Δεν είναι μακριά η μέρα που η Τεχνητή Νοημοσύνη θα κερδίσει το βραβείο Νόμπελ;

Οι ειδικοί προβλέπουν ότι σε λιγότερο από μια δεκαετία, οι «επιστήμονες της τεχνητής νοημοσύνης» θα μπορούσαν να ανακαλύψουν οι ίδιοι έργα άξια για Νόμπελ, αν και πολλοί παραμένουν επιφυλακτικοί.

Για να φτάσει στο επίπεδο του Νόμπελ, η Τεχνητή Νοημοσύνη χρειάζεται την ικανότητα να αυτοαξιολογείται και να προσαρμόζει τη δική της διαδικασία συλλογισμού - Φωτογραφία: VNU

Σύμφωνα με το περιοδικό Nature, τα τελευταία χρόνια, η τεχνητή νοημοσύνη (ΤΝ) έχει επιδείξει την ικανότητά της να αναλύει δεδομένα, να σχεδιάζει πειράματα και να διατυπώνει νέες επιστημονικές υποθέσεις, οδηγώντας πολλούς ερευνητές να πιστεύουν ότι η ΤΝ θα μπορούσε μια μέρα να ανταγωνιστεί τα πιο λαμπρά μυαλά της επιστημονικής κοινότητας, κάνοντας ακόμη και ανακαλύψεις άξιες βραβείου Νόμπελ.

«Η Τεχνητή Νοημοσύνη θα μπορούσε να κερδίσει το βραβείο Νόμπελ έως το 2030»

Το 2016, ο βιολόγος Hiroaki Kitano, Διευθύνων Σύμβουλος της Sony AI, ξεκίνησε την «Πρόκληση Nobel Turing» - μια πρόσκληση για την ανάπτυξη ενός συστήματος Τεχνητής Νοημοσύνης αρκετά έξυπνου ώστε να κάνει από μόνο του μια επιστημονική ανακάλυψη επιπέδου Νόμπελ. Στόχος του έργου είναι έως το 2050, ένας «επιστήμονας Τεχνητής Νοημοσύνης» να είναι σε θέση να διατυπώνει υποθέσεις, να σχεδιάζει πειράματα και να αναλύει δεδομένα χωρίς ανθρώπινη παρέμβαση.

Ο ερευνητής Ross King, από το Πανεπιστήμιο του Cambridge (Ηνωμένο Βασίλειο), πιστεύει ότι αυτό το ορόσημο μπορεί να έρθει νωρίτερα: «Είναι σχεδόν βέβαιο ότι τα συστήματα τεχνητής νοημοσύνης θα φτάσουν στο επίπεδο της κατάκτησης του βραβείου Νόμπελ. Το ερώτημα είναι μόνο στα επόμενα 50 ή 10 χρόνια».

Ωστόσο, πολλοί ειδικοί είναι επιφυλακτικοί. Σύμφωνα με αυτούς, τα τρέχοντα μοντέλα Τεχνητής Νοημοσύνης βασίζονται κυρίως σε διαθέσιμα δεδομένα και γνώσεις και δεν έχουν πραγματικά δημιουργήσει νέα κατανόηση. Η ερευνήτρια Γιολάντα Γκιλ (Πανεπιστήμιο της Νότιας Καλιφόρνια, ΗΠΑ) σχολίασε: «Εάν η κυβέρνηση επενδύσει αύριο 1 δισεκατομμύριο δολάρια ΗΠΑ σε βασική έρευνα, η πρόοδος μπορεί να επιταχυνθεί, αλλά απέχει ακόμη πολύ από αυτόν τον στόχο».

Μέχρι σήμερα, μόνο άτομα και οργανισμοί έχουν λάβει βραβεία Νόμπελ. Ωστόσο, η Τεχνητή Νοημοσύνη έχει συμβάλει έμμεσα: το 2024, το Βραβείο Νόμπελ Φυσικής απονεμήθηκε σε πρωτοπόρους στη μηχανική μάθηση. Την ίδια χρονιά, το ήμισυ του Βραβείου Χημείας απονεμήθηκε στην ομάδα πίσω από το AlphaFold, το σύστημα Τεχνητής Νοημοσύνης της Google DeepMind που προβλέπει την τρισδιάστατη δομή των πρωτεϊνών. Αλλά αυτά τα βραβεία τιμούν τους δημιουργούς της Τεχνητής Νοημοσύνης, όχι τις ανακαλύψεις της.

Για να είναι άξια ενός βραβείου Νόμπελ, σύμφωνα με τα κριτήρια της Επιτροπής Νόμπελ, μια ανακάλυψη πρέπει να είναι χρήσιμη, να έχει εκτεταμένο αντίκτυπο και να ανοίγει νέες κατευθύνσεις κατανόησης. Ένας «επιστήμονας Τεχνητής Νοημοσύνης» που θέλει να ανταποκριθεί σε αυτήν την απαίτηση πρέπει να λειτουργεί σχεδόν εντελώς αυτόνομα - από το να θέτει ερωτήσεις, να επιλέγει πειράματα έως την ανάλυση αποτελεσμάτων.

Στην πραγματικότητα, η Τεχνητή Νοημοσύνη (ΤΝ) συμμετέχει ήδη σχεδόν σε κάθε στάδιο της έρευνας. Νέα εργαλεία βοηθούν στην αποκρυπτογράφηση των ήχων των ζώων, στην πρόβλεψη συγκρούσεων μεταξύ αστεριών και στον εντοπισμό ανοσοκυττάρων ευάλωτων στην COVID-19. Στο Πανεπιστήμιο Carnegie Mellon, η ομάδα του χημικού Gabe Gomes ανέπτυξε το «Coscientist», ένα σύστημα που χρησιμοποιεί μεγάλα γλωσσικά μοντέλα (LLM) για τον αυτόνομο σχεδιασμό και την εκτέλεση χημικών αντιδράσεων χρησιμοποιώντας ρομποτικές συσκευές.

Εταιρείες όπως η Sakana AI στο Τόκιο επιδιώκουν να αυτοματοποιήσουν την έρευνα μηχανικής μάθησης χρησιμοποιώντας LLM, ενώ η Google πειραματίζεται με chatbots που συνεργάζονται σε ομάδες για να παράγουν επιστημονικές ιδέες. Στις ΗΠΑ, η FutureHouse Labs στο Σαν Φρανσίσκο αναπτύσσει ένα βήμα προς βήμα μοντέλο «σκέψης» για να βοηθήσει την Τεχνητή Νοημοσύνη να θέτει ερωτήσεις, να δοκιμάζει υποθέσεις και να σχεδιάζει πειράματα - μια βήμα προς βήμα προσέγγιση στην τρίτη γενιά «επιστημονικής Τεχνητής Νοημοσύνης».

Η τελευταία γενιά θα είναι η Τεχνητή Νοημοσύνη (ΤΝ) που θα μπορεί να θέτει ερωτήσεις και να διεξάγει πειράματα μόνη της, χωρίς ανθρώπινη επίβλεψη, σύμφωνα με τον διευθυντή του FutureHouse, Σαμ Ροντρίγκες. Προβλέπει: «Η ΤΝ θα μπορούσε να κάνει ανακαλύψεις άξιες βραβείου Νόμπελ έως το 2030». Οι τομείς με τις μεγαλύτερες δυνατότητες είναι η επιστήμη των υλικών και η μελέτη της νόσου Πάρκινσον ή Αλτσχάιμερ.

Η Τεχνητή Νοημοσύνη στερεί από νέους επιστήμονες ευκαιρίες μάθησης;

Άλλοι επιστήμονες είναι επιφυλακτικοί. Ο Νταγκ Ντάουνι του Ινστιτούτου Άλεν για την Τεχνητή Νοημοσύνη στο Σιάτλ αναφέρει ότι μια δοκιμή σε 57 «πράκτορες Τεχνητής Νοημοσύνης» διαπίστωσε ότι μόνο το 1% μπορούσε να ολοκληρώσει πλήρως ένα ερευνητικό έργο - από την ιδέα έως την έκθεση. «Η αυτοματοποιημένη επιστημονική ανακάλυψη από την αρχή μέχρι το τέλος παραμένει μια τεράστια πρόκληση», λέει.

Επιπλέον, τα μοντέλα Τεχνητής Νοημοσύνης εξακολουθούν να μην κατανοούν πραγματικά τους νόμους της φύσης. Μια μελέτη διαπίστωσε ότι ένα μοντέλο μπορεί να προβλέψει τις πλανητικές τροχιές αλλά όχι τους νόμους της φυσικής που τις διέπουν ή μπορεί να πλοηγηθεί σε μια πόλη αλλά δεν μπορεί να δημιουργήσει έναν ακριβή χάρτη. Σύμφωνα με τον ειδικό Subbarao Kambhampati (Πανεπιστήμιο της Πολιτείας της Αριζόνα), αυτό δείχνει ότι η Τεχνητή Νοημοσύνη δεν έχει την εμπειρία του πραγματικού κόσμου που έχουν οι άνθρωποι.

Η Γιολάντα Γκιλ υποστηρίζει ότι για να φτάσει στο επίπεδο του βραβείου Νόμπελ, η Τεχνητή Νοημοσύνη πρέπει να είναι σε θέση να «σκέφτεται για τη σκέψη» - δηλαδή, να αυτοαξιολογεί και να προσαρμόζει τις δικές της διαδικασίες συλλογισμού. Χωρίς να επενδύσει σε αυτή τη θεμελιώδη έρευνα, «οι ανακαλύψεις που αξίζουν Νόμπελ θα παραμείνουν πολύ μακριά», λέει ο Γκιλ.

Εν τω μεταξύ, ορισμένοι μελετητές προειδοποιούν για τους κινδύνους της υπερβολικής εξάρτησης από την Τεχνητή Νοημοσύνη στην επιστήμη. Μια εργασία του 2024 από τη Lisa Messeri (Πανεπιστήμιο Yale) και τη Molly Crockett (Πανεπιστήμιο Princeton) υποστηρίζει ότι η υπερβολική χρήση της Τεχνητής Νοημοσύνης θα μπορούσε να αυξήσει τα λάθη και να μειώσει τη δημιουργικότητα, καθώς οι επιστήμονες «παράγουν περισσότερα αλλά καταλαβαίνουν λιγότερα».

«Η Τεχνητή Νοημοσύνη θα μπορούσε να στερήσει από νέους επιστήμονες, οι οποίοι διαφορετικά θα μπορούσαν να λάβουν μεγάλα βραβεία στο μέλλον, τη δυνατότητα μάθησης», πρόσθεσε ο Μεσσέρι. «Καθώς οι προϋπολογισμοί για την έρευνα συρρικνώνονται, είναι μια ανησυχητική στιγμή να εξετάσουμε το κόστος αυτού του μέλλοντος».

Επιστροφή στο θέμα

ΒΝΑ

Πηγή: https://tuoitre.vn/ngay-ai-gianh-giai-nobel-se-khong-con-xa-20251007123831679.htm