Kwa nini ukurasa huu unasomeka tofauti
Sehemu kubwa ya mwongozo huu imejengwa juu ya kutokuwa na uhakika, hatari, na mapengo ya kweli katika kile kinachoweza kuthibitishwa. Ukurasa huu ni tofauti: unakusanya matokeo ya kisayansi yaliyoongozwa na AI ambayo yana tarehe, yanayoweza kuthibitishwa, na katika hali moja tayari yanabeba Tuzo ya Nobel—lakini programu ile ile ya utafiti iliyozalisha mbinu hiyo iliyoshinda Nobel pia ilizalisha makala ya Nature iliyorekebishwa rasmi na chombo cha uchunguzi kilichofanya kazi vizuri kwenye maabara na kikayumbayumba katika kliniki halisi. Kushikilia ukweli wote wawili kwa pamoja—mafanikio halisi na udai uliozidi kiwango halisi, kutoka maabara ile ile, wakati mwingine mwaka ule ule—ndio lengo la ukurasa huu, wala si mkanganyiko wa kutatua.
Kila kilichoelezwa hapa chini kinahusu ujifunzaji wa mashine finyu, maalum kwa kazi, uliotumika kwa tatizo la kisayansi au la kitiba, wala si AGI. Kwamba mfumo fulani wa jumla wa siku zijazo utaharakisha sayansi yote kwa wakati mmoja ni hali dhahania, iliyoshughulikiwa katika manufaa ya AI na gharama za fursa za kuchelewesha; ukurasa huu unabaki na kile ambacho tayari kimetolewa, kimechapishwa, au kimepitiwa na wenzake.
Miundo ya protini, iliyotatuliwa: AlphaFold na Tuzo ya Nobel ya 2024
Kesi iliyo wazi zaidi ni utabiri wa muundo wa protini. Mnamo Oktoba 2024 Chuo cha Kifalme cha Uswidi cha Sayansi kilitoa Tuzo ya Nobel ya Kemia kwa pamoja kwa Demis Hassabis na John Jumper wa Google DeepMind, “kwa utabiri wa muundo wa protini,” na kwa David Baker wa Chuo Kikuu cha Washington, kwa ubunifu wa protini unaotegemea kikokotoo (NobelPrize.org, Oktoba 9, 2024)—heshima ya juu zaidi katika taaluma hiyo, miaka minne baada ya matokeo asilia ya AlphaFold2 ya 2020 na yaliyothibitishwa na taaluma iliyotumia miaka hiyo kutumia zana hiyo kwa kweli: inaripotiwa kuwa zaidi ya watafiti milioni mbili katika nchi 190, wakitabiri miundo kwa karibu protini zote milioni 200 zinazojulikana kwa usahihi unaokaribia mbinu za kimajaribio kwenye malengo magumu (Nature News, Oktoba 9, 2024).
Kutoka muundo hadi dawa: Isomorphic Labs, bado katika mfululizo
Kazi ya DeepMind ya kukunja protini ilizalisha Isomorphic Labs, iliyojengwa kubeba utabiri wa muundo hadi ugunduzi wa dawa. Mnamo Januari 2024 ilisaini mikataba na Eli Lilly na Novartis yenye thamani ya jumla ya takriban dola bilioni 3 katika malipo yanayowezekana, ikilenga malengo ya molekuli ndogo “yasiyoweza kudawishwa” (TechCrunch, Januari 7, 2024). Kufikia mwanzoni mwa 2026, uripoti wa upili ulielezea ushirikiano huo kuwa umezalisha wagombea kadhaa wa kabla-ya-kliniki—bado miaka kadhaa mbali na jaribio la kliniki, achilia mbali dawa iliyoidhinishwa. Hakuna dawa kutoka ushirikiano huu iliyoingia majaribio ya binadamu kufikia wakati wa kuandika huku.
AlphaFold iliharakisha hatua moja katika mfululizo mrefu; haijaonyeshwa kuharakisha matokeo ya mfululizo huo, yaliyopimwa kwa tiba zilizoidhinishwa badala ya malipo ya hatua. Manufaa ya AI na gharama za fursa za kuchelewesha inachora mstari kati ya manufaa yaliyopimwa na yale yaliyotarajiwa—hii ni moja iliyotarajiwa kabisa.
Ugunduzi wa nyenzo—na urekebishaji unaothibitisha mfumo unafanya kazi
Kesi yenye somo zaidi hapa ni sayansi ya nyenzo, hasa kwa sababu haikubaki hadithi safi ya mafanikio. Mnamo Novemba 2023 DeepMind ilichapisha GNoME katika Nature: mfumo uliotabiri miundo milioni 2.2 ya fuwele zinazoweza kuwa hodari, ambapo takriban 381,000 zilitabiriwa kuwa imara—takriban mara 45 zaidi ya michanganyiko imara-lakini-isiyotimizwa kuliko rekodi nzima ya kihistoria iliyotangulia (Merchant et al., Nature, Novemba 29, 2023). Makala shirikishi ilielezea maabara ya roboti inayojitegemea, “A-Lab,” iliyotumia utabiri huu kutengeneza nyenzo mpya kadhaa bila kuingiliwa na binadamu, katika siku kumi na saba.
Mnamo 2024, wataalamu wa kemia watatu wa nje—Robert Palgrave (UCL), Leslie Schoop (Princeton), na Susan Latturner (Florida State)—waligundua kwamba takriban theluthi mbili ya michanganyiko “mipya” ya A-Lab ilikuwa tayari miundo iliyojulikana, iliyotambuliwa vibaya kwa sababu uchambuzi wake wa mtawanyiko wa X-ray ulitumia ulinganishaji wa muundo wa kiwango cha chini badala ya urekebishaji makini wa Rietveld ambao mtaalamu wa kristalografia aliyefunzwa angeutumia; nyingi tayari zilikuwa katika Hifadhidata ya Miundo ya Kristali Isiyo ya Kikaboni. Mnamo Januari 19, 2026, Nature ilichapisha urekebishaji rasmi wa mwandishi ukikubali kwamba madai ya upya yalikuwa “yamekabiliwa na ufasiri usio sahihi”—mapya kwenye katalogi ya jukwaa lenyewe, wala si lazima mapya kwa sayansi.
Hii si hadithi ya AI kushindwa. Utabiri wa miundo wa GNoME haukuwa sehemu iliyokosewa; udai uliozidi ulikuwa katika jinsi “mpya” ilivyofafanuliwa chini ya mkondo—na ulibainika na kurekebishwa rasmi kupitia upitiaji wa kawaida wa wenzake, miaka miwili baadaye. Huo ndio mfumo ukifanya kazi kama ulivyokusudiwa: uchapishaji wa Nature ni ushahidi imara, lakini si salama kutokana na urekebishaji, na hadhi halisi ya dai ni kile kinachonusurika ukaguzi, wala si kile taarifa ya vyombo vya habari ilisema wiki iliyozinduliwa.
Hisabati: AlphaProof kwenye Olympiad, nje ya saa
Mnamo Julai 2024 DeepMind ilitangaza kwamba AlphaProof na AlphaGeometry 2 zilikuwa zimetatua matatizo manne kati ya sita katika Olympiad ya Kimataifa ya Hisabati ya mwaka huo, kwa alama ya 28 kati ya 42—kiwango cha medali ya fedha, mara ya kwanza kwa mfumo wowote wa AI kufikia hilo (DeepMind, Julai 25, 2024). DeepMind yenyewe ilifichua kwamba tatizo moja lilitatuliwa ndani ya dakika lakini mengine yalichukua hadi siku tatu za kihesabu, jambo la kuzingatia kwa kuwa washindani wa binadamu wanatatua matatizo yale yale sita katika vipindi viwili vya saa 4.5. Hii haikuingizwa au kuhukumiwa kama uwasilishaji halisi wa IMO na haijapitiwa kwa uhuru na wenzake kama matokeo ya ushindani; ni kipimo kilichoendeshwa na kampuni, kilichoelezwa kwa uaminifu, wala si dai kwamba AI inashindana na wanahisabati wa Olympiad chini ya vikwazo wanavyokabiliana navyo kwa kweli.
Utabiri wa hali ya hewa: kesi ambayo upitiaji wa wenzake tayari umetatua
Utabiri wa hali ya hewa ni kilinganisho muhimu kwa sababu ukweli wa msingi unafika kila siku na hauwezi kudanganywa kwa nyuma. GraphCast ya DeepMind, iliyochapishwa katika Science mnamo Novemba 2023, ilishinda mfano wa uendeshaji wa HRES wa wakala wa hali ya hewa wa Ulaya katika idadi kubwa ya maelfu ya mchanganyiko wa kigezo-na-muda-wa-utabiri uliopimwa, na inazalisha utabiri wa siku kumi wa kimataifa kwa chini ya dakika moja kwenye TPU moja (DeepMind, Novemba 14, 2023). Utabiri hupimwa dhidi ya hali ya hewa halisi kila siku, hivyo hii ni mojawapo ya nyanja ngumu zaidi kuzidisha udai ndani yake, na miaka baadaye, matokeo yamedumu.
Tiba, kwa kiwango cha kikanuni: vibali vya FDA vinaongezeka
AI ya kliniki imevuka kutoka upya hadi biashara ya kawaida ya kikanuni. Mnamo Aprili 2018, IDx-DR (sasa LumineticsCore) ikawa mfumo wa kwanza wa uchunguzi wa AI unaojitegemea kikamilifu ulioidhinishwa na FDA katika tiba, ulioidhinishwa kugundua ugonjwa wa retinopathy ya kisukari bila ufasiri wa daktari, kwenye jaribio la watu 900 lililoonyesha unyeti wa 87.2% na umahususi wa 90.7% dhidi ya upimaji wa wataalamu (npj Digital Medicine, 2018). Vibali kama hivyo sasa ni vya kawaida: idhini za FDA za vifaa vinavyowezeshwa na AI ziliongezeka kutoka takriban 758 kufikia mwisho wa 2024 hadi 1,039 kufikia Desemba 2025, kasi ikipanda kutoka takriban 21 hadi takriban 30 kwa mwezi, zikiongozwa na GE HealthCare, Siemens Healthineers, Philips, na Canon (The Imaging Wire, Machi 11, 2026). Kibali ni ukweli halisi, unaoweza kuthibitishwa—wala si dai lile lile la “zana hii inafanya kazi vizuri katika hospitali yako,” ambapo sehemu inayofuata inaanzia.
Pengo la maabara-hadi-kliniki: kinachotokea mfano unapokutana na mgonjwa halisi
Kesi iliyowazi zaidi iliyorekodiwa ya pengo kati ya usahihi uliothibitishwa na uhalisia ulioenezwa ni mfumo wa Google Health wa retinopathy ya kisukari, uliozidi 90% ya unyeti na umahususi katika majaribio. Ulipowekwa katika kliniki 11 nchini Thailand kati ya Novemba 2018 na Agosti 2019, ulikataa takriban 21% ya picha takriban 1,940 ambazo wauguzi waliwasilisha kama “zisizoweza kupimwa”—hasa hali za mwanga ambazo msomaji wa binadamu angezikubali bila wasiwasi wa pili—jambo lililovuruga mtiririko wa kazi na kuongeza muda wa ziara kwa wagonjwa waliokuwa mara nyingi wamesafiri masaa kupimwa. Ugunduzi huo ulipitiwa na wenzake katika CHI 2020, jukwaa kuu la mwingiliano wa binadamu-na-kompyuta, na kuripotiwa wakati huo na MIT Technology Review (MIT Technology Review, Aprili 27, 2020). Mapitio ya baadaye ya AI ya radiolojia yanaelezea hili kama mfumo unaojirudia: utendaji wa ulimwengu halisi unategemea vifaa na mtiririko wa kazi wa kienyeji, wala si kipimo cha usahihi wa mfano peke yake.
Zana tofauti ya kiharusi iliyoidhinishwa na FDA, Viz.ai, inaonyesha mgawanyiko kwa njia tofauti: mapitio ya kimfumo na uchambuzi-meta uliokusanya takriban tafiti kumi na mbili na wagonjwa zaidi ya 15,000 uliharakisha mtiririko wa kazi wa hospitali bila uboreshaji wenye maana ya kitakwimu katika matokeo ya kliniki ambayo mitiririko hiyo ipo kuboresha. Haraka zaidi sio bora zaidi kiotomatiki.
Mfumo huu unamaanisha nini kwa sehemu nyingine ya tovuti
Kila kesi iliyo hapo juu ilizalishwa na kikundi kile kile kidogo cha maabara za mstari wa mbele ambazo mwongozo huu unajadili mahali pengine—hasa Google DeepMind—ambayo utamaduni wake wa utafiti umeshughulikiwa katika jinsi maabara za AI za mstari wa mbele zinavyotofautiana, na ambayo mkusanyiko wake wa uwezo wa kisayansi katika mashirika machache ni suala lake lenyewe katika mkusanyiko wa madaraka: kwa nini maabara chache zinahusika. Mkusanyiko huo unafanya kazi pande zote mbili: ndiyo sababu programu moja inaweza kukusanya Tuzo ya Nobel, mwendo wa medali ya fedha ya Olympiad, na makala ya Nature iliyorekebishwa ndani ya miaka miwili, na ndiyo sababu uwasilishaji wa madai haya unapita kwanza kupitia matangazo ya maabara yenyewe na baadaye tu kupitia upitiaji wa wenzake ambao hauwajibiki kwake.
Hakuna kati ya haya kinachotetea kupuuza matokeo. Tuzo ya Nobel si propaganda; utabiri wa siku kumi uliotolewa kwa chini ya dakika moja si propaganda. Lakini “AI inaharakisha sayansi” ni kweli kwa jinsi madai mengi ya kudumu kuhusu teknolojia hii ni kweli: bila usawa, na mafanikio yaliyo wazi zaidi katika matatizo yenye ukweli safi, unaoweza kuthibitishwa—protini iliyokunjwa, hali ya hewa ya kesho, uimara wa fuwele uliopimwa—na pengo linaloendelea popote hatua ya mwisho inapopita kwenye kliniki yenye msongamano au taarifa ya vyombo vya habari isiyokaguliwa. Nidhamu iliyobaini kosa la GNoME, miaka miwili baadaye, ndiyo nidhamu ambayo ukurasa huu unawaomba wasomaji kuitumia kila mahali pengine kwenye tovuti hii.