لعبة تخيلية قبل أن نبدأ

خلّيني ألعب معك секунда.

تخيّل إن عندك مكتبة فيها أكتر من 100 مليون كتاب. وتبي تبحث عن ستة كتب بالذات فيها السر لصنع معدن خارق لمحركات الصواريخ. الشرط؟ ما تقدر تمرّ عليها كلها. كل كتاب يكلّفك مئات الدولارات، يحتاج أيام读完، وبعضها يحترق قبل ما تخلصه.

ممتع؟ لأ، مش بالضبط.

هذي بالضبط المهمة اللي researchers في جامعة Washington State University acababan de hacer — بس عندهم ذكاء اصطناعي في الفريق. وبصراحة، قصتهم أحلى من أي لعبة فزاعة أقدر اخترعها.

النجمة المعنّدة

خلّيني أعرّفك على GRCop-42. يبدو زي اسم روبوت من فيلم خيال علمي، صح؟ الحقيقة إنه سبيكة معدنية من النحاس والكروم والنيوبيوم — وNASA صنعته لأن المعادن العادية ما تتحمّل الحرارة.

هالمعدن يُستخدم في محركات الصواريخ، بالتحديد غرف الاحتراق حيث الوقود يحترق بدرجات حرارة خيالية. GRCop-42 يتحمّل هالحرارة وكمان يوزّعها بكفاءة، فـ火箭 ما تذوب نفسها. شغل مهم جداً.

المشكلة؟ طباعته بطابعات 3D صعب جداً. يحتاج ليزرات قوية وطاقة كثيرة — النوع اللي عنده بس شركات aerospace الكبرى ومختبرات البحث الرئيسية.

90% من طابعات 3D التجارية؟ ما تقدر تتعامل معه. ببساطة ما عندها القوة الكافية.

لحد الآن.

أسلوب "جرّب كل شي" ما راح ينفع

قبل ما نصل لـ AI السحري، خلّنا نحكي ليش هالمشكلة كانت صداع اصلي.

عشان تطبع معدن بـ 3D، لازم تضبط الإعدادات المثالية — قوة الليزر، السرعة، الحرارة، وعوامل ثانية كثيرة. لو غلطت في شي واحد، إما ما يصير شي، أو (بشكل درامي أكثر) كل الطباعة تذوب وتصير بركة.

الطريقة التقليدية؟ بس... جرّب كم مجموعة لحد ما شي ينجح.

يبدو معقول لحد ما تدرك إن فيه أكثر من 100 مليون خيار ممكن تجرّبهم. كل محاولة تكلّف مئات الدولارات، تحتاج وقت للتجهيز، وتطلب شخص يحلل النتائج بعناية. لو جرّبت خيار واحد كل يوم، راح تحتاج 274,000 سنة. مو مثالي.

"أحياناً كانوا يطبّعون تكوين معين، والمنتج كان يذوب حرفياً"، قالت عزة فاضل، طالبة دكتوراه اشتغلت على المشروع. "ما كان قابل للطباعة أصلاً، وحتى لو عندهم الوقت والمال، ما يقدرون يجرّبون الـ 100 مليون خيار."

أوي. هذا زي ما تحاول تلاقي حبة رمل معينة في شاطئ by picking them up واحد واحد.

دخول AI: الباحث الذكي

هنا اللي الفريق صار ذكي. بدل ما يدوّروا بشكل عشوائي، بنوا نظام AI يتعلّم من كل تجربة — حتى اللي تفشل.

فكّر فيه كذا: تخيّل تحاول تلاقي وصفة مثالية، بس بدل ما تتبع كل خطوة بشكل أعمى، الذكاء الاصطناعي يراقب وش يصير لما تغيّر كل مكوّن. يبدأ يتعلّم أي التركيبات تخلي things أفضل وأيها تخليها أسوأ.

الفريق بدأ بـ 37 تكوين كان فشل سابقاً. مش وفرة بيانات، بس كافي عشان AI يبدأ يخمّن بذكاء.

من هناك، AI كان يقترح مجموعات صغيرة من إعدادات جديدة يجرّبونها. وهنا الجزء الذكي: كان يوازن بين شيئين. أحياناً يختار إعدادات تبدو الأكثر احتمالاً تنجح بناءً على اللي تعلّمه. وأحياناً ثانية، يختار عمداً إعدادات مو متأكد منها — لأن هالتجارب "اللي ما ندري عنها" ممكن تعلّمه شي جديد وتجعل النموذج كله أذكى.

"كانوا يرجّعون لي النتائج، وأنا أحبها كلها — حتى لو فشلت — لأن كل نتيجة حسّنت نموذج الذكاء الاصطناعي"، قالت عزة.

هذا way جميل للتفكير في الفشل، بصراحة.

النهاية السعيدة: ستة فائزين

بعد 40 تجربة على مدى three months، الـ AI لقى ستة تكوينات ناجحة at different levels of laser power. واحد من هذي كان طباعة GRCop-42 باستخدام بس 500 watts من قوة الليزر — first time لهالسبيكة.

ستة نجاحات من 40 محاولة ممكن ما تبدو شي خيالي. بس تذكّر: كنا نبحث في 100 مليون possibility where successful configs are extremely rare. هذا زي ما تلاقي ست إبر في كومة قش بحجم دولة صغيرة، وتعمله وانت barely تحرّك القش.

وهنا الجزء المثير: هالنجاحات كانت at lower power levels. يعني هي متوافقة مع طابعات 3D التجارية اللي ما كانت تقدر تتعامل مع السبيكة قبل. الـ 90% اللي ما كانت تطبعه؟ now maybe يقدرون.

ليش هالمشكلة تهمنا beyond الصواريخ

خلّني أقولك، أنا شغوف بالفضاء، so طباعة أجزاء صواريخ شيء مثير أصلاً. بس researchers ما بيوقفون عند火箭.

هالأسلوب بـ AI could help مع مشاكل complex ثانية where فيه millions من possibilities يجرّبونها — مثل اكتشاف الأدوية، where العلماء يبحثون عن التركيبات الجزيئية الصحيحة عشان treats الأمراض.

نفس المنطق: بدل ما تحاول بكل قوة through كل خيار، استخدم AI عشان تبحث بشكل أذكى. هذا مو عن استبدال الإبداع البشري؛ هذا عن giving researchers بوصلة أفضل بكثير لما يستكشفون مساحات كبيرة ومربكة.

90% من الطابعات التجارية ما تقدر تطبع هالسبيكة، فبما أننا لقينا هالمعاملات القابلة للتطبيق، we're essentially democratizing طباعة هالسبيكة.

هالكلمة "democratizing" performs a lot of work here. لما بس المنظمات الضخمة بـمعدات بمليارات الدولارات يقدرون يصنعون شي، innovation يبطئ. لما المختبرات الصغيرة والجامعات والشركات الناشئة يقدرون يصلون لنفس المواد؟ فجأة، عندك lots more من العقول تشتغل على المشكلة.

رأيي

أنا أحب هالقصة لأنها تُظهر AI في أفضل حالاته: مو كبديل سحري للجهد البشري، but as a powerful أداة يخلي الجهد البشري counts فعلاً.

الباحثين ما "خلّوا AI يوصّلها". هم combined خبرتهم في المجال مع قدرة AI على البحث بكفاءة في مساحات ضخمة. هم فهموا إن حتى التجارب الفاشلة كانت valuable. هم عرفوا وش الأسئلة المهمة.

هذي future of AI in science، أعتقد — مو روبوتات تحتل المختبرات، but شراكات ذكية where الآلات تتعامل مع كوابيس التركيبة بينما البشر يركّزون على الشغل الإبداعي والتفسيري اللي فعلاً يحتاج مخ.

الآن بس أبي أعرف: وش الـ 100-million-option problem الجاي اللي ينتظر أحد يحلّه؟

المصدر: ScienceDaily