Գիտության նոր էջը` արհեստական բանականություն

Մարդկությունը վերապրում է աննախադեպ գլոբալ փոփոխություններ: Վերջին 300 տարիներում հիմնադրված համակարգերն այլևս արդի չեն այսօրվա հասարակության համար: Համապատասխանաբար` փոփոխվել է գիտելիքի համակարգը: Այժմ գիտության ոլորտի նորություններին մարդիկ տեղեկանում են պարզապես բաժանորդագրվելով իրենց նախընտրելի համացանցային աղբյուրին: Մենք ամբողջովին գտնվում ենք թվային դարաշրջանում: Ցանկացած տվյալ թվայնացված և ցանցավորված է այնպիսի եղանակով, որի մասին մի քանի տարի առաջ դեռ չէինք կարող երևակայել: Ինչն ավելի կարևոր է՝ այդ տվյալները կարելի է թարմացնել ու հավելել մի քանի րոպեում, որն անհրաժեշտ պայման է հենց այս պահին գիտության մեջ տեղի ունեցող բացահայտումների անսպառ հոսքում:

Գիտությունը կարծես սարի գլխից պոկված ձնագունդ լինի, որը մեծ արագությամբ  սլանում է առաջ և մեծանում: 

Նշանակալի առաջընթաց է գրանցվում գիտության գրեթե բոլոր ուղղություններում: Աշխարհը ցնցած վերջին բացահայտումը սև խոռոչի լուսանկարն էր և ապացույցը, որ այն ճիշտ այնպիսին է, ինչպիսին նրան կանխատեսում էին աստղաֆիզիկոսները: Նշանակալի հաջողություններ են գրանցվում նաև կենսաբանության ոլորտում, օրինակ՝ մարդու գենոմի (գեների ամբողջության) հետազոտությունները, մարդու քաղցկեղի գենոմի հետազոտումը, գենոմի խմբագրման մեթոդի հայտնաբերումը, մարդու օրգանիզմի ավելի խորքային ուսումնասիրությունները,  ուղեղի աշխատանքի մասին նորագույն հետազոտությունները, որոնց արդյունքում գոյանում է մեծ քանակությամբ տվյալների բազա: Այդ բազան կարիք ունի ուսումնասիրվելու և մշակվելու: Սակայն գեներացված տվյալներն այնքան շատ են, որ մարդկային ռեսուրսը բավարար չէ դրանք վերամշակելու համար:

1965 թվականին առաջին անգամ առաջարկվել է «արհեստական բանականություն» հասկացությունը, որը և եղել է այդ ոլորտի զարգացման մեկնարկը: Ապա 1994 թվականին ներմուծվել է «մեքենայական ուսուցում» գաղափարը, որը համարվում է արհեստական բանականության ենթաուղղություն: Հենց այդ պահից էլ մի շարք ոլորտների գիտնականներ սկսել են դիմել համակարգչային գիտությանը, որպեսզի կարողանան ստեղծել ծրագրեր, որոնց միջոցով կկատարվի տվյալների վերամշակումը:

Արդյունքում առաջացան մի շարք ընկերություններ, որոնք այժմ միայն տվյալների հիման վրա կանխատեսում են հիվանդության առաջացումը, նոր դեղեր` հայտնի թիրախների համար, սպիտակուցների կառուցվածք, գրեթե ամենի ինչ՝ ինչ անցնում  է կենսաբանի մտքով: Այսօր կարելի է ասել, որ ժամանակակից գիտությունն առանց համակարգչային բաղադրիչի անհնար է:

Հայաստանը ևս հետ չի մնում միջազգային թրենդից: Ակտիվորեն զարգանում են կենսաբանության և համակարգչային գիտության համատեղ հետազոտությունները: Գիտությունների ազգային ակադեմիայի ինստիտուտներում կա գիտական խումբ, որը մշակում է ալգորիթմներ բարդ կենսաբժշկական  տվյալները  համակարգային կենսաբանության ենթատեքստում վերլուծելու համար: Այսինքն՝ այդ գիտնականների ստեղծած ալգորիթմները վերլուծում են այս կամ այն հիվանդության ժամանակ հիվանդների մոտ գրանցված շեղումները (գենային մուտացիաներ, կենսաքիմիական ցուցանիշներ), ապա` օրինաչափություններ գտնում շեղումների և հիվանդության զարգացման կամ ընթացքի մեջ: Նրանք նաև հետազոտում են էպիգենետիկական տվյալներ՝ մարդկային հիվանդությունները համակարգային և մոլեկուլային մակարդակով վերլուծելու համար: Մեկ այլ գիտական խումբ մասնագիտացել է համակարգչային մոդելավորման մեջ: Նրանք կարողանում են մոդելավորել ցանկացած կենսաբանական իրադարձություն, անգամ՝ այդ իրադարձության վրա ազդեցությունները, վերհանելով արդյունքները: Օրինակ, ցանկացած ֆերմենտի համակարգչային տարբերակ կարելի է ենթարկել վիրտուալ գործոնների ազդեցության և տեսնել, թե ինչպես է թթվային նյութի ազդեցությամբ ֆերմենտի աշխատանքը փոխվում: Սա թույլ է տալիս մինչև իրական փորձերին անցնելը դրանք անցկացնել վիրտուալ տիրույթում, ունենալ կանխատեսված արդյունք, և ապա միայն անհրաժեշտության դեպքում  ստուգել: Այսպիսով, խնայվում է միանգամից երկու ռեսուրս՝ ժամանակ և ֆինանսական ծախս:

Մեկ այլ թիմ, արդեն մասնավոր հիմունքներով, փորձեր է անում մեքենայական ուսուցման շրջանակներում, մեքենային սովորեցնում է  կենսաբանական գրականության տվյալներից  վերհանել  հարաբերությունները: Այսինքն` նպատակն է մեքենային սովորեցնել կարդալու կենսաբանական տեքստեր և տարբեր աղբյուրներում նշված տվյալները կարողանալ կապել իրար:

Ստացվում է, որ մեքենան կկարողանա համադրել տվյալներն ու հիպոթեզեր առաջարկել: Որպես արդյունք` հաջողության դեպքում գիտությունն էլ ավելի արագ կզարգանա, քանի որ գիտնականները կսկսեն ստուգել մեքենայի առաջարկած հիպոթեզերը:

Ոլորտի ահռելի պոտենցիալը նաև գնահատվում է արտերկրյա գիտնականների կողմից և արտահայտվում է նրանց հետաքրքրվածությամբ: 2019-ի հոկտեմբերը կարելի է անվանել տեխնոամիս, քանի որ միանգամից մի քանի գիտատեխնոլոգիական ֆորումներ են կազմակերպվել, և բոլոր միջոցառումների ընթացքում Հայաստանի տեխնոլոգիական երկիր դառնալու պոտենցիալի մասին խոսել են ինչպես տեղացի, այնպես էլ արտասահմանցի մասնագետները:

Կեսաբանության մեջ մեքենայական ուսուցման և արհեստական բանականության ինտեգրման գործում Հայաստանում մեծ ներդրում ունի Հայաստանի գիտության և տեխնոլոգիաների հիմնադրամը («FAST foundation»). Արդեն երկրորդ տարին է, ինչ հիմանադրամը կազմակերպվում է Գլոբալ նորարարական ֆորումը («Global Innovation Forum»), այս տարի «վերափոխելով բանականությունը» խորագրով, որի ընթացքում Հայաստան են ժամանում համակարգչային գիտություններով, մեքենայական ուսուցմամբ և արհեստական բանականությամբ զբաղվող աշխարհի առաջատարները, ինչպիսին են «Facebook AI»-ը, «Google DeepMind»-ը, «GoogleBrain»-ը, «Microsoft»-ը: Մասնակիցները ներկայացնում են իրենց նվաճումները, պատմում ոլորտի  համաշխարհային նորությունների մասին: Հայաստանի համար ֆորումն, ըստ էության, մի հարթակ է դառնում, որտեղ հայ գիտնակաները ազատորեն շփվում են արտասահմանցի  գործընկերների հետ և համագործակցության եզրեր գտնում: Սակայն առավել կարևոր է, որ նրանք, ովքեր դեռ չեն պատկերացնում, թե ինչպես կարելի է կիրառել արհեստական բանականությունը կամ մեքենայական ուսուցումը իրենց հետազոտություններում, այստեղ ծանոթանում են կենսաբանության, բժշկության, քիմիայի, ֆիզիկայի ոլորտներում դրա կիրառման հնարավորություններին: Ֆորումի ավարտից հետո մասնակիցները վերադառնում են իրենց բնականոն կյանքին, սակայն ուղեղում արդեն ունենում են նոր գործիքակազմի մասին պատկերացում, որի միջոցով իրենք նոր մոտեցումներ կարող են ցուցաբերել և արդյունքում մտահորիզոններ փոխող հայտնագործություններ անել:

Իհարկե, որպեսզի Հայաստանը հետ չմնա աշխարհից, գուցե և առաջատար դառնա, պետական ռազմավարություն և մարտավարություն մշակելու անհրաժեշտություն կա հատկապես  գիտության, տնտեսության, սոցիալական ոլորտներում արհեստական բանականության ինտեգրման հարցում: Կարևոր է ստեղծել մի միջավայր, որտեղ արհեստական բանականության զարգացումը կխթանվի, օրինակ՝ պետական դրամաշնորհների, մրցույթների միջոցով: Անհրաժեշտություն կա նաև արտասահմանյան մասնագետներին որոշ ժամանակով Հայաստան հրավիրել և փորձի փոխանակման միջոցառումներ կազմակերպել:

Ամփոփելով` կարելի է ասել որ Հայստանը դեռևս հետ չի մնում արհեստական բանականության հետ կապված համաշխարհային ալիքից: Մասնագետները քիչ են, բայց օրեցօր ոլորտի նկատմամբ հետաքրքրությունը մեծանում է: Այլ ոլորտների գիտնականների շարքերում ևս նկատվում է հետաքրքություն այն հնարավորությունների հանդեպ, որ տալիս են մեքենայական ուսուցումը և արհեստական բանականությունը: Մի քանի կարևոր պայմանների բավարարման դեպքում առաջատար դառնալու հնարավորությունը մեծ է: Պայմաններն են՝ համակարգչային բավարար ռեսուրսը, որն այսօր չկա, կրթական ծրագրերի արդիականացումը,  ավելի մեծ զանգվածին հետաքրքրելու համար նախատեսված միջոցառումները և ամենակարևորը՝ տվյալ ոլորտի զարգացման համար մասնավորի և պետության միջև ներդրումային ռազմավարության մշակումը: