فراتر از ریاضیات: چگونه مدل‌های زبانی در حال تسخیر حوزه‌های نظری علوم هستند؟

تحولات اخیر در حوزه مدل‌های هوش مصنوعی پیشرو، فراتر از کدنویسی و تولید محتوا، اکنون بنیان‌های نظری علوم پایه را هدف قرار داده است. بر اساس پژوهش‌های جدید در MIT، هوش مصنوعی در حال گذار از یک ابزار کمکی به یک عامل مستقل برای حل مسائل پیچیده فیزیک، کیهان‌شناسی و اقتصاد است.

جهش در توانمندی حل مسائل تئوریک

نیل تامپسون و همکارانش در آزمایشگاه MIT طی مطالعه‌ای که در نیمه اول سال ۱۴۰۵ (۲۰۲۶ میلادی) انجام دادند، عملکرد مدل‌های هوش مصنوعی نظیر خانواده OpenAI را در حل مسائل پیشرفته علمی ارزیابی کردند. نتایج این بررسی نشان می‌دهد که مدل‌ها از توانایی حل تنها ۲ درصد از مسائل نظری در میانه سال ۱۴۰۳، به نرخ موفقیت چشمگیر ۳۵ درصد در سال ۱۴۰۵ رسیده‌اند. این رشد تصاعدی، حوزه‌هایی مانند فیزیک کوانتوم، نظریه اقتصاد، آمار و گرانش را در آستانه یک تحول بنیادین قرار داده است.

معماری آزمون: جداسازی هوش از حافظه

نکته کلیدی در این آزمایش، نحوه طراحی متدولوژی است. برای اطمینان از اینکه مدل‌ها صرفاً به داده‌های آموزشی خود متکی نیستند، پژوهشگران از مقالات علمی استفاده کردند که پس از بازه زمانی آموزش مدل‌های مورد آزمایش منتشر شده بودند. با مسدودسازی دسترسی به اینترنت، مدل‌ها مجبور بودند مسائل را با استدلال منطقی و استنتاج حل کنند، نه با جستجوی پاسخ‌های پیشین. این امر نشان می‌دهد که مدل‌ها به سطحی از درک مفهومی رسیده‌اند که پیش‌تر تصور نمی‌شد.

بحران در روش‌شناسی و چالش‌های علمی

اگرچه حل مسائل دشوار ریاضیاتی مانند معادلات «ناویه-استوکس» توسط مدل‌های هوش مصنوعی یک دستاورد بزرگ محسوب می‌شود، اما این روند منتقدان جدی نیز دارد. بسیاری از دانشمندان معتقدند که «فرایند حل مسئله» ارزشی معادل «پاسخ نهایی» دارد. اتکای صرف به خروجی مدل، می‌تواند منجر به نادیده گرفتن ظرافت‌های آموزشی در کشف علمی شود. همچنین، مسئله «توهم» یا خطاهای منطقی مدل‌ها در زنجیره‌های طولانی استدلال، نیازمند سازوکارهای تایید اعتبار (Verification) بسیار دقیق‌تری است که هنوز در مراحل ابتدایی قرار دارد.

آینده همزیستی متخصصان و هوش مصنوعی

در نهایت، پژوهشگران تأکید دارند که هوش مصنوعی جایگزین دانشمندان نخواهد شد، بلکه نقش آن‌ها را تغییر می‌دهد. متخصصان همچنان برای اتصال نقاط به یکدیگر (Connecting the dots) و تأیید نهایی اعتبار راه‌حل‌های ارائه شده توسط هوش مصنوعی ضروری هستند. آینده علم، ترکیبی از اکتشافات خودکار توسط مدل‌ها و نظارت دقیق انسانی بر فرآیندهای استدلالی خواهد بود.