آیا روزی که هوش مصنوعی جایزه نوبل را ببرد، دور نیست؟

کارشناسان پیش‌بینی می‌کنند که در کمتر از یک دهه، «دانشمندان هوش مصنوعی» می‌توانند خودشان آثار شایسته‌ی نوبل را کشف کنند، اگرچه بسیاری همچنان در این مورد تردید دارند.

برای رسیدن به سطح نوبل، هوش مصنوعی به توانایی خودارزیابی و تنظیم فرآیند استدلال خود نیاز دارد - عکس: VNU

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

«هوش مصنوعی می‌تواند تا سال ۲۰۳۰ جایزه نوبل را از آن خود کند»

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 اندازه کافی هوشمند که بتواند به تنهایی یک کشف علمی در سطح نوبل انجام دهد. هدف این پروژه این است که تا سال ۲۰۵۰، یک «دانشمند هوش مصنوعی» بتواند بدون دخالت انسان فرضیه‌ها را تدوین کند، 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 جایزه 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 فعلی هوش مصنوعی عمدتاً به داده‌ها و دانش موجود متکی هستند و واقعاً درک جدیدی ایجاد نکرده‌اند. یولاندا گیل، محقق (دانشگاه کالیفرنیای جنوبی، ایالات متحده آمریکا) اظهار داشت: "اگر دولت فردا یک میلیارد دلار در تحقیقات پایه سرمایه‌گذاری کند، پیشرفت می‌تواند سرعت بگیرد، اما هنوز با آن هدف بسیار فاصله 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 به‌طور کامل به‌طور خودکار 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 «دانشمند» را توسعه دادند، سیستمی که از مدل‌های زبان بزرگ (LLM) برای برنامه‌ریزی و اجرای خودکار واکنش‌های شیمیایی با استفاده از دستگاه‌های رباتیک استفاده می‌کند.

شرکت‌هایی 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، FutureHouse Labs 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 - رویکردی گام به گام به نسل سوم «هوش مصنوعی علمی».

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.

هوش مصنوعی دانشمندان جوان را از فرصت‌های یادگیری محروم می‌کند؟

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 درستی درک نمی‌کنند. یک مطالعه نشان داد که یک مدل می‌تواند مدارهای سیارات را پیش‌بینی کند اما قوانین فیزیک حاکم بر آنها را نمی‌تواند؛ یا می‌تواند در یک شهر حرکت کند اما نمی‌تواند یک نقشه دقیق ایجاد کند. به گفته متخصص سوبارائو کامبهامپاتی (دانشگاه ایالتی آریزونا)، این نشان می‌دهد که هوش مصنوعی فاقد تجربه دنیای 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 دریافت کنند، از یادگیری محروم کند. با کاهش بودجه‌های تحقیقاتی، زمان نگران‌کننده‌ای برای بررسی هزینه آن آینده فرا رسیده است.»

بازگشت به موضوع

وی ان ای

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