בינה מלאכותית הוכיחה בשנים האחרונות יכולות ניבוי מרשימות בתחומים מגוונים - החל מחיזוי מחירי מניות ועד לפענוח המבנה של חלבונים. עם זאת, בעולם המדע קיים פער מהותי בין תחזית מדויקת לבין הבנה יסודית של התופעה. כעת, חוקרים מאוניברסיטת חיפה וממכון ויצמן למדע פיתחו מערכת בינה מלאכותית חדשנית בשם MEDA, שמנסה לגשר על הפער הזה ולחלץ חוקים ומשוואות מתמטיות ישירות מתוך טקסטים ומחקרים מדעיים. על פי הדיווח ב-ynet, המחקר עבר ביקורת עמיתים ויוצג בכנס השנתי של ארגון מהנדסי החשמל והאלקטרוניקה העולמי (IEEE), וקוד המערכת הופץ כקוד פתוח לשימוש הקהילה המדעית.
מניתוח טקסט למשוואה מתמטית: איך עובדת המערכת?
המערכת פותחה בהובלתו של ד"ר טדי לזבניק, ובשיתוף עם דוד קרונגאוז, ארד זולטי ופרופ' ערן סגל. הארכיטקטורה של MEDA מבוססת על מודל מרובה סוכנים (Multi-agent), המשלב בין מודלי שפה גדולים (LLMs) לבין מנגנוני חיפוש מתמטיים מורכבים.
במקום לפעול כמודל של "קופסה שחורה" (Black-Box) הפולט נתונים מספריים בלבד ללא הסבר, MEDA סורקת מאמרים וספרות מקצועית, מתרגמת את התיאור המילולי למשתנים ולאילוצים מתמטיים, ומנסחת משוואות דיפרנציאליות שקופות (White-Box).
מבנה זה מאפשר לחוקרים לבחון את המשוואות שנוצרו, לערער עליהן ולתכנן ניסויים במעבדה בהתאם. המטרה של המערכת אינה להחליף את המדענים האנושיים, אלא לצמצם עבורם את מרחב ההשערות ולסייע להם להגיע במהירות רבה יותר להשערה המדעית הבאה.
הניסוי והממצאים: למה מידע גולמי בלבד לא מספיק
כדי לבחון את יכולות המערכת, החוקרים ערכו סדרת ניסויים על 12 מערכות דינמיות ברמות מורכבות משתנות. הניסויים הקיפו דיסציפלינות מגוונות, ובהן:
- דינמיקת טורף-נטרף וגידול אוכלוסיות
- התפשטות מגפות ומודלים של פעילות עצבית
- הפצת חדשות כזב (פייק ניוז) ותהליכי התקדמות של פצעים כרוניים
בכל 12 התרחישים, המערכת הצליחה לזהות את המשתנים הרלוונטיים. אולם הממצא המעניין ביותר התגלה כאשר צוות שכלל 5 מתמטיקאים בעלי תואר דוקטור בחן את איכות התוצאות. הבדיקה הראתה כי הסתמכות על נתונים גולמיים בלבד פגעה באופן משמעותי בסבירות הביולוגית של התוצאות.
ציון ההתאמה הממוצע צנח מ-0.97 במערכת MEDA המלאה (המשלבת ניתוח טקסט מילולי) לכ-0.60 בלבד במודלים שהתבססו על נתונים בלבד. כך למשל, במודל של פצע כרוני, הוספה של נקודות מידע אמנם הביאה להתאמה מושלמת לעקומה הסטטיסטית, אך הולידה משוואות חסרות משמעות שלא שיקפו את המנגנון הרפואי האמיתי.
"המערכת אינה מיועדת להחליף מדענים או לספק תשובה מוחלטת לשאלות היקום, אלא לפעול ככלי עבודה יישומי שמצמצם את מרחב ההשערות ומאפשר לתכנן ניסויי מעבדה ממוקדים וזולים בהרבה", הדגישו החוקרים.
חלופה ל-"קופסה השחורה": MEDA מול הענקיות בעולם
הפיתוח הישראלי מציע גישה שונה מזו המקובלת כיום אצל ענקיות הטכנולוגיה והמחקר בעולם:
- בארה"ב ובאירופה: כלים מובילים לרגרסיה סימבולית (Symbolic Regression) כדוגמת SINDy מתמקדים בעיבוד אותות מסיבי מחיישנים. עם זאת, הם מתקשים לפעול ללא אילוצים פיזיקליים ברורים, ונוטים לייצר משוואות שחסרות משמעות ביולוגית.
- בגוגל דיפמיינד (Google DeepMind): מודלים כמו AlphaFold מחוללים מהפכה בחיזוי מבנה חלבונים, אך התוצר נשאר חסום בתוך רשת נוירונים עמוקה ואינו מספק הסבר מתמטי שקוף.
- בסין: מוסדות מחקר מתמקדים ברשתות נוירונים משולבות פיזיקה (PINNs). אלא שמודלים אלה משתמשים במשוואות ידועות מראש כדי לאמן את הרשתות, ואינם מסוגלים לגזור משוואות חדשות מתוך טקסט מדעי חופשי.
היתרון המרכזי של MEDA טמון ביכולתה להפוך טקסט מילולי ממאמרים מדעיים ורפואיים למבנה מתמטי סדור, שקוף ובר-הסבר. היכולת להוציא את הידע מה"קופסה השחורה" ולהציג משוואות נגישות לבחינה פותחת אפשרויות חדשות עבור הקהילה המדעית, ומדגישה את מקומו של המחקר האקדמי הישראלי בחזית פיתוח כלי בינה מלאכותית למדע.
התוכן בכתבה זו נועד לספק סקירה כללית בלבד ואינו מהווה תחליף לייעוץ מקצועי פרטני. המערכת אינה אחראית לכל נזק או הפסד שייגרם כתוצאה מהסתמכות על המידע המוצג.