آی‌تی‌من- درست سه هفته پس از این دستاورد، سازمان جهانی بهداشت همه‌گیری کووید-19 را اعلام کرد. فناوران از سراسر جهان به سرعت دست به کار شدند و شرکتی به نام C3.ai مجموعه داده‌ای برای محققان هوش مصنوعی در این زمینه آماده کرد. شرکت Recursion که کاشف اولین داروی ساخته شده با هوش مصنوعی است نیز یک مجموعه داده تصویری از تغییر شکل سلول‌های آلوده به کووید-19 در اثر واکنش به هزاران داروی مختلف منتشر کرد. دیپ‌ماید نیز از سیستم هوش مصنوعی AlphaFold برای پیش‌بینی و انتشار ساختارهای مرتبط با ویروس کرونا استفاده کرد.
آن روزها به نظر می‌رسید که هوش مصنوعی در مسیر درستی قرار دارد و به زودی قابلیت‌های شگفت‌انگیز خود را در یافتن داروی کووید-19 نشان می‌دهد؛ همان‌گونه که پیش از این نیز توانسته بود در بازی باستانی چینی «گو» به رتبه استادی برسد.

اما بعد چه شد؟ هیچ.

در زمانی که ما امیدوار بودیم که هوش مصنوعی بسیاری از مسایل و مشکلات‌مان را حل کند، و صنعت نیز سال‌ها این وعده را به ما می‌داد، چه شد که هوش مصنوعی در مبارزه با بزرگ‌ترین بحران جهانی نسل ما، چنین ناکارآمد بود؟

امروزه هوش مصنوعی با محدودیت‌های ذاتی مواجه است. سیستم‌های کنونی از طریق یافتن الگوها در داده‌ها به یادگیری می‌پردازند و در کل، هر چه داده‌های بیشتری به سیستم بدهید، هوش مصنوعی هوشمندتر خواهد شد.

GPT-3 نام الگوریتمی است که شرکت OpenAI طراحی کرده است. این الگوریتم با دریافت تنها چند کلمه، می‌تواند چندین پاراگراف مرتبط با یک موضوع را بنویسد. الگوریتم مذکور توانایی خود را از طریق تحلیل نزدیک به نیم تریلیون واژه به دست آورده است. اما همین داده‌ها موجب محدود شدن هوش مصنوعی می‌شوند.

سیستم‌های هوش مصنوعی برای دستیابی به عملکردی فراانسانی، عموما باید با ورودی‌های با کیفیت بالا آموزش داده شوند. در مورد بازی‌هایی همچون «گو» که پارامترهای شفافی دارد، این کار ساده است، اما در سناریوهای مربوط به زندگی واقعی که کمتر قابل پیش‌بینی هستند، این کار بسیار دشوارتر خواهد بود و هوش مصنوعی اغلب در کاربردهای مرتبط با زندگی واقعی ما، دچار مشکل می‌شود. در تحقیق ماه فوریه MIT نیز هوش مصنوعی، آنتی‌بیوتیک مورد نظر را با کمک محققان کشف کرد. این محققان بودند که به سیستم کمک کردند که بین باکتری‌های مضر و گونه‌های مفید برای سلول تمایز قایل شود و به این ترتیب، از مرگ انسان با تشخیص اشتباه جلوگیری به عمل آید.

کووید-19 نیز پدیده‌ای جدید و پیچیده است و داده‌های مورد نیاز برای آموزش هوش مصنوعی در جهت مقابله با این ویروس، هنوز موجود نیست. محققان تا کنون به شناخت کاملی از این بیماری دست نیافته‌اند و در حالی که تلاش‌ها برای جمع‌آوری داده آغاز شده، مجموعه داده‌های با کیفیت بیولوژیکی و بالینی همچنان اندک است.

هوش مصنوعی در پشتیبانی از تلاش‌های دولت‌های فرانسه، آمریکا و انگلستان نیز همچون برخی کشورهای دیگر، ناکام بوده و نتوانسته سیستم‌های ردگیری موثری بسازد؛ زیرا، باز هم، مواد اولیه ضروری، یعنی مجموعه داده‌های عظیم، دقیق وبا کیفیت و همچنین وظایف شفاف و کاملا تعریف شده در اختیارش قرار ندارد. در انگلستان، فقدان فرایند سیستماتیک گردآوری داده برای ردگیری و ردیابی موارد کووید-19 موجب شده که در آینده نزدیک، یک سیستم ردگیری تماس مبتنی بر هوش مصنوعی، امکان پذیر نباشد.

اما پیش از آنکه امیدمان را به هوش مصنوعی کاملا از دست بدهیم، شاید باید به این فناوری قدرتمند زمان بیشتری بدهیم. تاریخچه هوش مصنوعی بیانگر سال‌ها پیشرفت فزاینده است که در برخی دوره‌ها، نوآوری موجب جهش ناگهانی آن شده است. پیشگامان هوش مصنوعی در دانشگاه استنفورد در دهه 50 میلادی معتقد بودند که می‌توانند در طول سه ماه ماشینی بسازند که هوش انسانی را تقلید کند. اما تا قرن جدید و دهه 2000 میلادی طول کشید تا مفهوم کلان داده‌ها مطرح شود و هوش مصنوعی ساخت فیلتر اسپم، رانندگی خودکار و مانند اینها را یاد بگیرد. در اواسط دهه 2010 میلادی اغلب محققان باور داشتند که هوش مصنوعی ظرف ده سال موفق به برنده شدن در بازی «گو» خواهد شد و بالاخره در سال 2017 این اتفاق افتاد.

شاید هوش مصنوعی تا کنون در زمینه درمان کووید-19 از بیولوژی سنتی و شیمی شکست خورده باشد؛ اما این بدان معنا نیست که در آینده نیز نباید منتظر دستاوردهای بزرگ از این فناوری باشیم. همان‌گونه که تحقیقات مرتبط با آنتی بیوتیک دانشگاه MIT نشان می‌دهد، هوش مصنوعی تحت شرایط درست، قادر به رمزگشایی از اسرار پزشکی است و همچنان می‌توان امید داشت که در زمینه بحران ویروس کرونا، نقشی حیاتی ایفا کند. به هر حال همه‌گیری کرونا اگر اولین بحران همه‌گیری نباشد که به‌وسیله هوش مصنوعی درمان می‌شود، مطمئنا آخرین موردی خواهد بود که بدون آن، درمان خواهد شد.
 

ITMen