પ્રયોગશાળામાં પ્રવેશી ચૂક્યું છે : એક નવું મગજ

• ફયુચર સાયન્સ-કે.આર.ચૌધરી

એ ક કલ્પના કરો, પ્રયોગશાળામાં વિજ્ઞાની હવે પ્રયોગ કે ઉપકરણ ગોઠવતો નથી. તેના બદલે એક રોબોટ ઉપલબ્ધ જ્ઞાનમાંથી, પ્રશ્ન પસંદ કરે, સંભવિત જવાબની કલ્પના કરે, પ્રયોગ ગોઠવે અને પરિણામ મળ્યા પછી આગળનો પ્રશ્ન ઊભો કરે છે. વિજ્ઞાનના ઇતિહાસમાં કેટલીક ક્ષણો એવી હોય છે, જ્યારે કોઈ નવી શોધ માત્ર એક સમસ્યાનો ઉકેલ આપતી નથી, પરંતુ 'શોધ કોણ કરી શકે?' એવો મૂળભૂત પ્રશ્ન જ બદલી નાખે છે. લગભગ બે દાયકા પહેલાં બ્રિટનની એબરિસ્ટવિથ યુનિવર્સિટીમાં આવું જ કંઈક બન્યું હતું. 'એડમ' નામના રોબોટિક વિજ્ઞાનીએ યીસ્ટ સેકેરોમાઇસિસ સેરેવિસિએના જનીન વિજ્ઞાન અંગે પોતાની પૂર્વધારણાઓ ઘડી, પ્રયોગો રચ્યા, તેની ચકાસણી કરી, પરિણામોના આધારે નવી માહિતી રજૂ કરી હતી. એડમની મર્યાદાઓ હતી, છતાં વૈજ્ઞાનિક પ્રક્રિયાને સ્વયંસંચાલિત કરવાની તેની ક્ષમતા ઐતિહાસિક હતી. સદીઓ સુધી એક બાબત માનવકેન્દ્રિત રહી હતી. પ્રશ્ન માનવી પૂછે, પ્રયોગ માનવી ગોઠવે અને પરિણામનો અર્થ પણ માનવી જ કાઢે. ૨૦૦૯માં સાયન્સ જર્નલમાં પ્રકાશિત આ સંશોધનને માનવની સતત દખલ વિના વૈજ્ઞાનિક પ્રક્રિયાના અનેક તબક્કા હાથ ધરનાર મશીન તરીકે રજૂ કરવામાં આવ્યું હતું.

શું હવે વિજ્ઞાનીની જરૂર નહીં પડે?

૨૦મી સદીના ઉત્તરાર્ધમાં કમ્પ્યુટરો ગણતરી, આંકડાકીય વિશ્લેષણ અને વિશાળ ડેટાના સંચાલનમાં માનવ કરતાં અત્યંત ઝડપી બન્યા. છતાં શું શોધવું? તે નક્કી કરવાનું કામ વૈજ્ઞાનિકનું જ હતું. વિજ્ઞાનનો મૂળભૂત સ્વભાવ જ પુનરાવર્તિત પ્રક્રિયા છે : પ્રશ્ન, પૂર્વધારણા, પ્રયોગ, પરિણામ અને ફરી નવો પ્રશ્ન. ફ્રાન્સિસ બેકન, રેને દેકાર્ટ અને પછીના પ્રયોગવાદી વૈજ્ઞાનિકોએ આ વિચારને આગળ ધપાવ્યો હતો. આમ કમ્પ્યુટર શક્તિશાળી કેલ્ક્યુલેટર હતું, સહ-વિજ્ઞાની નહોતું. ૧૯૯૦ના દાયકાના અંતમાં એબરિસ્ટવિથ યુનિવર્સિટીના કમ્પ્યુટર વિજ્ઞાની રોસ કિંગ અને તેમના સહયોગીઓએ, આ સ્થિતિ બદલવાનો પ્રયાસ કર્યો. તેમનો પ્રશ્ન સીધો હતો: જો વૈજ્ઞાનિક સંશોધનની પ્રક્રિયાને નિયમો, કમ્પ્યુટર મોડેલ અને રોબોટિક સાધનોમાં વ્યક્ત કરી શકાય, તો શું યંત્ર પોતે પ્રયોગાત્મક વિજ્ઞાન કરી શકે? આ વિચારમાંથી 'રોબોટ સાયન્ટિસ્ટ' પ્રોજેક્ટ આગળ આવ્યો હતો.
એડમ માત્ર સ્વચાલિત રોબોટિક હાથોનો સમૂહ નહોતો. સામાન્ય ઓટોમેશનમાં, યંત્ર માનવી નક્કી કરેલા ક્રમ પ્રમાણે નમૂના ભરે, દ્રાવણ ઉમેરે અને માપ લે છે. તેને બૌદ્ધિક પ્રક્રિયાને પણ ઓટોમેટ કરવાની હતી. તે ઉપલબ્ધ જ્ઞાન પરથી પૂર્વધારણા બનાવતો, પ્રયોગ રચતો, પરિણામનું વિશ્લેષણ કરતો અને નવી પૂર્વધારણા તરફ આગળ વધતો હતો. તે માટે પસંદ કરાયેલ વિષય હતો : બેકર્સ યીસ્ટ- સેકેરોમાઇસિસ સેરેવિસિએ. ૨૦૦૯ના અભ્યાસમાં એડમે યીસ્ટના જનીનોના કાર્ય અંગે નવી પૂર્વધારણાઓ ઊભી કરી હતી. પ્રયોગોથી તેમની ચકાસણી કરી હતી. સંશોધકોએ માનવીય પ્રયોગોથી પણ તેના તારણોની પુષ્ટિ કરી હતી. જેથી વૈજ્ઞાનિક જ્ઞાન વધુ પુન:ઉત્પાદક અને પુન:ઉપયોગી બની શકે. એડમ પછી 'ઈવ' નામની બીજી રોબોટિક વૈજ્ઞાનિક પ્રણાલી વિકસાવવામાં આવી હતો. જેનો મુખ્ય હેતુ શરૂઆતના તબક્કાની નવી દવાની શોધ હતો. એટલે કે સ્વયંસંચાલિત વિજ્ઞાનનો વિચાર યીસ્ટના જનીનવિજ્ઞાનથી આગળ વધીને, રોગ અને સંભવિત સારવારની શોધ સુધી પહોંચ્યો હતો. આમ છતાં એડમ અને ઈવ સામાન્ય બુદ્ધિ ધરાવતા વિજ્ઞાનીઓ નહોતા. તેઓ નિશ્ચિત ક્ષેત્રમાં જ કામ કરી શકતા હતા.

એડમથી આગળ: કોણ કરશે શોધ?

૨૦૨૬માં નેચરમાં પ્રકાશિત 'રોબિન' નામની પ્રણાલીએ, આ દિશામાં વધુ આગળનું ઉદાહરણ આપ્યું છે. તેણે વૈજ્ઞાનિક સાહિત્યમાંથી માહિતી મેળવી, જૈવિક સંશોધન માટે પૂર્વધારણાઓ ઊભી કરી, પ્રયોગોની દિશા પસંદ કરી, લેબોરેટરીમાંથી મળેલા ડેટાનું વિશ્લેષણ કર્યું અને પરિણામના આધારે પૂર્વધારણા સુધારી આપી હતી. પરંતુ રોબિનને સંપૂર્ણ 'સ્વતંત્ર વિજ્ઞાની' કહેવો હજી વહેલું ગણાય. તેની કામગીરી લેબ-ઇન-ધ-લૂપ હતી. એટલે કે 'AI એ બૌદ્ધિક પ્રક્રિયાનો મોટો હિસ્સો સંભાળ્યો હોવા છતાં, વાસ્તવિક પ્રયોગો અને તેમની વૈજ્ઞાનિક માન્યતા માટે માનવ સંશોધન માળખું જરૂરી હતું.' 'ધ AI સાયન્ટિસ્ટ' નામની બીજી પ્રણાલીએ, કમ્પ્યુટર આધારિત મશીન-લર્નિંગ સંશોધનમાં વિચાર ઉત્પન્ન કરવાથી લઈને, કોડ લખવા, પ્રયોગ ચલાવવા, પરિણામનું વિશ્લેષણ કરવા, સંશોધનપત્ર તૈયાર કરવા અને સ્વચાલિત સમીક્ષા સુધીની પ્રક્રિયાને, એક પ્રવાહમાં જોડવાનો પ્રયાસ કર્યો છે. ૨૦૨૬ના નેચર અભ્યાસે દર્શાવ્યું કે આવી પ્રણાલીઓ સંશોધનના અંતથી અંત સુધીના કેટલાક તબક્કા સ્વચાલિત કરી શકે છે. - જોકે ગુણવત્તા, વિશ્વસનીયતા અને માનવીય મૂલ્યાંકનની જરૂરિયાત યથાવત્ છે. ૨૦૨૬ના અભ્યાસમાં એઆઈ એજન્ટે સિન્ક્રોટ્રોન એક્સ-રે બીમલાઇન પર, નમૂનાની ગોઠવણી માટે ક્રિયાઓનું આયોજન કર્યું હતું. તેણે સાધનો નિયંત્રિત કર્યા, અવલોકનોનું અર્થઘટન કર્યું અને અણધારી પરિસ્થિતિમાં પ્રક્રિયામાં ફેરફાર પણ કર્યો હતો. એટલે હવે એઆઈ માત્ર ડેટા વાંચનાર રહ્યું નથી. તે પ્રયોગાત્મક સાધનો સાથે સંવાદ કરનાર એજન્ટ બની રહ્યું છે. આજનું સાચું ચિત્ર એવું છે : એઆઈ શક્તિશાળી સહ-સંશોધક બની શકે છે. પરંતુ સંપૂર્ણ સ્વાયત્ત વિજ્ઞાની બની ગયું છે એવું કહેવું હજી યોગ્ય નથી! પ્રશ્ન હવે માત્ર ક્ષમતાનો નથી; વિશ્વસનીયતા, જવાબદારી અને વૈજ્ઞાનિક સર્જનાત્મકતાની વ્યાખ્યાનો પણ છે. ભવિષ્યમાં આ પરિવર્તનનો સૌથી મોટો લાભ કદાચ 'સમયનો બચાવ હશે.' AI જ્ઞાનભંડારમાંથી સંબંધો ઝડપથી શોધી શકે. વિચારથી પ્રયોગ સુધીનું અંતર ઘટાડી શકે છે. દવા-શોધ જેવા ક્ષેત્રોમાં આ ખાસ મહત્વનું બની શકે છે, જ્યાં સંભવિત ઉમેદવારોમાંથી યોગ્ય દિશા શોધવી જટિલ પ્રક્રિયા છે.

પ્રયોગશાળામાં એક નવું મગજ

આજે પ્રશ્ન 'યંત્ર પ્રયોગ કરી શકે?' એટલો નથી. પ્રશ્ન છે એ છે કે 'શું તે વૈજ્ઞાનિક વિચારની શરૂઆત પણ કરી શકે?' આ પરિવર્તનમાં ડેમિસ હસાબિસ, જોન જમ્પર અને ડેવિડ બેકરના કાર્યનું વિશેષ સ્થાન છે. ૨૦૨૦માં રજૂ થયેલી આલ્ફાફોલ્ડ ૨એ જાણીતા પ્રોટીનની રચનાત્મક આગાહીને મોટા પાયે શક્ય બનાવી હતી. ત્યારબાદ આલ્ફાફોલ્ડ ૩એ પ્રોટીન ઉપરાંત ડીએનએ, આરએનએ, નાના અણુઓ અને અન્ય જૈવઅણુઓ વચ્ચેના સંકુલોની રચનાની આગાહી કરવાની ક્ષમતા વિસ્તારી હતી.'
અહીં બેકરનો પ્રશ્ન જુદો હતો. અસ્તિત્વમાં રહેલા પ્રોટીનની રચના આગાહી કરવાને બદલે તેમણે પૂછયું, શું આપણે ઇચ્છીએ તેવું નવું પ્રોટીન બનાવી શકીએ? ૨૦૦૩માં તેમની ટીમે કમ્પ્યુટર આધારિત પદ્ધતિથી એવું નવું પ્રોટીન ડિઝાઇન કર્યું હતું. જે પ્રકૃતિમાં અગાઉ જાણીતા પ્રોટીનથી જુદું હતું. આ દિશાએ દવા, રસી, નેનો મટીરીઅલ્સ અને સેન્સર જેવી સંભવિત એપ્લિકેશનો માટે નવા પ્રોટીન ડિઝાઇન કરવાની શક્યતા ખોલી આપી હતી. ૨૦૨૪માં રસાયણશાસ્ત્રના નોબેલ પુરસ્કારમાં ડેમિસ હસાબિસ અને જોન જમ્પરને પ્રોટીનની રચનાની આગાહી માટે, જ્યારે ડેવિડ બેકરને પ્રોટીન ડિઝાઇન માટે સન્માનિત કરવામાં આવ્યા હતા.
ભૌતિકશાસ્ત્રના નોબેલ પુરસ્કારમાં જોન હોપફિલ્ડ અને જેફ્રી હિન્ટનને મશીન લર્નિંગના પાયાના વિકાસ માટે સન્માન મળ્યું હતું. આમ નોબેલ પુરસ્કારોના સ્તરે, એ.આઈ. આધારિત પરિવર્તનને માન્યતા મળી ગઈ છે. એટલે એઆઈ હવે માત્ર કમ્પ્યુટર વિજ્ઞાનની ટેકનોલોજી રહી નથી. તે આધુનિક વૈજ્ઞાનિક સંશોધનના કેન્દ્રમાં પ્રવેશી ચૂકી છે. ગૂગલના એઆઈ કો-સાયન્ટિસ્ટમાં જનરેશન, રિફ્લેક્શન, રેન્કિંગ, ઇવોલ્યુશન અને મેટા-રિવ્યૂ જેવા એજન્ટો એકબીજાના વિચારોની તપાસ અને સુધારણા કરે છે. જાણે એક જ સંશોધકને બદલે આખું સંશોધન મંડળ કામ કરી રહ્યું હોય તેવી સ્થિતિનું નિર્માણ થઇ રહયું છે. એક સંભાવના રજૂ કરે, બીજો પુરાવા શોધે, ત્રીજો નબળાઈ શોધે અને ચોથો વધુ સારો પ્રયોગ સૂચવે. આમ એ.આઈ. એક સંપૂર્ણ વિજ્ઞાનીની ભૂમિકા ભજવે છે.

વિજ્ઞાનનું નવું ચક્ર : માણસ, AI અને યંત્ર

એઆઈ સહકર્મચારી બનીને માનવીના ધ્યાનમાંથી છટકી ગયેલી સંભાવનાઓ તરફ ઈશારો કરી શકે છે. પરંતુ 'આ પ્રશ્ન વૈજ્ઞાનિક રીતે મહત્વનો છે કે નહીં?' એ નિર્ણય હજી માનવ સમાજના મૂલ્યો, જરૂરિયાતો અને પ્રાથમિકતાઓ સાથે જોડાયેલો છે. ભારત માટે પણ આ પરિવર્તન મહત્વનું બની શકે છે. વિશાળ વિજ્ઞાનીઓનું માનવબળ અને સંસ્થાઓ સાથે એઆઈ આધારિત, સ્વયંસંચાલિત પ્રયોગશાળાઓનું જવાબદારીપૂર્વક સંયોજન દવા-શોધ, નવી સામગ્રી, કૃષિ, ઊર્જા, જળ વ્યવસ્થાપન અને અવકાશવિજ્ઞાન જેવા ક્ષેત્રોમાં સંશોધનની ગતિ વધારી શકે છે. પરંતુ દરેક ક્રાંતિ સાથે છાયા પણ આવે છે. એઆઈ ખોટી પૂર્વધારણાને આત્મવિશ્વાસથી આગળ વધારે તો, હજારો કમ્પ્યુટેશનલ પ્રયોગો ઝડપથી ખોટી દિશામાં જઈ શકે છે. છતાં ભવિષ્યનું સૌથી યોગ્ય મોડેલ કદાચ 'માનવ વિરુદ્ધ એઆઈ' નહીં, પરંતુ 'માનવ + એઆઈ + રોબોટિક પ્રયોગશાળા' હશે.
જો એક દિવસ એઆઈ પોતે જ પ્રશ્ન પસંદ કરવા લાગે, પોતાના પ્રયોગો ગોઠવે, નિષ્ફળ પ્રયોગમાંથી શીખે અને નવા સિદ્ધાંતો રજૂ કરે, તો 'વિજ્ઞાની' શબ્દની આપણી પરંપરાગત વ્યાખ્યા બદલવી પડશે. એ દિવસ ક્યારે આવશે? તે કોઈ વિશ્વસનીય રીતે કહી શકતું નથી. એટલું ચોક્કસ કે તે દિશામાં પ્રથમ પગલાં પડી ચૂક્યાં છે. હવે વિચારશીલ મનુષ્ય માટે નવાં પ્રશ્નો ઉભા થઇ ચુક્યા છે! શું એઆઈ માત્ર વિજ્ઞાનીનું શક્તિશાળી સાધન રહેશે? કે ખરેખર સ્વતંત્ર વિજ્ઞાની તરીકે માન્યતા મેળવશે? જો કોઈ એઆઈ એવી નવી વૈજ્ઞાનિક શોધ કરે, જેને માનવી શરૂઆતમાં સમજી પણ ન શકે, તો તે શોધનું શ્રેય કોને આપવું જોઈએ? જો ભવિષ્યમાં વિજ્ઞાનની ગતિ, માનવીય સમજણ કરતાં ઘણી ઝડપથી આગળ વધી જાય, તો શું આપણે તે ગતિને અનુસરવા તૈયાર છીએ? એડમથી શરૂ થયેલી સફર હજુ પૂર્ણ થઈ નથી. પરંતુ હવે યંત્ર અને એ.આઈ.એ માત્ર દરવાજો માત્ર ખખડાવ્યો નથી. તેણે પ્રવેશ દ્વારની અંદર પ્રવેશવાનો રસ્તો શોધવાનું શરૂ કરી દીધું છે.