विज्ञान के लिए AI को केवल डेटा नहीं, तर्कशक्ति की जरूरत है

गूगल डीपमाइंड द्वारा विकसित अल्फाफोल्ड ने आधी सदी के प्रयासों के बाद प्रोटीन संरचना की भविष्यवाणी की समस्या को हल कर दिया, लेकिन इसकी सफलता को सक्षम बनाने वाली स्थितियाँ—विशाल प्रोटीन डेटा बैंक और विश्वसनीय प्रयोगात्मक डेटा—अधिकांश क्षेत्रों में दुर्लभ और दोहराने में महंगी हैं। इसके बजाय, बड़े भाषा मॉडल द्वारा संचालित एआई एजेंट, विज्ञान के लिए एक अधिक सामान्य उपकरण के रूप में उभर रहे हैं। गूगल के एआई को-साइंटिस्ट जैसे एजेंट तर्क कर सकते हैं, योजना बना सकते हैं और परिकल्पनाओं का परीक्षण कर सकते हैं; ऐसे एक एजेंट ने सही ढंग से अनुमान लगाया कि एंटीबायोटिक प्रतिरोध कैसे फैलता है, जो निष्कर्ष इंपीरियल कॉलेज के शोधकर्ताओं को एक दशक में मिला था। ये एजेंट हर क्रिया को लॉग कर सकते हैं, प्रजनन संकट (reproducibility crisis) को संबोधित कर सकते हैं, संस्थागत ज्ञान को सुरक्षित रख सकते हैं, और प्रयोग की लागत कम करके अनुसंधान को नाटकीय रूप से तेज कर सकते हैं। हालांकि मतिभ्रम (hallucination) और स्मृति सीमाएँ जैसी चुनौतियाँ बनी हुई हैं, एजेंट कलन (calculus) या कंप्यूटर के समान एक मौलिक बदलाव का प्रतिनिधित्व करते हैं, जो सभी क्षेत्रों में विज्ञान को बदल रहे हैं।