دانشمندان احتمال برنده شدن جایزه نوبل توسط هوش مصنوعی را پیش‌بینی می‌کنند

بسیاری از محققان معتقدند که هوش مصنوعی می‌تواند روزی با درخشان‌ترین ذهن‌های علم رقابت کند - حتی اکتشافاتی در حد جایزه نوبل انجام دهد.

در سال‌های اخیر، هوش مصنوعی (AI) توانایی خود را در تجزیه و تحلیل داده‌ها، طراحی آزمایش‌ها و ارائه فرضیه‌های علمی جدید نشان داده است، که بسیاری از محققان را به این باور رسانده است که هوش مصنوعی می‌تواند روزی با درخشان‌ترین ذهن‌های علمی رقابت کند - حتی طبق مجله نیچر، اکتشافاتی در حد جایزه نوبل انجام دهد.

در سال ۲۰۱۶، هیروآکی کیتانو، زیست‌شناس و مدیرعامل شرکت هوش مصنوعی سونی، «چالش نوبل تورینگ» را آغاز کرد - فراخوانی برای توسعه یک سیستم هوش مصنوعی به اندازه‌ای هوشمند که بتواند به تنهایی یک کشف علمی در سطح نوبل انجام دهد.

طبق هدف این پروژه، تا سال ۲۰۵۰، یک «دانشمند هوش مصنوعی» قادر خواهد بود بدون دخالت انسان فرضیه بسازد، آزمایش‌ها را برنامه‌ریزی کند و داده‌ها را تجزیه و تحلیل کند.

راس کینگ، محقق دانشگاه کمبریج (بریتانیا)، معتقد است که این نقطه عطف ممکن است زودتر فرا برسد: «تقریباً قطعی است که سیستم‌های هوش مصنوعی به سطح برنده شدن جوایز نوبل خواهند رسید. سوال فقط در ۵۰ سال آینده یا ۱۰ سال آینده مطرح است.»

با این حال، بسیاری از کارشناسان محتاط هستند. به گفته آنها، مدل‌های هوش مصنوعی فعلی عمدتاً به داده‌ها و دانش موجود متکی هستند و واقعاً درک جدیدی ایجاد نمی‌کنند.

محقق یولاندا گیل (دانشگاه کالیفرنیای جنوبی، ایالات متحده آمریکا) اظهار داشت: «اگر فردا دولت یک میلیارد دلار در تحقیقات پایه سرمایه‌گذاری کند، پیشرفت می‌تواند سرعت بگیرد، اما هنوز با آن هدف فاصله زیادی دارد.»

تا به امروز، فقط افراد و سازمان‌ها جوایز نوبل را دریافت کرده‌اند. با این حال، هوش مصنوعی به طور غیرمستقیم در این امر نقش داشته است: در سال ۲۰۲۴، جایزه نوبل فیزیک به پیشگامان یادگیری ماشینی تعلق گرفت؛ در همان سال، نیمی از جایزه شیمی به تیم پشت AlphaFold، سیستم هوش مصنوعی گوگل دیپ‌مایند که ساختار سه‌بعدی پروتئین‌ها را پیش‌بینی می‌کند، تعلق گرفت. اما این جوایز به افتخار سازندگان هوش مصنوعی اهدا می‌شود، نه به خاطر اکتشافات هوش مصنوعی.

طبق معیارهای کمیته نوبل، برای اینکه یک کشف شایسته جایزه نوبل باشد، باید مفید باشد، تأثیر گسترده‌ای داشته باشد و مسیرهای جدیدی از درک را بگشاید. یک «دانشمند هوش مصنوعی» که می‌خواهد این الزام را برآورده کند، باید تقریباً کاملاً مستقل عمل کند - از پرسیدن سؤال، انتخاب آزمایش‌ها گرفته تا تجزیه و تحلیل نتایج.

در واقع، هوش مصنوعی تقریباً در هر مرحله از تحقیقات دخیل است. ابزارهای جدید به رمزگشایی صداهای حیوانات، پیش‌بینی برخورد بین ستارگان و شناسایی سلول‌های ایمنی آسیب‌پذیر در برابر کووید-۱۹ کمک می‌کنند.

در دانشگاه کارنگی ملون، تیم شیمیدان گیب گومز «Coscientist» را توسعه دادند - سیستمی که از مدل‌های زبانی بزرگ (LLM) برای برنامه‌ریزی و اجرای خودکار واکنش‌های شیمیایی با استفاده از دستگاه‌های رباتیک استفاده می‌کند.

برخی شرکت‌ها مانند Sakana AI در توکیو به دنبال خودکارسازی تحقیقات یادگیری ماشینی با استفاده از LLM هستند، در حالی که گوگل در حال آزمایش چت‌بات‌هایی است که به صورت گروهی برای تولید ایده‌های علمی همکاری می‌کنند.

در ایالات متحده، آزمایشگاه FutureHouse در سانفرانسیسکو در حال توسعه یک مدل «تفکر» گام به گام است تا به هوش مصنوعی در پرسیدن سوال، آزمایش فرضیه‌ها و طراحی آزمایش‌ها کمک کند - با هدف نسل سوم «هوش مصنوعی در علم».

به گفته سم رودریگز، مدیر FutureHouse، نسل نهایی هوش مصنوعی خواهد بود که می‌تواند بدون نظارت انسان، به تنهایی سوال بپرسد و آزمایش انجام دهد. او پیش‌بینی می‌کند: «هوش مصنوعی می‌تواند تا سال ۲۰۳۰ اکتشافاتی در حد جایزه نوبل انجام دهد.» حوزه‌هایی که بیشترین پتانسیل را دارند، علم مواد و مطالعه بیماری پارکینسون یا آلزایمر هستند.

دانشمندان دیگر تردید دارند. داگ داونی از موسسه هوش مصنوعی آلن در سیاتل می‌گوید آزمایشی روی ۵۷ «عامل هوش مصنوعی» نشان داد که تنها ۱٪ می‌توانند یک پروژه تحقیقاتی را به طور کامل - از ایده تا گزارش - تکمیل کنند. او می‌گوید: « کشف علمی خودکار از ابتدا تا انتها همچنان یک چالش بزرگ است.»

علاوه بر این، مدل‌های هوش مصنوعی هنوز قوانین طبیعت را به طور کامل درک نمی‌کنند. یک مطالعه نشان داد که یک مدل می‌تواند مدارهای سیارات را پیش‌بینی کند اما نمی‌تواند قوانین فیزیکی اساسی را پیش‌بینی کند؛ یا می‌تواند در یک شهر پیمایش کند اما نمی‌تواند یک نقشه دقیق ایجاد کند.

به گفته متخصص سوبارائو کامبهامپاتی (دانشگاه ایالتی آریزونا)، این نشان می‌دهد که هوش مصنوعی فاقد تجربه زندگی واقعی است که انسان‌ها دارند.

یولاندا گیل استدلال می‌کند که برای رسیدن به مقام نوبل، هوش مصنوعی باید بتواند «درباره تفکر فکر کند» - یعنی فرآیندهای استدلال خود را خودارزیابی و تنظیم کند. گیل می‌گوید بدون سرمایه‌گذاری در این تحقیقات بنیادی، «اکتشافات شایسته نوبل در راه طولانی باقی خواهند ماند».

در همین حال، برخی از محققان نسبت به خطرات اتکای بیش از حد به هوش مصنوعی در علم هشدار می‌دهند. مقاله‌ای که در سال ۲۰۲۴ توسط لیزا مسری (دانشگاه ییل) و مولی کراکت (دانشگاه پرینستون) منتشر شد، استدلال می‌کند که استفاده بیش از حد از هوش مصنوعی می‌تواند خطاها را افزایش داده و خلاقیت را کاهش دهد، زیرا دانشمندان «بیشتر تولید می‌کنند اما کمتر می‌فهمند».

مسری افزود: «هوش مصنوعی می‌تواند دانشمندان جوانی را که در غیر این صورت ممکن است در آینده جوایز بزرگی را کسب کنند، از فرصت‌های یادگیری محروم کند. با کاهش بودجه‌های تحقیقاتی، اکنون زمان نگران‌کننده‌ای برای بررسی هزینه آن آینده است.»

(TTXVN/ویتنام+)

منبع: https://www.vietnamplus.vn/gioi-khoa-hoc-du-doan-kha-nang-tri-tue-nhan-tao-gianh-giai-nobel-post1068525.vnp