معجزه ۳۰ به ۹۴ درصدی؛ راز بزرگ هوش مصنوعی در فیزیک که دانشمندان را شوکه کرد

به گزارش تیترستان؛ پژوهشگران دانشگاه ییل در تازه‌ترین بررسی خود به یافته‌ای غیرمنتظره دست پیدا کرده‌اند که می‌تواند مسیر آینده علم فیزیک را برای همیشه تغییر دهد. بر اساس این مطالعه، هوش مصنوعی در صورت طرح دقیق پرسش‌ها و ارائه اطلاعات کافی، قادر است مسائل بسیار دشوار فیزیک را با دقتی چشمگیر حل کند. این کشف در حالی منتشر می‌شود که پیش از این، تصور عمومی بر این بود که توانایی مدل‌های زبانی در فیزیک بسیار محدودتر از ریاضیات است. جان سوس، پژوهشگر دانشگاه ییل، معتقد است توانایی واقعی هوش مصنوعی در حل مسائل فیزیک تاکنون کمتر از حد واقعی ارزیابی شده و آمارهای رسمی نتوانسته‌اند تصویر درستی از این توانایی ارائه دهند.

بررسی‌های اولیه نشان می‌داد که برخی مدل‌های پیشرفته در شش آزمون تخصصی سنجش توانایی حل مسائل دشوار فیزیک، تنها امتیازهایی در حدود ۳۰ درصد کسب کرده‌اند. اما این نتایج با تجربه عملی سوس و همکارانش از کار با این مدل‌ها همخوانی نداشت و تناقض آشکاری را آشکار کرد. به گزارش نیوساینتیست، بررسی دقیق آزمون‌ها نشان داد که تعدادی از پرسش‌ها دارای خطا یا تعریف‌های مبهم هستند و اطلاعات کافی برای رسیدن به پاسخ درست را در اختیار مدل‌ها قرار نمی‌دهند. پس از اصلاح این مشکلات و رفع ابهام‌ها، امتیاز هوش مصنوعی در برخی موارد به شکل شگفت‌انگیزی به ۹۴ درصد رسید؛ جهشی که بسیاری از متخصصان را متقاعد کرد دوران جدیدی در پژوهش‌های فیزیک آغاز شده است.

چرا پژوهش در فیزیک با حل مسائل ریاضی تفاوت دارد؟

یکی از دلایل پیشرفت سریع هوش مصنوعی در ریاضیات، امکان تبدیل مسائل و اثبات‌ها به قالب‌های رایانه‌ای قابل‌بررسی است. این روش که «رسمی‌سازی ریاضی» نام دارد، ایده‌ها و گزاره‌های ریاضی را به ساختاری تبدیل می‌کند که نرم‌افزارهای تخصصی می‌توانند مراحل استدلال آن را گام‌به‌گام بررسی کنند. اگر اثباتی تمام بررسی‌های لازم را با موفقیت پشت سر بگذارد، می‌توان با اطمینان بسیار زیادی از درستی آن سخن گفت. چنین رویکردی به هوش مصنوعی کمک می‌کند علاوه بر ارائه راه‌حل، درستی آن را نیز در چارچوب قواعد مشخص و قابل‌اعتماد ارزیابی کند. اما اگرچه استفاده از رسمی‌سازی در فیزیک هم در حال توسعه است، این روش هنوز به اندازه ریاضیات پیشرفت نکرده و راه طولانی در پیش دارد.

دلیل این تفاوت آن است که فیزیک با جهان واقعی سروکار دارد؛ جهانی که در آن داده‌ها ممکن است ناقص باشند، اندازه‌گیری‌ها با عدم قطعیت همراه‌اند و بسیاری از پدیده‌ها هنوز به‌خوبی شناخته نشده‌اند. در این شرایط، دانشمندان باید با ساخت مدل، ارائه تقریب یا طراحی شبیه‌سازی، رفتار پدیده‌ها را توضیح دهند و پیش‌بینی کنند. ولادیمیر آرنولد، ریاضیدان و فیزیکدان برجسته، زمانی گفته بود که ریاضیات بخشی از فیزیک است که آزمایش‌های آن هزینه چندانی ندارند. منظور وی این بود که در ریاضیات می‌توان بسیاری از مسائل را با استدلال منطقی و محاسبات بررسی کرد، اما در فیزیک برای فهم رفتار واقعی طبیعت، معمولاً باید فرضیه‌ها را با آزمایش‌های عملی و پرهزینه سنجید. از نگاه سوس، خلاقیت در همین مرحله اهمیت پیدا می‌کند؛ زمانی که فیزیکدان باید از مشاهده پدیده‌ای ناشناخته به ساخت مدلی برسد که آن را توضیح دهد.

هوش مصنوعی چگونه آزمایش‌های فیزیک را انجام می‌دهد؟

هوش مصنوعی هم‌اکنون در برخی آزمایشگاه‌های فیزیک برای کارهایی فراتر از محاسبات و برنامه‌نویسی به کار گرفته می‌شود. لوگان رایت، پژوهشگر دانشگاه ییل، دوره‌ای درباره کاربرد این فناوری در پژوهش‌های فیزیک تدریس می‌کند و می‌گوید محتوای دوره دائماً با پیشرفت ابزارهای هوش مصنوعی تغییر می‌کند. به اعتقاد رایت، یکی از راه‌های مؤثر برای استفاده از هوش مصنوعی، طراحی آزمایش‌هایی است که ورودی‌ها و خروجی‌های آن‌ها با رایانه کنترل شوند. در این شرایط، هوش مصنوعی می‌تواند تنظیمات آزمایش را تغییر دهد، داده‌های حاصل را تحلیل کند و براساس نتایج، مراحل بعدی را پیش ببرد. برای مثال، اگر دستگاهی بتواند پارامترهای آزمایش را خودکار تغییر دهد و نتایج را به‌صورت دیجیتال ثبت کند، هوش مصنوعی می‌تواند آزمایش را با تنظیمات مختلف تکرار کند و الگوهایی را شناسایی کند که به شناخت بهتر پدیده مورد بررسی کمک می‌کنند.

رایت توضیح می‌دهد که هوش مصنوعی از طریق زبان و کد با جهان تعامل می‌کند؛ بنابراین، هرچه بتوان مشاهدات و اقدامات یک آزمایش را به داده‌های دیجیتال و دستورهای رایانه‌ای تبدیل کرد، امکان استفاده مؤثر از این فناوری بیشتر می‌شود. یکی از نمونه‌های عملی این رویکرد در آزمایشگاه رایت در حال اجرا است. پژوهشگران در این آزمایش بررسی می‌کنند که شکل‌های مختلف پالس‌های لیزری چه تأثیری بر اتم روبیدیوم می‌گذارند. آن‌ها از مدل هوش مصنوعی کلود، محصول شرکت آنتروپیک، برای کنترل پالس‌های لیزری و جمع‌آوری داده‌ها استفاده می‌کنند. کلود می‌تواند پیش‌بینی کند که یک پالس لیزری مشخص چه نتیجه‌ای به همراه خواهد داشت و سپس پیش‌بینی خود را با اجرای آزمایش بررسی کند. به این ترتیب، هوش مصنوعی در چرخه‌ای از پیش‌بینی، آزمایش و ارزیابی نتایج مشارکت می‌کند و می‌تواند آزمایش‌ها را در طول شب ادامه دهد؛ به‌اندازه کاری که ممکن است یک انسان در طول یک هفته انجام دهد.

آیا هوش مصنوعی می‌تواند به کشفیاتی برسد که انسان درک نمی‌کند؟

یکی از پرسش‌های مهم درباره آینده هوش مصنوعی در فیزیک این است که آیا این فناوری می‌تواند آزمایش‌هایی طراحی کند که حتی دانشمندان نیز در ابتدا منطق آن‌ها را درک نکنند. رایت معتقد است چنین اتفاقی ممکن است در آینده‌ای نزدیک رخ دهد. هوش مصنوعی می‌تواند آزمایشی پیشنهاد کند که انسان‌ها به‌طور کامل از منطق طراحی آن سر درنیاورند، اما بتوانند تجهیزات لازم را بسازند و آن را اجرا کنند. چنین آزمایشی ممکن است به نتایج تازه و غیرمنتظره‌ای منجر شود. البته، دستیابی به نتیجه جدید لزوماً به معنای درک علمی آن نیست. اگر هوش مصنوعی رابطه‌ای ناشناخته را کشف کند، اما پژوهشگران نتوانند توضیح دهند چرا آن رابطه وجود دارد یا نتیجه چگونه به دست آمده است، آیا می‌توان این دستاورد را پیشرفتی واقعی در علم دانست؟ پرسشی مشابه در ریاضیات نیز مطرح است: اگر هوش مصنوعی اثباتی ارائه دهد که درستی آن قابل‌بررسی باشد، اما انسان نتواند منطق آن را به‌خوبی درک کند، آیا این اثبات به فهم ما از ریاضیات کمک کرده است؟

این مسئله در فیزیک اهمیت بیشتری دارد؛ زیرا هدف این علم صرفاً پیش‌بینی نتیجه آزمایش‌ها نیست، بلکه توضیح پدیده‌های طبیعی و شناخت سازوکارهای پشت آن‌ها نیز اهمیت دارد. هوش مصنوعی هم‌اکنون می‌تواند در تحلیل داده‌ها، حل مسائل، برنامه‌نویسی و کنترل تجهیزات آزمایشگاهی به پژوهشگران کمک کند. این فناوری همچنین امکان بررسی فرضیه‌های بیشتر در زمان کمتر را فراهم می‌کند و شاید به کشف روابطی منجر شود که شناسایی آن‌ها با روش‌های معمول دشوار است. بااین‌حال، توانایی حل مسئله با توانایی انجام یک پژوهش علمی کامل تفاوت دارد. هنوز باید مشخص شود که هوش مصنوعی تا چه اندازه می‌تواند پرسش‌های پژوهشی تازه مطرح و پدیده‌های ناشناخته را به مدل‌های معنادار تبدیل کند و نتایج خود را به شکلی توضیح دهد که به درک عمیق‌تر طبیعت منجر شود. بنابراین، هنوز نمی‌توان گفت هوش مصنوعی به‌زودی جای فیزیکدانان را خواهد گرفت؛ اما می‌تواند شیوه انجام پژوهش را تغییر دهد و در برخی حوزه‌های مشخص، بخش بزرگی از فرایند آزمایش را بر عهده بگیرد. شاید چالش اصلی آینده فقط این نباشد که هوش مصنوعی می‌تواند به پرسش‌های علمی پاسخ دهد یا نه؛ بلکه این باشد که آیا انسان می‌تواند نتایج آن را بفهمد، توضیح دهد و به دانشی قابل‌اتکا تبدیل کند یا نه.