මිනිස් ඉතිහාසය පුරාම විද්යාත්මක සොයාගැනීම් සිදුවූයේ නිරීක්ෂණය, පරීක්ෂණය සහ මිනිස් මොළයේ විශ්ලේෂණ ශක්යතාව මත පදනම්වය. කෙසේ වෙතත්, 21 වන සියවස වන විට ලොව ඇති දත්ත ප්රමාණය අති විශාල වේගයකින් ඉහළ යාමත් සමඟ සාම්ප්රදායික ක්රමවේදයන්ගේ සීමාවන් පැහැදිලිවම පෙනෙන්නට විය. වර්තමානයේ විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිත කිරීම වේගයෙන් ජනප්රිය වෙමින් පවතින අතර, එය සංකීර්ණ දත්ත විශ්ලේෂණය කිරීමටත්, අලුත් සොයාගැනීම් සිදුකිරීමට ගතවන කාලය වසර ගණනක සිට දින කිහිපයක් දක්වා අඩු කිරීමටත් සමත්ව ඇත.
- විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිතය සහ විද්යාවේ නව මානය
- ඖෂධ නිෂ්පාදනය සහ ජෛව විද්යාවේ විශාල පිම්ම
- අභ්යවකාශ විද්යාව සහ තාරකා භෞතික විද්යාවේ භාවිතය
- දේශගුණික විපර්යාස සහ පරිසර විද්යාත්මක අනාවැකි
- භෞතික විද්යාව සහ ද්රව්ය විද්යාව (Materials Science)
- විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිතයේ පවතින අභියෝග
- අනාගත විද්යාත්මක පර්යේෂණ සහ AI එකමුතුව
කෘතිම බුද්ධිය (Artificial Intelligence) යනු හුදෙක් කාර්යාලීය කටයුතු හෝ රෝබෝ තාක්ෂණයට පමණක් සීමා වූවක් නොවේ. එය ජෛව විද්යාව, අභ්යවකාශ විද්යාව, දේශගුණ විද්යාව සහ භෞතික විද්යාව වැනි ක්ෂේත්ර ගණනාවක විද්යාඥයන්ට නැතුවම බැරි සහායකයෙකු බවට පත්ව තිබේ.
විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිතය සහ විද්යාවේ නව මානය
විද්යාත්මක ලෝකයේ සිදුවන විශාලතම පරිවර්තනය වන්නේ දත්ත විශාල ප්රමාණයක් (Big Data) ක්ෂණිකව විශ්ලේෂණය කිරීමේ හැකියාවයි. සාම්ප්රදායික පර්යේෂණාගාර ක්රමවේදයන් යටතේ යම් තේරීමක් කිරීමට හෝ රටාවක් හඳුනාගැනීමට මාස ගණනක් ගතවිය හැකිය.
සාම්ප්රදායික විද්යාත්මක ක්රමවේදවල සීමා මායිම්
සාම්ප්රදායික විද්යාත්මක ක්රමවලදී මිනිස් ශ්රමය සහ කාලය විශාල වශයෙන් වැය වේ. උදාහරණයක් ලෙස, රසායනික සංයෝග දහස් ගණනක් අතුරින් නිවැරදි ඖෂධීය සංයෝගය තෝරාගැනීම යනු දැවැන්ත වෙහෙසක් ගෙනදෙන කාර්යයකි. එමෙන්ම මිනිස් මොළයට එකවර විශ්ලේෂණය කළ හැකි දත්ත ප්රමාණයේ ද යම් සීමාවක් පවතී.
AI තාක්ෂණය පර්යේෂණ ක්ෂේත්රයට පිවිසීම
යන්ත්ර ඉගෙනුම (Machine Learning) සහ ගැඹුරු ඉගෙනුම (Deep Learning) ඇල්ගොරිතම මගින් අතිවිශාල දත්ත රාශියක් අතර ඇති සූක්ෂ්ම රටාවන් තත්පර ගණනකින් හඳුනාගත හැක. මේ නිසා විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය යොදාගැනීම මගින් විද්යාඥයින්ට වඩාත් නිවැරදි උපකල්පන ගොඩනැගීමට අවස්ථාව සැලසී ඇත.
ඖෂධ නිෂ්පාදනය සහ ජෛව විද්යාවේ විශාල පිම්ම
ජෛව විද්යාව සහ වෛද්ය විද්යාව යනු කෘතිම බුද්ධිය මගින් වඩාත්ම බලපෑමක් එල්ල කර ඇති ක්ෂේත්ර දෙකකි. විශේෂයෙන්ම ප්රෝටීන් නමැති සංකීර්ණ අණු වල හැඩය සහ ක්රියාකාරිත්වය තේරුම් ගැනීම ජීව විද්යාවේ වසර 50 ක් පැරණි විශාල අභියෝගයක් විය.
AlphaFold සහ ප්රෝටීන් ව්යුහයන් හඳුනාගැනීම
Google DeepMind ආයතනය විසින් නිර්මාණය කරන ලද AlphaFold AI පද්ධතිය මගින් ප්රෝටීන මිලියන 200 කට අධික සංඛ්යාවක ත්රිමාණ ව්යුහය අනුමාන කිරීමට සමත් විය. විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය මගින් ලැබුණු විශාලතම දායකත්වය ලෙස මෙය සැලකෙන අතර, මීට පෙර එක් ප්රෝටීන් ව්යුහයක් සොයාගැනීමට විද්යාඥයන්ට වසර ගණනාවක් ගත විය.
රෝග සඳහා නව ඖෂධ නිපදවීම වේගවත් වීම
නව ඖෂධයක් වෙළඳපොළට පැමිණීමට සාමාන්යයෙන් වසර 10-15 අතර කාලයක් ගතවේ. නමුත් AI ආකෘති මගින්:
- අදාළ රෝගකාරක ප්රෝටීනයට බැඳෙන කුඩා අණු ක්ෂණිකව අනාවැකි පළ කරයි.
- අනවශ්ය අතුරු ආබාධ ඇතිවිය හැකි සංයෝග කලින්ම ඉවත් කරයි.
- සායනික පරීක්ෂණ (Clinical Trials) සඳහා සුදුසුම රෝගී කාණ්ඩ තෝරාගැනීමට සහාය වේ.
විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිත කිරීමෙන් පිරිවැය සහ කාලය විශාල ලෙස ඉතිරි වන අතර, පිළිකා සහ දුර්ලභ ජානමය රෝග සඳහා නව ඖෂධ සොයාගැනීම වේගවත් වී ඇත.
කෘතිම බැක්ටීරියා සෛලය: අජීවී ද්රව්ය වලින් ජීවය උපදවා ගැනීමේ නව විද්යාත්මක විප්ලවය
අභ්යවකාශ විද්යාව සහ තාරකා භෞතික විද්යාවේ භාවිතය
අභ්යවකාශ නිරීක්ෂණාගාර සහ දුරේක්ෂ මගින් දිනපතා ටෙරාබයිට් ගණනාවක දත්ත පෘථිවියට එවනු ලබයි. ජේම්ස් වෙබ් (James Webb) සහ හබල් (Hubble) වැනි අභ්යවකාශ දුරේක්ෂ මඟින් ලැබෙන මෙම දත්ත සියල්ල මිනිස් ඇසින් පරීක්ෂා කිරීම කළ නොහැක්කකි.
| කාර්යය | AI භාවිතයෙන් ලැබෙන වාසිය |
| බාහිර ග්රහලෝක හඳුනාගැනීම (Exoplanet Detection) | ආලෝක වක්රවල (Light curves) වෙනස්කම් ක්ෂණිකව හඳුනාගැනීම |
| මන්දාකිණි වර්ගීකරණය (Galaxy Classification) | අතිවිශාල පින්තූර ප්රමාණයක් තත්පර ගණනින් විශ්ලේෂණය කිරීම |
| Gravitational Lensing හඳුනාගැනීම | අඳුරු පදාර්ථය (Dark Matter) සිතියම්ගත කිරීම |
බාහිර ග්රහලෝක (Exoplanets) හඳුනාගැනීම
අපගේ සෞරග්රහ මණ්ඩලයෙන් පිටත පිහිටි ග්රහලෝක සොයාගැනීමේදී, තාරකාවක ආලෝකය ග්රහලෝකයක් මගින් ආවරණය වන විට සිදුවන ආලෝකයේ අඩුවීම නිරීක්ෂණය කරනු ලබයි. NASA ආයතනය විසින් Kepler සහ TESS දත්ත විශ්ලේෂණය කිරීමට AI ඇල්ගොරිතම යොදාගන්නා අතර, එමගින් මිනිස් නිරීක්ෂණයට හසුනොවන අතිසූක්ෂ්ම බාහිර ග්රහලෝක රැසක් සොයාගැනීමට හැකි වී ඇත.
මන්දාකිණි වර්ගීකරණය සහ අභ්යවකාශ දත්ත විශ්ලේෂණය
අභ්යවකාශ ක්ෂේත්රයේ විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය විශාල දත්ත රාශියක් ක්ෂණිකව විශ්ලේෂණය කිරීමට උපකාරී වේ. මන්දාකිණිවල හැඩය, ප්රමාණය සහ වයස අනුව ඒවා ස්වයංක්රීයව වර්ගීකරණය කිරීමට AI පද්ධතිවලට හැකියාව ඇත.
දේශගුණික විපර්යාස සහ පරිසර විද්යාත්මක අනාවැකි
පෘථිවියේ උෂ්ණත්වය ඉහළ යාම සහ අන්තගාමී කාලගුණික තත්ත්වයන් යනු වර්තමානයේ මානව වර්ගයා මුහුණ දෙන ප්රධානතම තර්ජනයකි. දේශගුණික ආකෘති නිර්මාණය කිරීම අතිශය සංකීර්ණ ගණිතමය ක්රියාවලියකි.
කාලගුණික ආකෘති සහ අන්තගාමී කාලගුණ අනාවැකි
සාම්ප්රදායික කාලගුණ අනාවැකි පළ කිරීමේ පද්ධතිවලට වඩා සිය ගුණයකින් වේගයෙන් සහ නිවැරදිව කාලගුණික වෙනස්කම් අනුමාන කිරීමට AI ආකෘතිවලට පුළුවන.
- චක්රවාත සහ සුළි සුළං ගමන් මග: චක්රවාතයක් නිර්මාණය වීමට දින කිහිපයකට පෙර එහි ගමන් මග නිවැරදිව අනාවැකි පළ කිරීම.
- ගංවතුර අනතුරු ඇඟවීම්: අධික වර්ෂාපතනය සහ ගංගාවල ජල මට්ටම මැන බලමින් ගංවතුර තත්ත්වයන් පිළිබඳ පූර්ව දැනුම්දීම් නිකුත් කිරීම.
- ලැව්ගිනි පැතිරීම: චන්ද්රිකා ඡායාරූප සහ සුළගේ වේගය විශ්ලේෂණය කරමින් ලැව්ගිනි පැතිර යා හැකි දිශාව අනුමාන කිරීම.
පරිසර පද්ධති රැකගැනීමේ විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය මගින් නිවැරදි කාලගුණ ආකෘති තැනීමට හැකි වී තිබීම මානව ජීවිත රැසක් බේරා ගැනීමට හේතු වී ඇත.
කාබන් විමෝචනය අවම කිරීමේ තාක්ෂණික විසඳුම්
කාර්මික ශාලාවල බලශක්ති භාවිතය ප්රශස්ත කිරීම සහ පුනර්ජනනීය බලශක්ති ප්රභවයන් (සූර්ය සහ සුළං බලශක්තිය) ජාතික විදුලි බලපද්ධතියට කාර්යක්ෂමව එකතු කිරීම සඳහා ද කෘතිම බුද්ධිය යොදා ගැනේ.
භෞතික විද්යාව සහ ද්රව්ය විද්යාව (Materials Science)
නවීන තාක්ෂණයේ දියුණුව උදෙසා නව ද්රව්ය (New Materials) සොයාගැනීම අත්යවශ්ය වේ. වඩාත් කාර්යක්ෂම සූර්ය පැනල, කල් පවතින බැටරි සහ සුපිරි සන්නායක (Superconductors) නිපදවීමට භෞතික විද්යාඥයෝ දැඩි උත්සාහයක නිරත වෙති.
නව ද්රව්ය සහ සුපිරි සන්නායක සොයාගැනීම
ද්රව්ය විද්යාවේදී සහ ක්වොන්ටම් ක්ෂේත්රයේ විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය යොදා ගැනීම නව සොයාගැනීම් වේගවත් කරයි. විද්යාඥයන් විසින් පරමාණුක මට්ටමින් විවිධ මූලද්රව්ය එකතු කළ විට ලැබෙන සංයෝගවල ගුණාංග පරීක්ෂා කිරීමට AI ආකෘති භාවිත කරයි.
- ක්ෂණික අනුකරණය (Simulation): පරීක්ෂණාගාරයේ ප්රායෝගිකව රසායනික ද්රව්ය මිශ්ර නොකර, පරිගණකය තුළ අනුකරණය කර ප්රතිඵල නිරීක්ෂණය කිරීම.
- නව බැටරි තාක්ෂණය: විද්යුත් වාහන සඳහා වඩාත් කල්පවතින සහ ඉක්මනින් ආරෝපණය වන ලිතියම්-අයන් අනුප්රාප්තික බැටරි නිෂ්පාදනයට අදාළ ද්රව්ය සොයාගැනීම.
ක්වොන්ටම් භෞතික විද්යාවේ ගැටලු විසඳීම
CERN හි පිහිටි විශාල හැඩ්රොන් ගැටුම්කාරකය (Large Hadron Collider – LHC) වැනි පරමාණුක පරීක්ෂණවලදී ජනනය වන අධික දත්ත සමුදාය අතුරින් උප-පරමාණුක අංශුවල හැසිරීම් සොයාගැනීමට AI බෙහෙවින් උපකාරී වේ.
විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිතයේ පවතින අභියෝග
කෘතිම බුද්ධිය මගින් විද්යාවට විශාල සේවයක් ඉටු කළද, විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිත කිරීමේදී අවධානය යොමු කළ යුතු අභියෝග කිහිපයක් ද පවතී.
වැදගත් සටහන: කෘතිම බුද්ධිය යනු විද්යාඥයාට උපකාර වන මෙවලමක් පමණි. එයට පූර්ණ ලෙස විද්යාත්මක සොයාගැනීමක වගකීම දැරීමට හෝ තර්කානුකූල මනුෂ්ය බුද්ධිය සම්පූර්ණයෙන්ම විස්ථාපනය කිරීමට නොහැක.
දත්තවල පවතින පක්ෂපාතීත්වය (Data Bias)
AI ආකෘතියක් පුහුණු කිරීමට ලබාදෙන දත්තවල දෝෂ හෝ පක්ෂපාතීත්වයක් පැවතුනහොත්, AI මගින් ලබාදෙන නිගමන ද සම්පූර්ණයෙන්ම වැරදි විය හැක. විද්යාත්මක පර්යේෂණයකදී මෙය අතිශය භයානක ප්රතිඵල ගෙනදිය හැකිය.
“Black Box” ගැටලුව සහ විද්යාත්මක පැහැදිලිභාවය
සමහර සංකීර්ණ AI ආකෘති යම් නිගමනයකට පැමිණියේ කෙසේදැයි විද්යාඥයන්ට පවා පැහැදිලි කිරීමට නොහැකි තත්ත්වයන් උදාවේ. විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය භාවිත කරන විට ප්රතිඵල ලැබෙන ආකාරය විනිවිදභාවයෙන් යුතුව තේරුම් ගැනීම අත්යවශ්ය වේ. මන්ද විද්යාවේදී ප්රතිඵලයට මෙන්ම එය සිදුවූ ආකාරය පැහැදිලි කිරීමටද එක හා සමාන වැදගත්කමක් හිමිවේ.
අනාගත විද්යාත්මක පර්යේෂණ සහ AI එකමුතුව
අනාගතයේදී විද්යාත්මක පර්යේෂණ සිදුකරන ආකාරය සම්පූර්ණයෙන්ම වෙනස් වනු ඇත. පරිගණක සහ AI තාක්ෂණය පර්යේෂණාගාරවල ස්වයංක්රීය මෙවලම් සමඟ සෘජුවම සම්බන්ධ වනු ඇත.
විද්යාඥයා සහ AI අතර සහජීවනය
අනාගතයේදී AI මගින් පර්යේෂණ සඳහා අලුත් උපකල්පන ඉදිරිපත් කිරීම, පරීක්ෂණ සැලසුම් කිරීම සහ දත්ත රූපමය ලෙස දක්වා වාර්තා සකස් කිරීම සිදුකරනු ඇත. විද්යාඥයාගේ කාර්යය වනුයේ එම ප්රතිඵල පරීක්ෂා කිරීම, සන්සන්දනය කිරීමයි.
එබැවින් විද්යාත්මක පර්යේෂණ සඳහා කෘතිම බුද්ධිය යනු විද්යාවේ අනාගතය හැඩගස්වන ප්රධානතම බලවේගයක් වන අතර, එමගින් මානව වර්ගයා මුහුණ දෙන සංකීර්ණතම ගැටලුවලට ඉක්මන් විසඳුම් සොයාගැනීමට හැකිවනු ඇත.
මූලාශ්ර:
- Nature Journal (AlphaFold Protein Structure Prediction):https://www.nature.com/articles/s41586-021-03819-2
- Science Journal (AI Applications in Scientific Discovery):https://www.science.org/journal/science
- NASA Goddard Space Flight Center (AI in Astronomy):https://www.nasa.gov/feature/goddard/2021/ai-helps-scientists-find-exoplanets/