The Economist: Dapatkah AI mengubah cara penelitian ilmiah dilakukan?

Kecerdasan buatan (AI) membentuk bidang sains dengan cara yang belum pernah terjadi sebelumnya. **Dari mempercepat proses penelitian hingga menghasilkan hipotesis penelitian baru, penambahan AI membawa potensi besar bagi sains. **

Awal tahun ini, Yann LeCun, salah satu bapak baptis AI modern, mengatakan: “Dengan meningkatkan kecerdasan manusia, AI dapat memicu kebangkitan baru, mungkin tahap baru Pencerahan.”

Saat ini, AI sudah dapat membuat beberapa proses ilmiah yang ada menjadi lebih cepat dan efisien, seperti menemukan antibiotik baru, bahan baru untuk baterai dan panel surya, serta memprediksi cuaca jangka pendek, mengendalikan fusi nuklir, dan banyak lagi. Demis Hassabis, CEO Google DeepMind, membandingkan AI dengan teleskop dan percaya bahwa "AI dapat membawa kebangkitan penemuan-penemuan baru dan menjadi pengganda kebijaksanaan manusia."

Namun, bisakah AI berbuat lebih banyak dengan mengubah cara kerja sains?

Penemuan berbasis literatur: AI memimpin penemuan pengetahuan ilmiah

Sebenarnya pergeseran ini sudah pernah terjadi sebelumnya.

Dengan munculnya metode ilmiah pada abad ke-17, para peneliti mulai lebih mempercayai pengamatan eksperimental dan teori-teori yang diturunkan darinya daripada kebijaksanaan konvensional zaman dahulu. Pendirian laboratorium penelitian pada akhir abad ke-19 mendorong inovasi di berbagai bidang mulai dari kimia, semikonduktor, hingga farmasi. Pergeseran ini tidak hanya meningkatkan produktivitas ilmiah, namun juga mentransformasi sains itu sendiri, membuka bidang penelitian dan penemuan baru.

Jadi bagaimana AI bisa mencapai transformasi serupa pada saat itu, tidak hanya dalam menghasilkan hasil baru, namun juga dengan cara baru untuk menghasilkan hasil baru?

**Salah satu pendekatan yang menjanjikan adalah penemuan berbasis literatur (LBD). **

Sebagai metode AI, LBD bertujuan untuk membuat penemuan baru dengan menganalisis literatur ilmiah. Pada awal tahun 1980-an, Dr. Don Swanson dari Universitas Chicago mendirikan sistem LBD pertama untuk menemukan asosiasi baru dalam database jurnal medis MEDLINE. Salah satu keberhasilan awal dari pendekatan ini adalah dalam menghubungkan penyakit Raynaud, penyakit peredaran darah, dengan kekentalan darah, yang mengarah pada hipotesis bahwa minyak ikan mungkin berguna dalam pengobatan, sebuah hipotesis yang kemudian dikonfirmasi secara eksperimental. Namun jangkauan sistem LBD pada saat itu masih terbatas.

Saat ini, AI telah mencapai kemajuan yang signifikan dalam pemrosesan bahasa alami (NLP), dan jumlah literatur ilmiah juga meningkat secara signifikan, menjadikan metode LBD semakin canggih. Misalnya, pada tahun 2019, para peneliti di Lawrence Berkeley National Laboratory di Amerika Serikat menggunakan teknik pembelajaran tanpa pengawasan untuk menganalisis abstrak literatur ilmu material dan mengubahnya menjadi representasi matematika yang disebut "word embeddings". Pendekatan ini memungkinkan sistem AI memperoleh "intuisi kimiawi" dan menyarankan material baru yang mungkin memiliki sifat tertentu. Setelah verifikasi eksperimental, sepuluh materi kandidat teratas menunjukkan kinerja yang sangat baik.

Sebuah makalah baru-baru ini yang diterbitkan dalam Nature Human Behavior oleh sosiolog Universitas Chicago Jamshid Sourati dan James Evans memperluas pendekatan ini dengan cara yang baru. Peneliti melatih sistem untuk mempertimbangkan konsep dan penulis dan mencapai hasil yang lebih baik dari sebelumnya. Selain itu, hal ini mengharuskan sistem untuk menghindari arahan penelitian arus utama dan mengidentifikasi hipotesis "asing" yang tidak mungkin ditemukan dalam keadaan normal. Pendekatan ini tidak hanya membantu mempercepat penemuan ilmiah, namun juga mengungkap “titik buta” baru.

Saat ini, sistem LBD tidak hanya dapat menghasilkan hipotesis penelitian baru tetapi juga mengidentifikasi mitra potensial dan memfasilitasi kolaborasi antardisiplin. Penerapan metode ini diperluas untuk menangani berbagai jenis dokumen seperti tabel, bagan, dan gambar, sehingga memberikan dukungan yang lebih luas kepada para ilmuwan.

Ilmuwan Robotik: AI Memimpin Revolusi Laboratorium

**Ilmuwan robotik mewakili perkembangan menarik lainnya di luar otomatisasi laboratorium tradisional. **Mereka memperoleh latar belakang pengetahuan tentang bidang penelitian tertentu dalam bentuk data, makalah penelitian, dan paten, kemudian menghasilkan hipotesis, melakukan eksperimen, mengevaluasi hasil, dan pada akhirnya menemukan pengetahuan ilmiah baru.

"Adam" di Universitas Aberystwyth adalah pelopor ilmuwan robotik. Ia telah mencapai penemuan independen pertama atas pengetahuan ilmiah baru. Eksperimen tentang hubungan antara gen dan enzim dalam metabolisme ragi adalah kasus yang umum.

Ilmuwan robotik yang lebih canggih, seperti "Eve", menggunakan pembelajaran mesin untuk menciptakan "hubungan struktur-aktivitas kuantitatif" (QSAR) — model matematika yang menghubungkan struktur kimia dengan efek biologis — saat mereka merencanakan dan menganalisis eksperimen. Eve telah digunakan dalam penemuan obat, dan berhasil menemukan bahwa triclosan, senyawa antimikroba yang digunakan dalam pasta gigi, menghambat mekanisme utama parasit penyebab malaria.

Pada suatu waktu, prospek mesin untuk mengalahkan pemain manusia terbaik tampaknya masih ada beberapa dekade lagi, namun teknologi berkembang lebih cepat dari yang diperkirakan. Ketika para ilmuwan robotik menjadi semakin mampu, akan ada kemungkinan untuk mengadu ilmuwan robotik masa depan dengan sistem AI yang dapat bermain catur.

Ross King, peneliti AI di Universitas Cambridge yang menciptakan Adam, berkata, “Jika AI dapat menjelajahi seluruh ruang hipotesis, atau bahkan memperluas ruang ini, maka hal itu mungkin menunjukkan bahwa manusia hanya menjelajahi sebagian kecil dari ruang hipotesis, mungkin karena bias ilmiah mereka sendiri.."

Ilmuwan robot telah mengubah penelitian ilmiah dengan cara yang unik dengan memecahkan masalah efisiensi di bidang ilmiah. Efisiensi penelitian ilmiah secara bertahap menurun dan sulit untuk mendorong pengembangan ilmu pengetahuan.Ilmuwan robot dapat memecahkan masalah ini melalui sistem yang digerakkan oleh AI, karena mesin dapat melakukan pekerjaan laboratorium lebih cepat, lebih murah, dan lebih akurat dibandingkan manusia, dan dapat bekerja sepanjang waktu. Selain itu, mereka dapat memberikan hasil eksperimen yang dapat direproduksi dan meringankan krisis reproduktifitas.

Potensi dan tantangan AI dalam sains

**Meskipun AI memiliki potensi besar dalam sains, AI juga menghadapi beberapa tantangan. **

Selain perangkat keras dan perangkat lunak yang lebih baik serta integrasi yang lebih erat antara keduanya, interoperabilitas yang lebih besar antara sistem otomasi laboratorium juga diperlukan, serta standar umum yang memungkinkan algoritme AI untuk bertukar dan menafsirkan informasi semantik. Kendala lainnya adalah kurangnya pemahaman para ilmuwan terhadap alat berbasis AI. Selain itu, beberapa peneliti khawatir bahwa otomatisasi akan mengancam pekerjaan mereka.

Namun, dampak AI kini “meluas dan meluas,” kata Dr. Yolanda Gil, ilmuwan komputer di University of Southern California. Banyak ilmuwan kini "secara aktif mencari mitra AI". Kesadaran akan potensi AI semakin meningkat, terutama di bidang ilmu material dan penemuan obat, di mana para praktisi membangun sistem AI mereka sendiri.

Secara keseluruhan, jurnal ilmiah telah mengubah cara para ilmuwan menemukan informasi dan belajar satu sama lain. Laboratorium penelitian telah memperluas skala eksperimen dan mewujudkan industrialisasi eksperimen. Dengan memperluas dan menggabungkan dua revolusi pertama, AI memang dapat mengubah cara penelitian ilmiah dilakukan.

Tautan referensi: