قدم دیگری در مسیر ساخت نانوروبات هوشمند

سایت NBIC- بیوفیزیکدانان قدم کوچک دیگری در مسیر ارائه یک سیستم هوشمند خودکار موسوم به دانشمند روبات، برداشته‌اند. این روبات می تواند برای بررسی و مطالعه مسائل پزشکی و نجوم مورد استفاده قرار گیرد.

به گزارش سایت فناوری های همگرا (NBIC) ایلیا نمنمان، پروفسور فیزیک و زیست شناسی دانشگاه اموری (Emory University) می‌گوید: «الگوریتم ما قدم کوچکی در مسیر تولید ربات دانشمند است. این الگوریتم می‌تواند به عنوان یک نمونه‌ی اسباب بازی از یک دانشمند روبات درنظر گرفته شود، اما حتی در این صورت هم می‌تواند کاربردهایی داشته باشد. ما برای نخستین بار به یک کامپیوتر آموزش داده‌ایم چگونه به صورت موثر به دنبال قوانینی بگردد که به صورت تصادفی در سیستم‌های دینامیک طبیعی، از جمله سیستم‌های زیستی پیچیده و غیرخطی، وجود دارند.»
هرآنچه که درون و پیرامون ما در حال تغییر است –از حرکت تقریبا ساده‌ی اجرام آسمانی تا آب هوا و فرآیندهای پیچیده‌ی زیستی- یک سیستم پویا به حساب می‌آید. قسمت اعظم علم روی قوانینی از طبیعت گمانه‌زنی می‌کند که در این سیستم‌ها وجود دارد و سپس آن معادلات و پیش‌بینی‌ها را از طریق آزمایشاتی مورد سنجش قرار می‌دهد.
در تحقیق قبلی، جان ویکسو، بیوفیزیک‌دان دانشگاه واندربیلت (Vanderbilt University) به همراه همکارانش در دانشگاه کرنل (Cornell University)، از سیستمی نرم‌افزاری استفاده کردند تا فرآیند علمی سیستم‌های زیستی را خودکار سازند. ویسکو می‌گوید: «ما در این پروژه قصد داشتیم مدلی برای رفتار سلول ارائه کنیم، اما این روش پیچیده و کند است. این روش نمی‌تواند به سیستم‌های پیچیده‌تر تعمیم داده شود. این الگوریتم جدید سرعت محاسبات را تا ۱۰۰ برابر افزایش می‌دهد و با ایجاد روشی مناسب، مدل‌هایی مؤثر و فشرده را به‌وجود می‌آورد که پیش‌بینی و کنترل سیستم‌های پیچیده را ممکن می‌سازد.»
نمنمان و دانییلز (Daniels) الگوریتم جدیدشان را “Sir Isaac” نامیدند.
برای سنجش این الگوریتم، نمنمان و دانییلز، با ایجاد مسیرهایی عددی برای سیارات و شهاب‌هایی که دور خورشید حرکت می‌کنند، یک مدل مصنوعی منظومه‌ی شمسی تهیه کردند. در این منظومه شمسی ساده شده، فقط خورشید سیارات و شهاب‌ها را جذب می‌کند. «ما به الگوریتمان یاد دادیم چطور بین قوانین جست‌و‌جو کند. این قوانین باید در حد عملی بودن، محدود باشند ولی در عین حال آنقدر انعطاف‌پذیر بوده که قادر به توضیح پویایی‌های مختلف باشند.»
نمنمان میافزاید: « چند خط سیر نجومی شبیه سازی شده در اختیار الگوریتم قرار دادیم و از آن پرسیدیم چه چیزی سیارات را وادار به حرکت می‌کند. الگوریتم در پاسخ نیروی جاذبه‌ی جهانی را ارائه کرد. این مقدار کاملا دقیق نبود ولی از دقت خوبی برخوردار بود و تنها چند درصد خطا داشتیم. الگوریتم همچینین دریافت که نیرو، سرعت را تغییر می‌دهد و مستقیما مکان را تحت تاثیر قرار نمی‌دهد.» نمنمان می‌گوید: «این امر قانون اول نیوتون را بیان می‌کند.»
یکی از محدودیت‌های این الگوریتم، عدم دقت صد درصد آن است. با این وجود، دست‌یابی به مدلی تقریبی هم مفید است البته تا جایی که این تقریب آنقدر نزدیک باشد که بتوان پیش بینی‌های خوبی به عمل آورد. نمنمان معتقد است: «قوانین نیوتون هم تقریبی بودند ولی تا ۳۵۰ سال بسیار مفید واقع شدند و ما هنوز برای کنترل همه چیز، از میکروسکوپ الکترونی گرفته تا موشک‌ها، از آنها استفاده می‌کنیم.»
دست یابی به تفسیر دقیق یک سیستم پویا، به اطلاعات زیادی نیاز دارد. وی افزود: «در مقابل، می‌توانیم با این الگوریتم و با استفاده از اندازه‌گیری‌های محدودی از یک سیستم، به تفسیری تقریبی برسیم. این امر روش ما را کاربردی می‌کند.» به گفته‌ی دانشمندان با استفاده از این الگوریتم به عنوان مثال می‌توان به دینامیک یک گیرنده‌ی ایمنی لولکوسیت دست پیدا کرد. این گونه مدل‌ها می‌تواند به فهم بهتر پاسخ به یک عفونت یا دارو منجر شود. در حال حاضر محققان و همکارانشان درصدداند دریابند که آیا این الگوریتم می‌تواند فرآیندهای زیستی پیچیده تر را، مانند دینامیک ترشح انسولین در پانکراس و ارتباط آن به بروز بیماری مانند دیابت، مدل‌سازی کند یا خیر.
نمنمان معتقد است: «بینش یک مغز نابغه مانند مغز ایزاک نیوتون، همان موردی است که هوش انسان را از قوی‌ترین کامپیوترها و الگوریتم‌ها متمایز می‌کند. ما نمی‌توانیم ماشین‌ها را به “شهود” مجهز کنیم –حداقل در حال حاضر. امیدواریم بتوانیم با الگوریتم کامپیوتری‌مان مدل‌هایی از پدیده‌های مختلف به دست آوریم تا ما دانشمندان بتوانیم با بهره‌گیری از این الگوریتم‌ها به همراه بینش خود، آنها را عمومیت دهیم. تعمیم مسائل از مدل‌های یک سیستم خاص، ساده‌تر از تعمیم دادن مستقیم از داده‌های مختلف است.»