عدد اليوم
طوّر مهندسون من جامعة بنسلفانيا طريقة جديدة لاستخدام الذكاء الاصطناعي في حل المعادلات التفاضلية الجزئية العكسية "PDEs"، وهي فئة من مسائل الرياضيات بالغة التعقيد، قد تُفيد في مجالات متنوعة مثل علم الوراثة والتنبؤ بالطقس.
وقد أطلق الباحثون على هذا التطور، الذي نُشرت تفاصيله في مجلة "Transactions on Machine Learning Research"، اسم "Mollifier Layers".
وقال فيفيك شينوي، المؤلف الرئيسي للدراسة: "حل هذه المسائل يشبه النظر إلى تموجات بركة ماء والعمل بشكل عكسي لمعرفة أين سقط الحجر. يمكنك رؤية التأثيرات بوضوح، لكن التحدي الحقيقي هو استنتاج السبب الخفي".
اقرأ أيضاً.. نموذج ذكاء اصطناعي يكشف اضطراباً خفياً يعاني منه ملايين الأطفال
أهمية المعادلات
المعادلات التفاضلية أدوات رياضيات تُساعد العلماء على نمذجة كيفية تطور الأنظمة، كنمو التعداد السكاني أو انتشار الحرارة أو تطور التفاعلات الكيميائية.
والمعادلات الجزئية منها تتناول أنظمة أكثر تعقيداً تصف التغير عبر المكان والزمان معاً، وتُستخدم في نمذجة ظواهر كأنظمة الطقس وتنظيم الحمض النووي داخل الخلايا.
والنوع العكسي من هذه المعادلات يطرح سؤالاً أصعب: بدلاً من استخدام قواعد معروفة للتنبؤ بسلوك نظام ما، يعمل العلماء بشكل عكسي انطلاقاً مما يُلاحَظ لاستنتاج القوى والعوامل الخفية التي أنتجته.
رياضيات الذكاء الاصطناعي
اعتمدت أنظمة الذكاء الاصطناعي تقليدياً على أساليب رياضيات متكررة لحل هذه المعادلات، وهو ما يشبه التكبير المتكرر على منحدر خط متعرج؛ كل خطوة إضافية تُضخّم الأخطاء في البيانات وتجعل النتيجة أقل موثوقية، فضلاً عن استنزاف هائل لطاقة الحوسبة.
وقال فيناياك فيناياك، مؤلف مشارك في البحث: "الذكاء الاصطناعي الحديث كثيراً ما يتقدم عبر توسيع نطاق الحوسبة، لكن بعض التحديات العلمية تستلزم رياضيات أفضل لا حوسبة أكثر".
.. الذكاء الاصطناعي يكتشف أخطر أنواع السرطان قبل ظهوره بسنوات
تنعيم البيانات
في أربعينيات القرن الماضي، طوّر عالم الرياضيات الألماني الأميركي كورت أوتو فريدريكس أدوات تعمل على تنعيم البيانات غير المنتظمة والمشوشة قبل قياسها.
واستلهم الفريق البحثي من هذه الفكرة لتطوير طريقة تُنعّم البيانات قبل معالجتها، مما أدى إلى تقليص كبير في الأخطاء واستهلاك الطاقة الحسابية.
وقال أناني بهارتاري، المؤلف المشارك في الدراسة: "اعتقدنا في البداية أن المشكلة تتعلق ببنية النظام، لكننا أدركنا في نهاية المطاف أن العائق كان الأسلوب المستخدم ذاته".
تطبيق في علم الجينات
أحد أبرز التطبيقات الفورية لهذا الاكتشاف هو فهم كيفية تنظيم الكروماتين، وهو مزيج البروتينات والحمض النووي الذي يُنظّم الكروموسومات داخل الخلايا، للوصول إلى المادة الجينية.
وأكد شينوي أن "هذه النطاقات لا يتجاوز حجمها 100 نانومتر، لكن لأن إمكانية الوصول إليها تُحدد نشاط الجينات التي تتحكم في هوية الخلية ووظيفتها وشيخوختها وأمراضها، فإن لهذه النطاقات دوراً محورياً في الصحة والمرض".
بدوره، أضاف فيناياك: "إذا تمكنا من تتبع هذه التغيرات خلال الشيخوخة أو السرطان أو النمو، فهذا يُتيح إمكانية علاجات جديدة تُعيد توجيه الخلايا نحو حالتها الطبيعية السليمة".
.. عن ماذا يسأل الناس الذكاء الاصطناعي بشأن صحتهم؟
آفاق مستقبلية
يرى الفريق البحثي أن هذه الطريقة قد تُفيد أيضاً في علوم المواد وميكانيكا الموائع وغيرها من المجالات التي تنطوي على بيانات معقدة وغير منتظمة.
وختم شينوي بقوله: "الهدف في نهاية المطاف هو الانتقال من مجرد ملاحظة الأنماط المعقدة إلى الكشف عن القواعد التي تُولّدها. وإن فُهمت القواعد التي تحكم نظاماً ما، أصبح بالإمكان تغييره".
أمجد الأمين (أبوظبي)
