ایران - مشهد مقدس
اداره کل زمین شناسی و اکتشافات معدنی منطقه شمال شرق
معرفی نرم افزار GeoGPT، وقتی هوش مصنوعی زبان زمینشناسان را میآموزد
گامی به سوی نسل جدید پژوهش و اکتشاف در علوم زمین
توسط: هادی شریفی
ورود هوش مصنوعی مولد به عرصه علم، تنها به ظهور ابزارهایی برای تولید متن و تصویر محدود نمانده است. یکی از مهمترین روندهای سالهای اخیر، حرکت از مدلهای زبانی عمومی به سوی مدلهای تخصصی علمی است؛ مدلهایی که به جای دانستن «اندکی از همه چیز»، برای فهم عمیق ادبیات، دادهها و مسائل یک حوزه مشخص آموزش میبینند.
در علوم زمین، یکی از نمونههای شاخص این تحول GeoGPT است؛ سامانهای مبتنی بر مدلهای زبانی بزرگ که بهطور ویژه برای پژوهشها و کاربردهای زمینشناسی و علوم زمین توسعه یافته است.
GeoGPT چیست؟
GeoGPT را میتوان به زبان ساده، نوعی «دستیار هوشمند تخصصی علوم زمین» دانست. تفاوت اساسی آن با مدلهای عمومی هوش مصنوعی در این است که فرایند توسعه و آموزش آن با تمرکز بر منابع و مسائل تخصصی علوم زمین انجام شده است.
این پروژه با رویکرد علم باز توسعه یافته و هدف آن فراهمکردن ابزارهای هوش مصنوعی برای زمینشناسان، پژوهشگران و متخصصان علوم زمین در سراسر جهان است.
GeoGPT بر پایه مدلهای زبانی قدرتمند متنباز توسعه یافته و نسخههایی از آن بر مبنای خانواده مدلهای Llama و Qwen ارائه شده است. در فرایند توسعه این مدلها، علاوه بر آموزش تکمیلی بر دادههای تخصصی علوم زمین، از روشهای تنظیم تخصصی و همترازی پاسخها نیز استفاده شده است.
یک کتابخانه عظیم زمینشناسی در کنار پژوهشگر
یکی از مهمترین ویژگیهای GeoGPT، دادههای تخصصی مورد استفاده در توسعه آن است. مجموعه بزرگی از مقالات علمی دسترسی آزاد و منابع تخصصی علوم زمین برای ایجاد توانایی درک مفاهیم زمینشناسی در این سامانه مورد استفاده قرار گرفته است.
در نتیجه، هدف آن صرفاً تولید یک پاسخ زبانی روان نیست؛ بلکه تلاش شده مدل بتواند اصطلاحات، روابط علمی و ساختار دانش موجود در زمینشناسی را بهتر از یک مدل عمومی درک کند.
این ویژگی میتواند در آینده شیوه دسترسی پژوهشگران به دانش زمینشناسی را تغییر دهد. تصور کنید به جای جستوجوی دستی در دهها یا صدها مقاله، پژوهشگر بتواند یک پرسش تخصصی را مطرح کند و سامانه ضمن جستوجو در منابع علمی مرتبط، اطلاعات مورد نیاز را استخراج، طبقهبندی و در قالب یک پاسخ منسجم ارائه کند.
از پرسش و پاسخ تا تحلیل نقشههای زمینشناسی
کاربرد GeoGPT به پرسش و پاسخ علمی محدود نیست. قابلیتهایی نظیر استخراج اطلاعات کلیدی از متون علمی، استدلال، تولید کد و انجام برخی تحلیلهای محاسباتی برای این خانواده از مدلها توسعه یافته است.
در مسیر توسعه جدید GeoGPT، توجه به مدلهای چندوجهی نیز اهمیت ویژهای پیدا کرده است؛ به این معنا که سامانه علاوه بر متن، برای فهم بهتر اطلاعات موجود در نقشههای زمینشناسی نیز توسعه مییابد.
این موضوع برای علوم زمین اهمیت زیادی دارد. بخش قابل توجهی از دانش زمینشناسی نه در قالب متن، بلکه در نقشهها، مقاطع، نمودارها، تصاویر ماهوارهای، دادههای ژئوشیمیایی و ژئوفیزیکی ذخیره شده است. بنابراین نسل آینده هوش مصنوعی زمینشناسی زمانی اهمیت واقعی خود را نشان خواهد داد که بتواند ارتباط میان این منابع مختلف اطلاعات را درک کند.
RAG؛ راهی برای کاهش یکی از ضعفهای مدلهای زبانی
یکی از چالشهای شناختهشده مدلهای زبانی، تولید پاسخهایی است که ممکن است از نظر ظاهری معتبر، اما از نظر علمی نادرست یا فاقد منبع کافی باشند.
برای کاهش این مشکل، در GeoGPT از فناوری Retrieval-Augmented Generation یا RAG استفاده شده است. در این روش، مدل پیش از تولید پاسخ میتواند منابع مرتبط را از یک پایگاه دانش بازیابی کرده و پاسخ خود را با اتکا به آن اطلاعات تولید کند.
قابلیت ایجاد کتابخانه یا پایگاه دانش اختصاصی نیز چشمانداز مهم دیگری ایجاد میکند. یک مجموعه پژوهشی میتواند اسناد و منابع علمی مورد نظر خود را در اختیار چنین سامانهای قرار دهد و یک دستیار هوشمند تخصصی مبتنی بر دانش سازمانی ایجاد کند.
GeoGPT و آینده اکتشاف مواد معدنی
یکی از جذابترین زمینههای کاربرد چنین فناوریهایی، اکتشاف مواد معدنی است.
امروزه اکتشاف حاصل تلفیق حجم عظیمی از دادههای زمینشناسی، ژئوشیمیایی، ژئوفیزیکی، سنجش از دور، حفاری، گزارشهای فنی و مطالعات پیشین است. بخش قابل توجهی از این اطلاعات در قالب گزارشها و اسناد متنی پراکنده نگهداری میشود.
مدلهای تخصصی علوم زمین میتوانند در آینده به استخراج خودکار اطلاعات از گزارشهای اکتشافی، شناسایی ارتباط میان شواهد مختلف، ساخت پایگاههای دانش اکتشافی، مرور سریع مطالعات پیشین و حتی کمک به اولویتبندی فرضیههای اکتشافی کمک کنند.
پژوهشهای اخیر حتی ترکیب GeoGPT با ساختارهای بازیابی اطلاعات و گرافهای دانش را برای پاسخگویی تخصصی در حوزه اکتشاف مواد معدنی مورد بررسی قرار دادهاند.
آیا GeoGPT جای زمینشناس را خواهد گرفت؟
پاسخ کوتاه، خیر است.
ارزش واقعی چنین ابزارهایی در جایگزینی زمینشناس نیست، بلکه افزایش توان زمینشناس است.
زمینشناسی علمی مبتنی بر مشاهده، تجربه میدانی، شناخت روابط مکانی و زمانی، قضاوت تخصصی و تلفیق شواهد گاه ناقص و متناقض است. هیچ مدل زبانی نمیتواند مسئولیت علمی متخصص را حذف کند.
اما زمینشناسی که بتواند از ابزارهای هوش مصنوعی تخصصی بهدرستی استفاده کند، احتمالاً قادر خواهد بود حجم بسیار بیشتری از اطلاعات را در زمان کوتاهتری بررسی کند، فرضیههای بیشتری را بیازماید و بخشی از فعالیتهای زمانبر پژوهشی را به سامانههای هوشمند واگذار کند.
بنابراین شاید پرسش آینده این نباشد که «آیا هوش مصنوعی جای زمینشناس را میگیرد؟» بلکه این باشد که:
زمینشناس مجهز به هوش مصنوعی چه برتریای نسبت به زمینشناسی خواهد داشت که همچنان با روشهای سنتی کار میکند؟
از GeoGPT تا دستیار هوشمند علوم زمین ایران
تجربه GeoGPT برای کشورهایی مانند ایران یک پیام مهمتر نیز دارد.
سازمانها و مراکز علمی کشور طی چند دهه فعالیت زمینشناسی و اکتشافی، حجم عظیمی از نقشهها، گزارشها، دادههای ژئوشیمیایی و ژئوفیزیکی، گزارشهای حفاری، پایاننامهها، مقالات و اسناد تخصصی تولید کردهاند. بخش مهمی از ارزش این اطلاعات زمانی آشکار میشود که امکان جستوجو، بازیابی و تحلیل هوشمند آنها فراهم شود.
از این منظر، توسعه یک دستیار هوشمند تخصصی علوم زمین ایران مبتنی بر منابع معتبر داخلی میتواند چشماندازی قابل تأمل باشد؛ سامانهای که به جای اتکا صرف به دانش عمومی اینترنت، بتواند از نقشهها، گزارشها، دادهها و دانش انباشته چند دهه فعالیت زمینشناسی و اکتشافی کشور بهره بگیرد.
چنین سامانهای میتواند در آینده به پژوهشگران در بازیابی دانش گذشته، جلوگیری از دوبارهکاری مطالعات، تلفیق اطلاعات مناطق مختلف، طراحی پروژههای جدید و حتی انتقال تجربه میان نسلهای مختلف کارشناسان کمک کند.
سخن پایانی
GeoGPT تنها یک ابزار جدید هوش مصنوعی نیست؛ نشانهای از تغییر مسیری بزرگتر در علوم زمین است.
هوش مصنوعی از مرحله ابزارهای عمومی عبور کرده و به سمت سامانههایی حرکت میکند که زبان تخصصی دانشمندان را میآموزند، منابع علمی را بازیابی میکنند، دادههای مختلف را کنار یکدیگر قرار میدهند و در فرایند پژوهش نقش «همکار هوشمند» را بر عهده میگیرند.
در چنین شرایطی، آینده متعلق به تقابل «زمینشناس یا هوش مصنوعی» نخواهد بود؛ بلکه به احتمال زیاد متعلق به زمینشناسی است که دانش تخصصی خود را با قدرت تحلیل و پردازش هوش مصنوعی تلفیق میکند.
و شاید GeoGPT یکی از نخستین نشانههای جدی این آینده باشد.
آیا زمان طراحی GeoGPT ایرانی فرا رسیده است؟
توسعه GeoGPT یک پرسش مهم را پیش روی جامعه علوم زمین ایران قرار میدهد: آیا میتوان از تجربه چند دهه تولید اطلاعات زمینشناسی و اکتشافی کشور برای ایجاد یک دستیار هوشمند تخصصی علوم زمین ایران استفاده کرد؟
سازمان زمینشناسی و اکتشافات معدنی کشور طی دههها فعالیت، مجموعهای ارزشمند از نقشههای زمینشناسی و اکتشافی، گزارشهای فنی، دادههای ژئوشیمیایی و ژئوفیزیکی، اطلاعات سنجشازدور، نتایج مطالعات مخاطرات زمینشناختی، گزارشهای اکتشاف مواد معدنی و هزاران سند علمی و تخصصی تولید کرده است. در کنار این منابع، دانشگاهها، مراکز پژوهشی و بخش خصوصی نیز حجم قابل توجهی از دانش علوم زمین کشور را در قالب مقاله، پایاننامه، گزارش و داده تولید کردهاند.
این مجموعه عظیم را میتوان نهتنها یک آرشیو علمی، بلکه سرمایه دادهای کشور برای عصر هوش مصنوعی دانست.
GeoGPT ایرانی چه میتواند انجام دهد؟
تصور کنید زمینشناس بتواند از یک سامانه هوشمند بپرسد:
«تمام شواهد گزارششده درباره کانهزایی مس در یک محدوده مشخص را استخراج کن».
یا:
«گزارشهای زمینشناسی، ژئوشیمی، ژئوفیزیک و اکتشافی موجود درباره این محدوده را بررسی و مهمترین شواهد اکتشافی را دستهبندی کن».
چنین سامانهای در صورت دسترسی ساختاریافته به منابع معتبر میتواند در زمانی کوتاه، حجم بزرگی از اطلاعات را بازیابی و ارتباط میان دادهها و گزارشهای مختلف را برای بررسی کارشناسی آشکار کند.
در مراحل پیشرفتهتر، اتصال مدل زبانی به GIS، نقشههای زمینشناسی، تصاویر ماهوارهای، پایگاههای ژئوشیمی و ژئوفیزیک و دادههای حفاری میتواند آن را از یک سامانه پرسشوپاسخ به یک دستیار واقعی تصمیمیار در علوم زمین تبدیل کند.
نقطه شروع، الزاماً ساخت یک مدل عظیم نیست
طراحی چنین سامانهای لزوماً به معنای ساخت یک مدل زبانی بزرگ از ابتدا نیست. راه واقعبینانهتر میتواند استفاده از مدلهای قدرتمند موجود و ایجاد یک لایه تخصصی مبتنی بر دانش معتبر علوم زمین ایران باشد.
در گام نخست میتوان با فناوریهایی مانند RAG، مجموعهای کنترلشده از گزارشها، نقشهها و اسناد سازمان را به یک مدل زبانی متصل کرد تا پاسخها بر اساس منابع مشخص تولید شوند.
به این ترتیب، یک پروژه آزمایشی محدود ـ برای مثال در حوزه اکتشاف مواد معدنی یا زمینشناسی یک منطقه مشخص ـ میتواند پیش از توسعه در مقیاس ملی، قابلیتها، محدودیتها و الزامات فنی آن را آشکار کند.
از آرشیو اطلاعات به حافظه هوشمند سازمانی
شاید مهمترین دستاورد چنین پروژهای تنها افزایش سرعت جستوجوی اطلاعات نباشد.
بخش مهمی از دانش تخصصی سازمانها در گزارشها، پروژههای گذشته و تجربه کارشناسان پراکنده است. با بازنشستگی و خروج نیروهای باتجربه، بخشی از این دانش نیز در معرض فراموشی قرار میگیرد.
یک دستیار تخصصی علوم زمین میتواند به تدریج به حافظه هوشمند سازمانی تبدیل شود؛ حافظهای که امکان بازیابی تجربه پروژههای گذشته، مقایسه مطالعات مناطق مختلف و انتقال دانش میان نسلهای کارشناسی را فراهم میکند.
اما پیش از هوش مصنوعی، مسئله «داده» است
موفقیت چنین طرحی بیش از آنکه به انتخاب یک مدل زبانی وابسته باشد، به کیفیت دادهها بستگی دارد. دیجیتالسازی اسناد قدیمی، استانداردسازی فرادادهها، تعیین سطح دسترسی، کنترل کیفیت منابع، یکپارچهسازی پایگاههای اطلاعاتی و تعیین مالکیت و محرمانگی دادهها، پیشنیازهای اساسی چنین سامانهای هستند.
بنابراین حرکت به سمت GeoGPT ایرانی باید همزمان یک پروژه حکمرانی داده در علوم زمین نیز تلقی شود.
یک فرصت راهبردی
در شرایطی که جهان به سرعت به سمت مدلهای تخصصی علمی حرکت میکند، علوم زمین ایران نیز میتواند از مرحله «استفادهکننده ابزارهای عمومی هوش مصنوعی» عبور کرده و به سمت ایجاد سامانههای تخصصی متکی بر دانش بومی حرکت کند.
هدف نهایی نیز نباید جایگزینی متخصص باشد؛ بلکه باید ایجاد ابزاری باشد که زمینشناس را قادر سازد سریعتر به دانش گذشته دسترسی پیدا کند، حجم بیشتری از اطلاعات را بررسی کند و تصمیمهای خود را بر پایه مجموعه گستردهتری از شواهد اتخاذ کند.
شاید بنابراین پرسش اصلی دیگر این نباشد که آیا به GeoGPT ایرانی نیاز داریم؟
پرسش مهمتر این است:
از کدام مسئله واقعی علوم زمین کشور باید شروع کنیم تا نخستین دستیار هوشمند تخصصی علوم زمین ایران از یک ایده، به یک ابزار عملیاتی تبدیل شود؟
سامانه رسمیGeogpt
https://geogpt.zero2x.org/?utm_source=chatgpt.com
مخزن رسمی Geogpt در Github
https://github.com/GeoGPT-Research-Project/GeoGPT?utm_source=chatgpt.com
