در نشست بین‌المللی هوش مصنوعی در دوبلین که در پاییز ۱۴۰۳ برگزار شد، دیمیس هاسابیس، هم‌بنیان‌گذار Google DeepMind، با رویکردی متفاوت نسبت به همیشه، از تقابل میان مصرف انرژی سرسام‌آور مراکز داده و پتانسیل‌های نجات‌بخش هوش مصنوعی در حل بحران‌های اقلیمی سخن گفت. در این گزارش تحلیلی، به بررسی تغییر جهت استراتژیک هاسابیس از تمرکز بر AGI به سمت کاربردهای عملیاتی در علوم پایه و راهکارهای زیست‌محیطی می‌پردازیم.
عبور از هیاهوی AGI به سوی واقع‌گرایی علمی
یکی از نکات کلیدی در سخنرانی اخیر هاسابیس، سکوت معنادار او درباره «هوش مصنوعی عمومی» (AGI) بود. برخلاف کنفرانس Google I/O در اردیبهشت ۱۴۰۳ که هاسابیس از آن به عنوان «پای‌بست‌های تکینگی» (Singularity) یاد می‌کرد، در نشست دوبلین، او ترجیح داد بر دستاوردهای ملموس هوش مصنوعی در حوزه‌های ریاضیات، کدنویسی و علوم تجربی تمرکز کند. این تغییر لحن نشان‌دهنده یک بلوغ استراتژیک در میان رهبران هوش مصنوعی است که سعی دارند انتظارات عمومی را از مفاهیم انتزاعی به سمت کاربردهای کاربردی سوق دهند.
شکاف میان هوش مصنوعی در محیط‌های بسته و دنیای واقعی
هاسابیس تأکید کرد که هوش مصنوعی در بازی‌های پیچیده مانند Go یا حل معادلات ریاضی عملکرد فوق‌العاده‌ای دارد، اما در علوم فیزیکی و بیولوژیک، که نیازمند «حلقه‌های بازخورد دنیای واقعی» هستند، همچنان چالش‌هایی وجود دارد. او با اشاره به جایزه نوبل شیمی ۲۰۲۴ برای مدل پیش‌بینی ساختار پروتئین (AlphaFold)، بیان کرد که دشوارترین بخش در علم، «طرح پرسش درست» است، نه صرفاً یافتن پاسخ. این دیدگاه نشان‌دهنده محدودیت‌های فعلی در قدرت استدلال و شهود مدل‌های زبانی در مقایسه با خلاقیت انسانی در ایجاد فرضیات علمی است.
پارادوکس انرژی؛ بحران داده‌محور و خوش‌بینی اقلیمی
بزرگ‌ترین چالش مطرح شده در این نشست، تضاد میان گسترش زیرساخت‌های انرژی‌بر (Data Centers) و ادعاهای زیست‌محیطی گوگل بود. در حالی که افزایش تقاضا برای توان محاسباتی، فشار بی‌سابقه‌ای بر شبکه‌های برق و سوخت‌های فسیلی وارد می‌کند، هاسابیس با رویکردی خوش‌بینانه مدعی است که هوش مصنوعی خود ابزار حل این مشکل خواهد بود. این راهکارها شامل موارد زیر است:
- مدل‌سازی دقیق آب و هوا برای پیش‌بینی بلایای طبیعی نظیر سیل و طوفان.
- شتاب‌دهی به تحقیقات در حوزه همجوشی هسته‌ای (Fusion Plasma Containment).
- توسعه مواد نوین برای ابررساناها و باتری‌های نسل جدید.
- بهینه‌سازی پنل‌های خورشیدی برای بازدهی حداکثری.
مشخصات و حوزه‌های فعالیت ذکر شده در گزارش
- مدل هوش مصنوعی: اشاره به عرضه مدل Gemini 4 Argon
- حوزه‌های علمی تحت پوشش: فیزیک، شیمی، بیولوژی، مهندسی و علوم مواد
- دستاوردهای کلیدی: پیش‌بینی ساختار پروتئین (AlphaFold) و حل مسائل ریاضی دشوار
- چشم‌انداز انرژی: استفاده از AI برای مهار پلاسمای همجوشی و ارتقای مواد فتوولتائیک
نتیجه‌گیری: نگاهی به آینده
آیا می‌توان به وعده هاسابیس مبنی بر استفاده از هوش مصنوعی برای «حل مسئله اقلیم» اعتماد کرد؟ حقیقت این است که هوش مصنوعی در حال حاضر بیش از آنکه به حل بحران انرژی کمک کند، خود محرک مصرف بیشتر آن است. با این حال، اگر فناوری‌های نوین نظیر آنچه در Google DeepMind در حال توسعه است، بتوانند به پیشرفت در انرژی‌های پاک سرعت ببخشند، شاید بتوان به توازن میان پیشرفت محاسباتی و پایداری محیط‌زیست امیدوار بود. در نهایت، هنر واقعی در «طرح پرسش» در مورد معماری سیستم‌های هوش مصنوعی نهفته است؛ سیستم‌هایی که نباید به قیمت نابودی منابع انرژی، برای نجات سیاره طراحی شوند.
