ضرب الكتب: لماذا لن يتولى الذكاء الاصطناعي وظائفنا في علم الكونيات

مشكلة دراسة الكون من حولنا هي أنه ببساطة أكبر من اللازم. تظل النجوم الموجودة في السماء بعيدة جدًا بحيث لا يمكن التفاعل معها بشكل مباشر ، لذا فنحن مقيدون باختبار نظرياتنا حول تكوين المجرات بناءً على البيانات التي يمكن ملاحظتها.

أثبتت محاكاة هذه الأجرام السماوية على أجهزة الكمبيوتر أنها مفيدة للغاية في التفاف رؤوسنا حول طبيعة الواقع ، وكما يوضح أندرو بونتزن في كتابه الجديد ، الكون في صندوق: المحاكاة والسعي إلى ترميز الكونالتطورات الحديثة في تكنولوجيا الحوسبة العملاقة تعمل على إحداث ثورة في قدرتنا على نمذجة تعقيدات الكون (ناهيك عن التحديات العديدة القائمة على الأرض) على نطاق أصغر. في المقتطف أدناه ، يلقي بونتزن نظرة على الظهور الأخير لأنظمة الذكاء الاصطناعي التي تركز على علم الفلك ، وما يمكنها تحقيقه في هذا المجال ولماذا لا يشعر بالقلق الشديد بشأن فقدان وظيفته لأحدها.

مقتبس من THE UNIVERSE IN A BOX: Simulations and the Quest to Code the Cosmos بقلم أندرو بونتزن الذي نُشر في 13 يونيو 2023 بواسطة Riverhead ، وهي بصمة لمجموعة Penguin Publishing Group ، وهي قسم من Penguin Random House LLC. حقوق النشر © 2023 Andrew Pontzen.

بصفتي عالم كوزمولوجيا ، أقضي جزءًا كبيرًا من وقتي في العمل مع أجهزة الكمبيوتر العملاقة ، لتوليد محاكاة للكون لمقارنتها بالبيانات من التلسكوبات الحقيقية. الهدف هو فهم تأثير المواد الغامضة مثل المادة المظلمة ، ولكن لا يمكن لأي إنسان أن يستوعب جميع البيانات الموجودة في الكون ، ولا كل نتائج المحاكاة. لهذا السبب ، يعد الذكاء الاصطناعي والتعلم الآلي جزءًا أساسيًا من عمل علماء الكونيات.

لنأخذ على سبيل المثال مرصد فيرا روبين ، وهو تلسكوب عملاق بُني على قمة جبل تشيلي وصُمم لتصوير السماء بشكل متكرر خلال العقد القادم. لن تقوم فقط ببناء صورة ثابتة: إنها ستبحث بشكل خاص عن الأجسام التي تتحرك (الكويكبات والمذنبات) ، أو تغير السطوع (النجوم الوامضة والكوازارات والمستعرات الأعظمية) ، كجزء من حملتنا المستمرة لفهم الكون المتغير باستمرار. يمكن تدريب التعلم الآلي على اكتشاف هذه الأشياء ، مما يسمح بدراستها باستخدام تلسكوبات أخرى أكثر تخصصًا. يمكن لتقنيات مماثلة أن تساعد في التدقيق في السطوع المتغير لأعداد هائلة من النجوم للعثور على علامات منبهة للكواكب المضيفة ، مما يساهم في البحث عن الحياة في الكون. بعيدًا عن علم الفلك ، لا يوجد نقص في التطبيقات العلمية: فقد قامت شركة DeepMind التابعة لشركة Google للذكاء الاصطناعي ، على سبيل المثال ، ببناء شبكة يمكنها أن تتفوق على جميع التقنيات المعروفة للتنبؤ بأشكال البروتينات بدءًا من هيكلها الجزيئي ، وهي خطوة حاسمة وصعبة في فهم العديد من التقنيات البيولوجية. العمليات.

توضح هذه الأمثلة سبب بناء الإثارة العلمية حول التعلم الآلي خلال هذا القرن ، وهناك ادعاءات قوية بأننا نشهد ثورة علمية. منذ عام 2008 ، كتب كريس أندرسون مقالًا لـ سلكي مجلة أعلنت أن المنهج العلمي ، الذي يقترح فيه البشر ويختبرون فرضيات معينة ، عفا عليه الزمن: “ يمكننا التوقف عن البحث عن النماذج. يمكننا تحليل البيانات بدون فرضيات حول ما قد تظهره. يمكننا إلقاء الأرقام في أكبر مجموعات الحوسبة التي شهدها العالم على الإطلاق والسماح للخوارزميات الإحصائية بالعثور على أنماط لا يستطيع العلم فيها ذلك.

أعتقد أن هذا يأخذ الأمور بعيدًا جدًا. يمكن للتعلم الآلي تبسيط وتحسين جوانب معينة من المناهج العلمية التقليدية ، لا سيما عندما تكون معالجة المعلومات المعقدة مطلوبة. أو يمكنه استيعاب النص والإجابة على الأسئلة الواقعية ، كما هو موضح في أنظمة مثل ChatGPT. لكنه لا يمكن أن يحل محل التفكير العلمي تمامًا ، لأن هذا يتعلق بالبحث عن فهم أفضل للكون من حولنا. إن العثور على أنماط جديدة في البيانات أو إعادة صياغة الحقائق الموجودة ما هي إلا جوانب ضيقة لهذا البحث. لا يزال هناك طريق طويل لنقطعه قبل أن تتمكن الآلات من القيام بعلم ذي مغزى دون أي إشراف بشري.

لفهم أهمية السياق والفهم في العلم ، ضع في اعتبارك حالة تجربة OPERA التي حددت في عام 2011 على ما يبدو أن النيوترينوات تنتقل أسرع من سرعة الضوء. هذا الادعاء قريب من تجديف فيزيائي ، لأنه يجب إعادة كتابة النسبية ؛ الحد الأقصى للسرعة جزء لا يتجزأ من صياغته. بالنظر إلى الوزن الهائل للأدلة التجريبية التي تدعم النسبية ، فإن التشكيك في أسسها ليس خطوة ينبغي الاستخفاف بها.

بمعرفة ذلك ، اصطف الفيزيائيون النظريون لرفض النتيجة ، مشتبهين في أن النيوترينوات يجب أن تسير أبطأ من القياسات المشار إليها. ومع ذلك ، لم يتم العثور على مشكلة في القياس – حتى بعد ستة أشهر ، أعلنت OPERA أن الكبل كان مفكوكًا أثناء تجربتهم ، وهو ما يفسر التناقض. لم تنتقل النيوترينوات أسرع من الضوء ؛ البيانات التي تشير إلى خلاف ذلك كانت خاطئة.

يمكن أن تؤدي البيانات المفاجئة إلى الوحي في ظل الظروف المناسبة. تم اكتشاف كوكب نبتون عندما لاحظ علماء الفلك شيئًا غريبًا في مدارات الكواكب الأخرى. ولكن عندما يكون الادعاء مخالفًا للنظريات الموجودة ، فمن الأرجح أن يكون هناك خطأ في البيانات ؛ كان هذا هو الشعور الغريزي الذي وثق به الفيزيائيون عند رؤية نتائج OPERA. من الصعب إضفاء الطابع الرسمي على مثل هذا التفاعل في قاعدة بسيطة للبرمجة في ذكاء الكمبيوتر ، لأنها في منتصف الطريق بين عالم استعادة المعرفة والبحث عن الأنماط.

لن يتم تكرار العناصر البشرية للعلم بواسطة الآلات ما لم تتمكن من دمج معالجة البيانات المرنة مع مجموعة أوسع من المعرفة. هناك انفجار في الأساليب المختلفة لتحقيق هذا الهدف ، مدفوعًا جزئيًا بالحاجة التجارية لذكاء الكمبيوتر لشرح قراراتهم. في أوروبا ، إذا اتخذت آلة قرارًا يؤثر عليك شخصيًا – رفض طلبك للحصول على قرض عقاري ، ربما ، أو زيادة أقساط التأمين الخاصة بك ، أو سحبك جانبًا في المطار – فلديك الحق القانوني في طلب تفسير. يجب أن يصل هذا التفسير بالضرورة إلى خارج عالم البيانات الضيق من أجل الاتصال بإحساس إنساني بما هو معقول أو غير معقول.

من الصعب في كثير من الأحيان إنشاء حساب كامل لكيفية وصول أنظمة التعلم الآلي إلى قرار معين. يستخدمون العديد من المعلومات المختلفة ، ويجمعونها بطرق معقدة ؛ الوصف الوحيد الدقيق حقًا هو كتابة رمز الكمبيوتر وإظهار الطريقة التي تم بها تدريب الجهاز. هذا دقيق ولكنه ليس توضيحيًا للغاية. على الجانب الآخر ، قد يشير المرء إلى عامل واضح هيمن على قرار الجهاز: ربما تكون مدخنًا مدى الحياة ، وقد مات مدخنون آخرون مدى الحياة صغارًا ، لذلك تم رفض طلب التأمين على الحياة. هذا تفسير أكثر فائدة ، لكنه قد لا يكون دقيقًا للغاية: تم قبول مدخنين آخرين لديهم تاريخ وظيفي وسجل طبي مختلف ، فما هو الفرق بالضبط؟ يتطلب شرح القرارات بطريقة مثمرة توازنًا بين الدقة والاستيعاب.

في حالة الفيزياء ، يعد استخدام الآلات لإنشاء تفسيرات دقيقة وسهلة الهضم ترتكز على القوانين والأطر القائمة نهجًا في مهده. يبدأ الأمر بنفس مطالب الذكاء الاصطناعي التجاري: لا يجب أن تشير الآلة إلى قرارها فقط (على سبيل المثال أنها عثرت على مستعر أعظم جديد ، على سبيل المثال) ، بل يجب أن تقدم أيضًا قدرًا صغيرًا من المعلومات القابلة للهضم حول سبب توصلها إلى هذا القرار. بهذه الطريقة ، يمكنك البدء في فهم ماهية البيانات التي دفعت إلى استنتاج معين ، ومعرفة ما إذا كانت تتفق مع أفكارك الحالية ونظريات السبب والنتيجة. بدأ هذا النهج يؤتي ثماره ، حيث أنتج رؤى بسيطة ولكنها مفيدة في ميكانيكا الكم ، ونظرية الأوتار ، وعلم الكونيات (من خلال شراكاتي الخاصة).

لا تزال جميع هذه التطبيقات مؤطرة ومفسرة من قبل البشر. هل يمكننا أن نتخيل بدلاً من ذلك أن يكون الكمبيوتر يؤطر فرضياته العلمية الخاصة ، ويوازن البيانات الجديدة مع ثقل النظريات الموجودة ، ويواصل شرح اكتشافاته من خلال كتابة ورقة علمية دون أي مساعدة بشرية؟ هذه ليست رؤية أندرسون لمستقبل العلم الخالي من النظريات ، لكنها هدف أكثر إثارة ، وأكثر تخريبًا ، وأصعب بكثير: للآلات لبناء واختبار نظريات جديدة فوق مئات السنين من البصيرة البشرية.

يتم اختيار جميع المنتجات التي أوصت بها Engadget بواسطة فريق التحرير لدينا ، بشكل مستقل عن شركتنا الأم. تتضمن بعض قصصنا روابط تابعة. إذا اشتريت شيئًا من خلال أحد هذه الروابط ، فقد نربح عمولة تابعة. جميع الأسعار صحيحة وقت النشر.