فهرست مطالب
پیشرفت چشمگیر هوش مصنوعی در حل مسائل پیچیده ریاضی و اجرای آزمایش‌های علمی، احتمال ایجاد تحولی گسترده در علم فیزیک را افزایش داده است.
به گزارش سرویس هوش مصنوعی تکناک، پژوهشگران دانشگاه ییل معتقد هستند که مدل‌های پیشرفته هوش مصنوعی اکنون می‌توانند بسیاری از مسائل دشوار فیزیک را با دقت بالا حل کنند و حتی در طراحی و اجرای آزمایش‌های علمی نقش مستقیمی داشته باشند.
هوش مصنوعی پس از موفقیت‌های گسترده در برنامه‌نویسی و ریاضیات، اکنون به یکی از ابزارهای مهم پژوهشگران فیزیک تبدیل شده است. پیشرفت این فناوری به‌اندازه‌ای سریع بوده است که برخی دانشمندان احتمال می‌دهند هوش مصنوعی در آینده نزدیک بتواند وظایفی را انجام دهد که تاکنون به تخصص و خلاقیت فیزیک‌دانان وابسته بوده است.
موفقیت مدل‌های هوش مصنوعی در حل مسائل ریاضیات، نگرانی‌هایی را نیز در جامعه علمی ایجاد کرده است. برخی منتقدان معتقد هستند که افزایش چشمگیر تعداد اثبات‌های ریاضی تولیدشده توسط این فناوری می‌تواند بررسی و ارزیابی یافته‌های جدید را برای پژوهشگران دشوار کند و حتی روند پیشرفت علم را تحت تأثیر قرار دهد.
با وجود این، تأثیر هوش مصنوعی بر سایر شاخه‌های علمی تاکنون محدودتر بوده است. اکنون نتایج پژوهش‌های جدید نشان می‌دهد که فیزیک ممکن است حوزه بعدی باشد که با تغییرات گسترده ناشی از پیشرفت هوش مصنوعی مواجه می‌شود.
بیشتر بخوانید: شرکت OpenAI باز هم جامعه ریاضیات را غافلگیر کرد
توانایی هوش مصنوعی در حل مسائل دشوار فیزیک
جان سوس، پژوهشگر دانشگاه ییل معتقد است که روش‌های ارزیابی فعلی، توانایی واقعی هوش مصنوعی در حل مسائل فیزیک را به‌درستی نشان نمی‌دهند. به گفته او، عملکرد ضعیف برخی مدل‌های پیشرفته در آزمون‌های تخصصی بیشتر ناشی از مشکلات موجود در پرسش‌ها بوده است.
مدل‌های پیشرفته هوش مصنوعی پیش‌تر در شش آزمون تخصصی که برای سنجش توانایی آنها در حل مسائل دشوار فیزیک طراحی شده بودند، امتیازهایی به پایینی ۳۰ درصد کسب کرده بودند. این نتایج تصویری نسبتا ضعیف از قابلیت‌های هوش مصنوعی ارائه می‌کرد.
با وجود این، سوس و همکاران او هنگام بررسی دقیق آزمون‌ها متوجه شدند که بسیاری از پرسش‌ها دارای خطا، ابهام یا اطلاعات ناکافی هستند. پژوهشگران پس از اصلاح این مشکلات، آزمایش‌ها را دوباره بررسی کردند و دریافتند که امتیاز مدل‌های هوش مصنوعی تا ۹۴ درصد افزایش پیدا می‌کند.
این اختلاف چشمگیر نشان می‌دهد که نتایج آزمون‌های پیشین الزاما بیانگر محدودیت واقعی هوش مصنوعی نبوده‌اند.
سوس معتقد است که مدل‌های پیشرفته می‌توانند در حل مسائل دقیق و مشخص، حتی از بهترین متخصصان انسانی نیز عملکرد بهتری داشته باشند.
وی بیان کرد: «فکر می‌کنم هوش مصنوعی در انجام هر کاری که تعریف دقیقی داشته باشد، حتی اگر بسیار دشوار باشد، عملکرد فوق‌العاده‌ای خواهد داشت و احتمالا از بهترین متخصصان نیز پیشی می‌گیرد. داده‌های ما این موضوع را تأیید می‌کنند.»
با وجود این، تمام مسائل فیزیک ساختار مشخص و تعریف دقیقی ندارند. بسیاری از مهم‌ترین پیشرفت‌های علمی زمانی اتفاق می‌افتند که دانشمندان با پدیده‌هایی ناشناخته مواجه می‌شوند و هنوز نمی‌دانند چگونه باید آنها را توضیح دهند.
سوس توضیح داد که فیزیک‌دانان هنگام مشاهده یک پدیده غیرقابل توضیح در طبیعت، مواد یا کیهان، باید مدل‌هایی طراحی کنند که رفتار آن پدیده را توصیف و پیش‌بینی کند.
این فرایند به خلاقیت، درک مفهومی و توانایی مطرح کردن فرضیه‌های جدید نیاز دارد. هنوز مشخص نیست که هوش مصنوعی بتواند تمام این مراحل فیزیک را بدون کمک انسان انجام دهد.
بیشتر بخوانید: چرا مدل‌های زبانی بزرگ در ریاضیات ضعف دارند؟
تفاوت اساسی در استفاده از هوش مصنوعی
یکی از دلایل موفقیت چشمگیر هوش مصنوعی در ریاضیات، استفاده از روشی به نام صورت‌بندی صوری یا Formalisation است. این روش به پژوهشگران اجازه می‌دهد که مفاهیم و اثبات‌های ریاضی را به کدهای کامپیوتری تبدیل کنند و درستی آنها را با دقت بسیار بالا بسنجند.
در این فرایند، کامپیوتر مراحل مختلف یک اثبات را بررسی می‌کند و می‌تواند صحت نتیجه نهایی را با اطمینان بسیار زیادی تأیید کند.
چنین قابلیتی برای هوش مصنوعی اهمیت زیادی دارد، چرا که مدل می‌تواند پاسخ‌های مختلف را آزمایش کند و تشخیص دهد چه زمانی به راه‌حل صحیح رسیده است.
اگرچه پژوهشگران استفاده از این روش را در فیزیک نیز آغاز کرده‌اند، کاربرد آن همچنان در مراحل اولیه قرار دارد. مسائل فیزیک اغلب پیچیده‌تر هستند و برخلاف بسیاری از مسائل ریاضی، نمی‌توان تمام شرایط و متغیرهای آنها را به‌سادگی تعریف کرد.
ولادیمیر آرنولد، ریاضی‌دان و فیزیک‌دان برجسته، زمانی ریاضیات را بخشی از فیزیک توصیف کرده بود که آزمایش کردن در آن هزینه کمتری دارد.
این تفاوت نشان می‌دهد که هوش مصنوعی برای دستیابی به موفقیت مشابه در فیزیک، علاوه بر توانایی محاسباتی، باید بتواند با پدیده‌های واقعی و شرایط نامشخص نیز مواجه شود.
سوس تأکید کرد که هنوز مشخص نیست مدل‌های هوش مصنوعی بتوانند تمام مراحل پژوهش نظری، از تعریف مسئله و طراحی مدل تا بررسی و آزمایش نتایج را مستقل انجام دهند.
با وجود این، کاربرد عملی این فناوری در آزمایشگاه‌های فیزیک از هم‌اکنون آغاز شده است و پژوهشگران تلاش می‌کنند محدودیت‌های موجود را برطرف کنند.
بیشتر بخوانید: هوش مصنوعی کلود معمای ۲۵ ساله اعداد آژانس امنیت ملی آمریکا را حل کرد
اجرای آزمایش‌های فیزیکی با هوش مصنوعی کلود
لوگان رایت، پژوهشگر دانشگاه ییل از جمله دانشمندانی است که هوش مصنوعی را مستقیما در آزمایش‌های فیزیکی به کار گرفته است. او همچنین دوره‌ای آموزشی درباره کاربرد این فناوری در تحقیقات فیزیک برگزار می‌کند.
رایت بیان کرد که پیشرفت هوش مصنوعی چنان سریع است که محتوای آموزشی این دوره دائما تغییر می‌کند.
به اعتقاد او، مهم‌ترین شرط استفاده مؤثر از هوش مصنوعی در آزمایشگاه، امکان کنترل کامپیوتری ورودی‌ها و خروجی‌های آزمایش است.
اگر پژوهشگران بتوانند تمام مراحل مشاهده، اندازه‌گیری و کنترل تجهیزات را به کد تبدیل کنند، مدل‌های هوش مصنوعی خواهند توانست آزمایش‌ها را اجرا کنند و نتایج آنها را بررسی نمایند.
رایت توضیح داد: «هوش مصنوعی دست و چشم ندارد و فقط از طریق زبان و کد با جهان تعامل می‌کند. اگر بتوانیم مشاهدات و اقدامات یک آزمایش را به کد تبدیل کنیم، این فناوری واقعا می‌تواند بسیار مفید باشد.»
یکی از آزمایش‌های فعلی آزمایشگاه او به بررسی تأثیر شکل‌های مختلف پالس‌های لیزری بر یک اتم روبیدیوم اختصاص دارد.
پژوهشگران برای انجام این آزمایش از مدل هوش مصنوعی کلود، محصول شرکت آنتروپیک استفاده می‌کنند. این مدل پالس‌های لیزری را کنترل می‌کند و داده‌های حاصل از تأثیر آنها بر اتم را جمع‌آوری می‌کند.
کلود حتی می‌تواند نتیجه احتمالی یک پالس مشخص را پیش‌بینی کند و سپس با اجرای آزمایش، درستی پیش‌بینی خود را بسنجد.
به گفته رایت، چنین آزمایش‌هایی می‌توانند در طول شب بدون حضور مداوم پژوهشگران اجرا شوند و کاری معادل یک هفته فعالیت انسانی را انجام دهند.
همچنین فیزیک‌دانان می‌توانند هنگام حضور خارج از آزمایشگاه، ایده‌های جدید خود را از طریق اپلیکیشن گوشی هوشمند ثبت کنند و پس از بازگشت، نتایج آزمایش‌ها را دریافت نمایند.
البته رایت تأکید کرد که این روش فعلا فقط در حوزه‌های محدود و کاملا کنترل‌شده کاربرد دارد و نمی‌توان تمام پدیده‌های جهان را با آن بررسی کرد.
او احتمال داده است که هوش مصنوعی به‌زودی آزمایش‌هایی طراحی کند که انسان‌ها سازوکار آنها را به‌طور کامل درک نکنند، اما اجرای آنها به کشفیات علمی مهمی منجر شود.
چنین احتمالی پرسشی اساسی درباره آینده علم مطرح می‌کند: آیا نتیجه‌ای که هوش مصنوعی به دست آورده است، اما انسان قادر به درک آن نیست، همچنان یک دستاورد علمی محسوب می‌شود؟
از دست ندهید: شرکت OpenAI مدعی حل یکی از دشوارترین مسائل ریاضی شد
