لا يمكن لأحد أن يتهم ديميس هاسابيس بأنه يحلم صغيراً.

في عام 2016، صدمت الشركة التي شارك في تأسيسها، DeepMind، العالم عندما تغلب نموذج الذكاء الاصطناعي الذي أنشأته على أفضل لاعب بشري على الإطلاق. لعبة استراتيجية الذهاب. ثم وضع هاسابيس أنظاره أعلى من ذلك: ففي عام 2019، أخبر زملائه أن هدفه هو الفوز بجوائز نوبل باستخدام أدوات الذكاء الاصطناعي الخاصة بالشركة.

استغرق الأمر خمس سنوات فقط هاسابيس وديب مايند جون جامبر للقيام بذلك، وجمع حصة من جائزة نوبل في الكيمياء لعام 2024 لمن اخترع AlphaFold، الذكاء الاصطناعي الذي أحدث ثورة في التنبؤ بهياكل البروتين.

يعد AlphaFold مجرد واحد من سلسلة النجاحات العلمية التي حققتها DeepMind على مدار العقد الماضي. عندما شارك في تأسيس الشركة في عام 2010، قال هاسابيس، عالم الأعصاب ومطور الألعاب، إن هدفه كان إنشاء “مختبر أبحاث علمية على مستوى عالمي، ولكن في الصناعة”. وفي هذا المسعى، سعت الشركة إلى تطبيق المنهج العلمي لتطوير الذكاء الاصطناعي، والقيام بذلك بشكل أخلاقي ومسؤول من خلال توقع المخاطر والحد من الأضرار المحتملة. وكان إنشاء مجلس أخلاقيات الذكاء الاصطناعي شرطاً لاتفاق الشركة على أن تستحوذ عليها شركة جوجل في عام 2014 مقابل حوالي 400 مليون دولار، وفقاً لتقارير وسائل الإعلام.

يحاول Google DeepMind الآن تكرار نجاح AlphaFold في مجالات العلوم الأخرى. يقول هاسابيس: “نحن نطبق الذكاء الاصطناعي على كل التخصصات العلمية الأخرى تقريبًا الآن”.

لكن مناخ هذا التزاوج بين العلم والصناعة تغير بشكل جذري منذ إطلاق ChatGPT في عام 2022 – وهو الحدث الذي يطلق عليه هاسابيس “لحظة الاستيقاظ”. أدى وصول روبوتات الدردشة ونماذج اللغات الكبيرة (LLMs) التي تشغلها إلى انفجار في استخدام الذكاء الاصطناعي في جميع أنحاء المجتمع، فضلا عن تدافع عدد متزايد من المنافسين الممولين جيدا لتحقيق الذكاء العام الاصطناعي على المستوى البشري (AGI).

يتسابق Google DeepMind الآن لإصدار منتجات تجارية – بما في ذلك تكرارات Gemini LLMs الخاصة بالشركة – أسبوعيًا تقريبًا، مع الاستمرار في أبحاث التعلم الآلي وإنتاج نماذج علمية محددة. وقد أدى التسارع إلى جعل القيام بالذكاء الاصطناعي المسؤول أكثر صعوبة، كما أن بعض الموظفين غير راضين عن التوقعات التجارية للشركة، كما يقول العديد من الموظفين السابقين.

كل هذا يثير تساؤلات حول الاتجاه الذي تتجه إليه شركة ديب مايند، وما إذا كان بإمكانها تحقيق نجاحات باهرة في مجالات العلوم الأخرى.

نوبل ملزمة

في المقر الرئيسي لشركة جوجل ديب مايند في مركز التكنولوجيا كينغز كروس في لندن، هناك منحوتات هندسية لامعة ورائحة الإسبريسو معلقة في قاعة الاستقبال. الوقت ثمين للغاية لدرجة أن الموظفين – الذين يُعتقد أن عددهم يتراوح بين 500 إلى 1000 موظف في جميع أنحاء العالم – يمكنهم التقاط دراجة نارية للسباق بضع مئات من الأمتار من مكتب إلى آخر.

إنه بعيد كل البعد عن الأصول المتواضعة للشركة، التي سعت إلى بناء أنظمة ذكاء اصطناعي عامة من خلال دمج أفكار من علم الأعصاب والتعلم الآلي. تقول جوانا برايسون، عالمة الكمبيوتر والباحثة في أخلاقيات الذكاء الاصطناعي في كلية هيرتي في برلين: “لقد كانوا مجرد عباقرة خارقين”. “لقد كانوا هؤلاء الرجال الـ12 الذين أرادهم الجميع.”

كان المختبر رائدا في تقنية الذكاء الاصطناعي للتعلم العميق، والذي يستخدم الخلايا العصبية المحاكاة لتعلم الارتباطات في البيانات بعد دراسة أمثلة من العالم الحقيقي، بالإضافة إلى التعلم المعزز، حيث يتعلم النموذج عن طريق التجربة والخطأ والمكافأة. بعد تطبيق هذه النماذج لتعليم كيف تلعب ألعاب الأركيد¹ في عام 2015 و إتقان لعبة Go القديمة² في عام 2016، وجهت شركة DeepMind أنظارها إلى مشكلتها العلمية الأولى – التنبؤ بالبنية ثلاثية الأبعاد للبروتينات³ من الأحماض الأمينية المكونة لها.

صادف هاسابيس لغز بنية البروتين لأول مرة عندما كان طالبًا جامعيًا في جامعة كامبريدج بالمملكة المتحدة، في تسعينيات القرن الماضي، وأشار إلى أنها مشكلة قد يساعد الذكاء الاصطناعي في حلها يومًا ما. تتطلب تقنيات تعلم الذكاء الاصطناعي قاعدة بيانات من الأمثلة بالإضافة إلى مقاييس واضحة للنجاح التي توجه تقدم النموذج. شكرا ل قاعدة بيانات طويلة الأمد للهياكل المعروفة وفي ظل المنافسة الراسخة التي حكمت على دقة التنبؤات، حصلت البروتينات على كليهما.

لقد كان طي البروتين بمثابة علامة حاسمة بالنسبة لهاسابيس: إنها مشكلة “العقدة الجذرية” التي، بمجرد حلها، تفتح فروعًا للأبحاث والتطبيقات النهائية. ويقول إن هذه الأنواع من المشكلات “تستحق قضاء خمس أو عشر سنوات عليها، والاستعانة بعدد كبير من أجهزة الكمبيوتر والباحثين”.

أصدرت شركة DeepMind التكرار الأول لـ AlphaFold في عام 2018، وبحلول عام 2020، أداءها تفوق بكثير تلك الأدوات من أي فريق آخر. اليوم، تسعى شركة Isomorphic Labs، التابعة لشركة DeepMind، إلى استخدام AlphaFold في اكتشاف الأدوية. وقد تم استخدام قاعدة بيانات AlphaFold الخاصة بـ DeepMind والتي تضم أكثر من 200 مليون تنبؤ ببنية البروتين في مجموعة من الجهود البحثية، بدءًا من تحسين مناعة النحل ضد الأمراض في مواجهة الانخفاض السكاني العالمي إلى فحص المركبات المضادة للطفيليات لعلاج مرض شاغاس، وهو عدوى طفيلية قد تهدد الحياة.⁴.

العلم ليس مجرد مصدر للمشاكل التي يجب حلها؛ يقول بوشميت كوهلي، الذي يقود الجهود العلمية للشركة، إن الشركة تحاول التعامل مع كل تطوراتها في مجال الذكاء الاصطناعي بطريقة علمية. ويقول إن الباحثين يميلون إلى العودة إلى المبادئ الأولى لكل مشكلة وتجربة تقنيات جديدة. يقول جوناثان جودوين، الرئيس التنفيذي لشركة الذكاء الاصطناعي Orbital Materials في لندن، والذي كان باحثًا في Google DeepMind حتى نهاية عام 2022، إن الموظفين في العديد من شركات الذكاء الاصطناعي الأخرى يشبهون المهندسين، حيث يطبقون البراعة ولكنهم لا يقومون بالاكتشافات الأساسية.

لكن تكرار نجاح AlphaFold سيكون أمرًا صعبًا. يقول جودوين: “ليس هناك الكثير من المساعي العلمية التي تعمل بهذه الطريقة”.

فتح الجينوم

يقول كوهلي إن شركة Google DeepMind تسخر مواردها لمعالجة العديد من المشكلات التي تعتقد أن الذكاء الاصطناعي يمكن أن يؤدي إلى تسريع عملية التطوير فيها، والتي يمكن أن يكون لها “تأثير تحويلي”. وتشمل هذه التنبؤ بالطقس⁵ والاندماج النووي، الذي لديه القدرة على أن يصبح مصدرًا نظيفًا وفيرًا للطاقة. ويقول إن الشركة تختار المشاريع من خلال عملية اختيار صارمة، ولكن يمكن للباحثين الأفراد اختيار المشروع الذي سيعملون عليه وكيفية معالجة المشكلة. غالبًا ما تتطلب نماذج الذكاء الاصطناعي التي تعمل على حل مثل هذه المشكلات بيانات متخصصة وباحثين لبرمجة المعرفة فيها.

يقول كوهلي إن أحد المشاريع الواعدة هو ألفاجينوم، والتي تم إطلاقها في يونيو كمحاولة لفك أجزاء طويلة من الحمض النووي البشري غير المشفر والتنبؤ بوظائفها المحتملة⁶. لكن التحدي أصعب من تحدي AlphaFold، لأن كل تسلسل ينتج عنه عدة وظائف صالحة.

يعد علم المواد مجالًا آخر تأمل فيه الشركة أن يكون الذكاء الاصطناعي ثوريًا. من الصعب نمذجة المواد لأن التفاعلات المعقدة بين النوى الذرية والإلكترونات لا يمكن تقريبها إلا. وبالتعلم من قاعدة بيانات للهياكل المحاكاة، قامت شركة DeepMind بتطوير نظامها نموذج جنوموالتي في عام 2023 توقع 400000 مادة جديدة محتملة⁷. يقول كوهلي إن الفريق يستخدم الآن التعلم الآلي لتطوير طرق أفضل لمحاكاة سلوك الإلكترون، تلك التي يتم تعلمها من أمثلة التفاعلات بدلاً من الاعتماد على مبادئ الفيزياء. ويقول إن الهدف النهائي هو التنبؤ بالمواد ذات الخصائص المحددة، مثل المغناطيسية أو الموصلية الفائقة. ويقول: “نريد أن نرى العصر الذي يستطيع فيه الذكاء الاصطناعي تصميم أي مادة بأي نوع من الخصائص السحرية التي تريدها، إذا كان ذلك ممكنًا”.

تعاني نماذج الذكاء الاصطناعي من مجموعة متنوعة من مشكلات السلامة المعروفة، بدءًا من خطر استخدامها لصنع أسلحة بيولوجية إلى إدامة التحيزات العنصرية والجنسانية، وتظهر هذه المشكلات في المقدمة عند إطلاق النماذج في العالم. لدى Google DeepMind لجنة مخصصة للمسؤولية والسلامة، تعمل في جميع أنحاء الشركة، ويتم استشارتها في كل مرحلة رئيسية من مراحل التطوير، كما تقول آنا كويفونيمي، التي تدير “مسرع التأثير” الخاص بها، وهو جهد للبحث في المجتمع عن المجالات التي يمكن أن يحدث فيها الذكاء الاصطناعي فرقًا. يقوم أعضاء اللجنة باختبار الفكرة لمعرفة ما يمكن أن يحدث من خطأ، بما في ذلك عن طريق التشاور مع جهات خارجية. وتقول: “نحن نأخذ الأمر على محمل الجد للغاية”.

يقول جودوين إن الميزة الأخرى التي تتمتع بها الشركة هي أن باحثيها يتابعون نوع الذكاء الاصطناعي الذي يريده العالم في نهاية المطاف. ويقول: “لا يريد الناس حقًا إنشاء مقاطع فيديو عشوائية لأنفسهم ووضعها على شبكة التواصل الاجتماعي؛ بل يريدون طاقة لا حدود لها أو علاج الأمراض”.

لكن شركة DeepMind لديها الآن شركة في سعيها لاستخدام الذكاء الاصطناعي في العلوم. يبدو أن بعض الشركات التي بدأت في صنع شهادات الماجستير في القانون بدأت تقترب من رؤية هاسابيس للذكاء الاصطناعي من أجل العلوم. في الشهرين الماضيين، أنشأت كل من OpenAI وشركة ميسترال للذكاء الاصطناعي ومقرها باريس فرقًا مخصصة للاكتشافات العلمية.

مخاوف الشركة

بالنسبة لشركات الذكاء الاصطناعي والباحثين، غيّر إصدار ChatGPT من OpenAI كل شيء في عام 2022. ويقول هاسابيس إن نجاحها كان “مفاجأة كبيرة للجميع”.