مستنيرًا” لما يجب أن يعمل باستخدام التشابهات، تمامًا كما يفعل الإنسان. باستثناء أن فريق نماذج الذكاء الاصطناعي تمكن من فحص 32 مليون فكرة في أقل من 80 ساعة.

تحويل أشهر أو سنوات من العمل إلى بضعة أيام أو أسابيع هو ثورة كاملة في وتيرة التقدم العلمي.

إذا تم تطبيقه على نطاق أوسع، يمكن أن يغير تمامًا وتيرة التقدم التكنولوجي في المجتمعات البشرية.

توفير الموارد الثمينة

Once the list was narrowed down to just 800 candidates, researchers could then deploy the more standard method of High-Performance Computing (HPC). It allowed for the calculation of all the possible energy states of the 800 candidates. Then a mix of dedicated AI and HPC was used to simulate the movements of each atom and molecule inside each material.

باستخدام HPC على بضع مئات فقط من المرشحين، وفر ذلك على PNNL الكثير من الوقت والمال، حيث أن هذه الطريقة تتطلب طاقة حوسبة هائلة. أدى ذلك إلى تقليل قائمة المرشحين إلى 150 فقط.

من هناك، أدى تقييم التكاليف والتوافر والاعتبارات العملية الأخرى إلى تقليل القائمة الأولية التي تضم 32 مليون مرشح إلى 23 فقط. ومن المثير للاهتمام أن 5 من بين الـ23 كانت معروفة مسبقًا، مما يثبت ملاءمة الطريقة، حيث “أعادت اكتشاف” هذه المواد الخمسة بشكل مستقل.

كانت منهجية البحث السابقة تعتمد بشكل كبير على HPC المكلفة والبطيئة. بدلاً من ذلك، قللت طريقة الذكاء الاصطناعي من استخدام HPC إلى 10٪ فقط من إجمالي وقت الحوسبة. كما أن حقيقة أن حسابات الذكاء الاصطناعي كانت سحابية، بدلاً من استخدام وقت الحواسيب الفائقة الثمينة والنادرة في معاهد البحث، ساعدت أيضًا على جعلها أكثر كفاءة.

الخطوات التالية

The collaboration between Microsoft and PNNL over battery material was just the beginning of a multi-year collaboration agreement. Ultimately, the idea would be to generate enough data that knowing with what new material to design a new battery would be as simple as just asking the AI system about it.

“الرؤية التي نعمل نحوها هي مواد توليدية حيث يمكنني طلب قائمة بمركبات بطارية جديدة بخصائصي المطلوبة،” – Nathan Baker, Product Leader for Azure Quantum Elements.

ومن الجدير بالاهتمام أيضًا أن الطريقة الحالية تعتمد على الحوسبة الكلاسيكية. لكن برمجة مايكروسوفت للذكاء الاصطناعي وبرمجياتها مصممة لتُرقى إلى استخدام الحوسبة الكمومية بمجرد أن تصبح هذه التقنية ناضجة بما فيه الكفاية.
سيوفر ذلك قوة حوسبة غير مسبوقة لمواضيع مثل المحاكاة الكيميائية والبيولوجية، مما يزيد القدرة الحاسوبية بمقاييس متعددة (من 100 إلى 10,000 مرة). لذا ما زلنا في المرحلة الأولية جدًا من عمل الذكاء الاصطناعي على تصميم جزيئات ومواد جديدة.

مجالات التطبيقات

كان التجربة الأولى مركزة على مواد البطاريات. لكن العديد من المجالات الأخرى من المحتمل أن تستفيد من هذه الرؤية المتقدمة في الكيمياء، وكذلك تطبيق الذكاء الاصطناعي على علوم أخرى، كلها بالفعل في خط إنتاج مايكروسوفت:

• أشباه الموصلات.
• الحوسبة الكمومية & التشفير.
• مرئي و صوت
• علم الأحياء الجزيئية & الجينوميات.
• التقنية الحيوية & والأدوية بشكل عام.
• الطاقات المتجددة & تغير المناخ.
• الزراعة & البيئة.
• الاقتصاد.
• العلوم الاجتماعية.
• الرياضيات النظرية.

Each of these fields has seen research struggling due to the sheer mass of data and complexity of the issues at hand. Similarly to the pilot project on batteries, each could benefit from insight from AIs.

الأسهم العلمية المدفوعة بالذكاء الاصطناعي

1. Microsoft

MSFT مخطط السعر

كانت مايكروسوفت في صميم صناعة التكنولوجيا تقريبًا منذ تأسيسها بفضل نظام التشغيل ويندوز الذي لا يزال مهيمنًا. وهي الآن أيضًا رائدة في برامج المؤسسات (Office365, Teams, LinkedIn, Skype, GitHub)، والألعاب (Xbox و multiple videogame studios acquisitions)، والسحابة (Azure).

مؤخرًا، أحرزت مايكروسوفت تقدمًا جيدًا في مجال الذكاء الاصطناعي. يشمل ذلك بعض حلول الذكاء الاصطناعي للمستهلك مثل Bing Image Creator وشراكتها المتعمقة مع OpenAI. كما تشمل مبادرات موجهة للأعمال، مثل Copilot for Microsoft 365 وMicrosoft Research. تم نشره لتجار التجزئة والشركات الصغيرة أيضًا.

اكتسبت مايكروسوفت سمعة كونها عملاق التكنولوجيا الموجه للمؤسسات، مقارنةً بالشركات التي تركز على المستهلك مثل Apple (AAPL ) أو Facebook. مع تزايد أهمية الذكاء الاصطناعي في نماذج الأعمال، فإن وجود مايكروسوفت المسبق في السحابة وخدمات المؤسسات يجب أن يمنحها ميزة في نشر الذكاء الاصطناعي على نطاق واسع واكتساب العملاء.

سيساهم التعاون/الملكية الجزئية مع رواد تطوير الذكاء الاصطناعي مثل OpenAI أيضًا في ترسيخ موقع مايكروسوفت كقوة رائدة في مجال الذكاء الاصطناعي.

2. NVIDIA

NVDA مخطط السعر

كانت NVIDIA (NVDA ) في البداية تتمتع بموقع مهيمن في سوق بطاقات الرسوميات (GPU)، المستخدمة في الغالب للألعاب المتقدمة ونمذجة ثلاثية الأبعاد. تتميز وحدات المعالجة الرسومية بقدرتها على إجراء حسابات متوازية وتختلف في ذلك عن المعالجات (CPU).

ثبت أن تصميم أجهزتها مناسب جدًا لتعدين العملات الرقمية (خاصةً بيتكوين)، مما خلق موجة قوية من النمو للشركة.

الآن، يبدو أنها قوية بنفس القدر لتدريب نماذج الذكاء الاصطناعي، مما يجعل أجهزة NVIDIA العمود الفقري لثورة الذكاء الاصطناعي.

تقوم NVIDIA الآن بتطوير أنظمة حوسبة مخصصة لتطبيقات الذكاء الاصطناعي المختلفة، من سيارة ذاتية القيادة، إلى الصوت والذكاء الاصطناعي الحواري، الذكاء الاصطناعي التوليدي، أو الأمن السيبراني.

من المحتمل أن NVIDIA لم تنتهِ بعد من اكتشاف حالات استخدام جديدة لأجهزة الذكاء الاصطناعي الخاصة بها، كما يظهر من بحث مايكروسوفت مع PNNL. على سبيل المثال، تطور NVIDIA الآن مجموعة كاملة من الحلول لاكتشاف الأدوية، بالإضافة إلى الأجهزة الطبية المدعومة بالذكاء الاصطناعي والتصوير الطبي المدعوم بالذكاء الاصطناعي.

المصدر: NVidia

من المحتمل أنه على المدى الطويل جدًا، قد يبدأ منافسو NVIDIA في تحدي الشركة بشكل جدي على رأسها الأولي. ولكن في المستقبل القريب، بالنظر إلى الانفجار في الطلب على قوة الحوسبة المخصصة للذكاء الاصطناعي، ستظل NVIDIA المورد الرئيسي لجميع مراكز البيانات الجديدة لتدريب الذكاء الاصطناعي التي يتم بناؤها.

3. CrowdStrike

CRWD مخطط السعر

كلما اعتمد العالم أكثر على الذكاء الاصطناعي والرقمنة، كلما أصبحت الأمن السيبراني المتصل أكثر أهمية.

تأسست CrowdStrike (CRWD ) بنهج سحابي أول للأمن السيبراني. تغطي عروض الشركة جميع فئات تهديدات الأمن السيبراني، ومن بين عملائها 15 من أكبر 20 بنكًا أمريكيًا، و70 من شركات فورتشن 100، و556 من الشركات العالمية 2000.

يدعم نمو CrowdStrike سوقًا إجماليًا قابلًا للتوسع بسرعة (TAM)، من المتوقع أن ينمو بنسبة 13٪ CAGR خلال العامين القادمين. ومع عروض إضافية لا تزال قيد التطوير، تتوقع الشركة توسيع TAM من 76 مليار دولار حاليًا إلى 158 مليار دولار بحلول 2026.

المصدر: CrowdStrike

عامل نمو آخر لـ CrowdStrike هو توسيع الأعمال مع العملاء الحاليين. عندما يبدأ عميل باستخدام وحدة أمن سيبراني واحدة على الأقل، عادةً ما يواصل 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 بزيادة هوامشها عندما تتطور العلاقة لفترة كافية، مع هامش إجمالي رائع بلغ 78٪ في عام 2023.

لا يزال الانتقال إلى السحابة جاريًا إلى حد كبير للعديد من الشركات الكبيرة. وهذا يخلق فرصة كبيرة لقائد السوق مثل CrowdStrike لمساعدتها على نقل استراتيجيتها الأمنية إلى السحابة أيضًا.

يجب أن تشهد الشركة أيضًا نمو أعمالها الدولية، حيث لا يزال ثلاثة أرباع شركات Global 2000 لم يدخلوا بعد نظام CrowdStrike.

سمح نهج السحابة أول لـ CrowdStrike باكتساب حصة سوقية بسرعة وأصبح الآن مكررًا من قبل جميع شركات الأمن السيبراني الكبيرة. لذا، سيهتم المستثمرون بقدرة CrowdStrike على الحفاظ على ميزتها رغم الهجمات المضادة المتصاعدة من الصناعة.

4. Adobe

ADBE مخطط السعر

للوظة الأولى، قد يبدو ظهور الذكاء الاصطناعي التوليدي، خاصةً توليد الصور، تهديدًا لمالك برامج التصميم المهمة مثل Photoshop وInDesign وAfter Effects وLightroom أو Illustrator.

هذا يتجاهل أن Adobe (ADBE ) كانت رائدة في صناعة البرمجيات، كونها واحدة من أوائل الشركات التي انتقلت إلى نموذج الاشتراك السحابي، عندما كان المعيار الصناعي هو بيع أحدث نسخة من البرنامج بآلاف الدولارات.

الأمر نفسه ينطبق على الذكاء الاصطناعي، مع Adobe Firefly. يتم الآن دمج أداة توليد الصور بالذكاء الاصطناعي هذه بسلاسة مع برامج Adobe الأخرى، مما يتيح لك إنشاء صور من نص بسيط، أو إنشاء صورة غنية من نموذج ثلاثي الأبعاد بسيط، أو حتى “ملء توليدي”، لتوسيع صورة موجودة بطريقة فوتوغرافية واقعية.

المصدر: Adobe

مع خفض الذكاء الاصطناعي لحاجز المهارات المطلوب لإنشاء الشعارات أو المجلات أو تعديل الصور، من المرجح أن ينمو العرض والطلب على المحتوى الأصلي.

من خلال تبني التغيير والذكاء الاصطناعي، من المحتمل أن تحتفظ Adobe بموقعها كحزمة برمجيات رائدة لجميع الأعمال الإبداعية البصرية، بل وتوسّع نطاقها أكثر.

5. Upstart

UPST مخطط السعر

Upstart هي منصة إقراض مدعومة بالذكاء الاصطناعي، تم إطلاقها قبل أن يصبح الذكاء الاصطناعي محورًا للمحادثات التقنية في عام 2023.

عملية Upstart آلية إلى حد كبير، حيث يتم اتخاذ قرار بنسبة 87٪ من القروض الممنوحة بالكامل عبر الأتمتة.

الفكرة وراء Upstart هي أن نظام تقييم الائتمان الحالي غير فعال وقديم. مع توفر بيانات أكثر بكثير، يمكن تحديد مخاطر القروض بشكل أفضل، وبالتالي تقديم قروض أرخص لجزء كبير من السكان.

هذا يعني أن طريقة Upstart يمكنها تحديد الأشخاص الذين يمتلكون درجات FICO عالية ولكنهم في الواقع يواجهون خطرًا عاليًا في التخلف عن سداد القروض. وعلى العكس، الأشخاص ذوو الدرجات المنخفضة ليسوا بالضرورة عرضة للتخلف.

المصدر: Upstart

السوق القابلة للتغطية إجمالًا كبير، حيث يبلغ حجمها السنوي 4 تريليون دولار ناتج عن القروض الشخصية، وقروض السيارات، والقروض العقارية، وقروض الشركات الصغيرة.

نظرًا لارتفاع أسعار الفائدة وانخفاض الطلب على القروض، شهدت Upstart بعض الانخفاض في الإيرادات والخسائر في عام 2023، إلى جانب باقي قطاعها.

لم يعيق هذا التراجع المؤقت في حجم القروض توسيع شبكة شركاء الإقراض لدى Upstart، حيث وصلت إلى 100 بنك، ارتفاعًا من 71 في العام السابق و10 فقط عند الطرح العام الأولي في 2020، و61 وكالة، ارتفاعًا من 39 في أوائل 2023.

سيحتاج المستثمرون في Upstart إلى الأمل أن تكون الشبكة المتنامية إشارة واضحة لقيمة تقنية Upstart وإمكانيتها لتصبح مصدرًا كبيرًا للقروض في السوق الأمريكية.

قد يمنح التقدم المستمر في حسابات الذكاء الاصطناعي Upstart ميزة تنافسية في سوق تقييم القروض شديد التنافس.