آیا هوش مصنوعی می‌تواند فرآیند علمی را سرعت ببخشد؟ به نظر می‌رسد مایکروسافت چنین باوری دارد.
در کنفرانس Build 2025 که روز دوشنبه برگزار شد، مایکروسافت از Microsoft Discovery رونمایی کرد — پلتفرمی که از هوش مصنوعی عامل‌محور (Agentic AI) برای «دگرگون‌سازی فرآیند کشف علمی» استفاده می‌کند، به گفته بیانیه‌ای که برای TechCrunch ارسال شده است. مایکروسافت می‌گوید این پلتفرم «قابل توسعه» است و می‌تواند برخی از وظایف علمی را به‌صورت «کامل و یکپارچه» انجام دهد.
در این بیانیه آمده است:
«Microsoft Discovery یک پلتفرم عامل‌محور برای سازمان‌هاست که به تسریع پژوهش و کشف علمی کمک می‌کند. این پلتفرم با استفاده از هوش مصنوعی عامل‌محور، کل فرآیند کشف — از استنتاج دانش علمی و تدوین فرضیه گرفته تا تولید گزینه‌های تحقیقاتی، شبیه‌سازی و تحلیل — را متحول می‌کند. دانشمندان می‌توانند با یک تیم از ایجنت‌های هوش مصنوعی تخصصی همکاری کنند تا نتایج علمی را با سرعت، مقیاس‌پذیری و دقت بیشتر، با بهره‌گیری از آخرین نوآوری‌ها در هوش مصنوعی و ابررایانه‌ها، پیش ببرند.»
مایکروسافت تنها شرکتی نیست که به آینده هوش مصنوعی در علم خوش‌بین است. اوایل امسال، گوگل از ابزاری با عنوان «همکار علمی هوش مصنوعی» رونمایی کرد که به گفته این شرکت می‌تواند به پژوهشگران در تدوین فرضیات و برنامه‌ریزی پژوهش کمک کند. همچنین شرکت‌هایی مانند Anthropic، OpenAI، FutureHouse و Lila Sciences نیز مدعی‌اند که ابزارهای هوش مصنوعی می‌توانند روند کشفیات علمی را — به‌ویژه در حوزه پزشکی — به‌طور چشمگیری تسریع کنند.
با این حال، بسیاری از پژوهشگران هنوز هوش مصنوعی امروزی را ابزاری قابل اتکا برای هدایت فرآیند علمی نمی‌دانند. علت اصلی، بی‌اعتمادی به قابلیت اطمینان این فناوری است.
یکی از چالش‌های کلیدی در توسعه «دانشمند هوش مصنوعی» پیش‌بینی عوامل پیچیده و ناشناخته‌ای است که می‌توانند نتایج پژوهش را تحت تأثیر قرار دهند. گرچه هوش مصنوعی در زمینه‌هایی که نیاز به بررسی طیف گسترده‌ای از گزینه‌هاست (مانند کاهش فضای جستجوی فرضیات) مفید واقع می‌شود، اما مشخص نیست که آیا واقعاً می‌تواند آن نوع از حل مسئله خلاقانه و متفاوت را انجام دهد که منجر به کشفیات واقعی و اصیل می‌شود یا خیر.
تا اینجا، نتایج سیستم‌های هوش مصنوعی طراحی‌شده برای علم اکثراً ناامیدکننده بوده‌اند.
در سال ۲۰۲۳، گوگل ادعا کرد که با کمک یکی از مدل‌های هوش مصنوعی‌اش به نام GNoME حدود ۴۰ ماده جدید سنتز شده‌اند. اما یک بررسی مستقل نشان داد هیچ‌کدام از این مواد واقعاً جدید نبوده‌اند. از سوی دیگر، چند شرکت فعال در زمینه کشف دارو با هوش مصنوعی، مانند Exscientia و BenevolentAI، با شکست‌های پر سر و صدا در آزمایش‌های بالینی مواجه شده‌اند.