يدعي باحثو الذكاء الاصطناعي أنهم حققوا أول اكتشاف علمي في العالم باستخدام نموذج لغوي كبير، مما يشير إلى أن التكنولوجيا الكامنة وراء ChatGPT والبرامج المماثلة يمكن أن تولد معلومات تتجاوز الفهم البشري.
يأتي هذا الاكتشاف من Google DeepMind، حيث يبحث العلماء فيما إذا كانت نماذج اللغة الكبيرة التي تدعم برامج الدردشة الحديثة مثل ChatGPT من OpenAI و Bard من Google يمكنها القيام بأكثر من مجرد اجترار المعلومات التي تم تعلمها في التدريب والتوصل إلى رؤى جديدة.
وقال بوشميت كوهلي، رئيس قسم علوم الذكاء الاصطناعي في شركة DeepMind: “عندما بدأنا المشروع، لم يكن هناك ما يشير إلى أنه سينتج أي شيء جديد حقًا. على حد علمنا، هذه هي المرة الأولى التي يتم فيها اكتشاف اكتشاف علمي حقيقي جديد”. تم صنعه بواسطة نموذج لغة كبير.”
نماذج اللغة الكبيرة، أو LLMs، هي شبكات عصبية قوية تتعلم أنماط اللغة من كميات هائلة من النصوص والبيانات الأخرى، بما في ذلك كود الكمبيوتر. بعد وصول ChatGPT بسرعة في العام الماضي، قامت التقنية بتصحيح أخطاء البرامج المعيبة وحذف كل شيء بدءًا من المقالات الجامعية وروايات السفر ذات الأسلوب الشكسبيري إلى القصائد حول تغير المناخ.
ولكن على الرغم من أن روبوتات الدردشة تحظى بشعبية كبيرة، إلا أنها لا تولد معرفة جديدة وتكون عرضة للارتباك، مما يؤدي إلى استجابات سلسة ومعقولة ولكنها معيبة بشكل مؤسف، بما يتماشى مع أفضل حروب الحانات.
استخدمت DeepMind شهادة LLM لكتابة حلول للمشكلات في شكل برامج كمبيوتر لإنشاء “FunSearch”، وهو اختصار لعبارة “البحث في الفضاء الوظيفي”. ترتبط LLM بـ “المقيم” الذي يقوم تلقائيًا بتصنيف البرامج حسب مدى جودة أدائها. يتم بعد ذلك دمج أفضل المشاريع وتقديمها مرة أخرى إلى LLM لتحسينها. وهذا يدفع الكمبيوتر إلى تطوير أسوأ البرامج بشكل مطرد إلى برامج أكثر قوة يمكنها اكتشاف معارف جديدة.
قام الباحثون بتقسيم FunSearch بشكل فضفاض إلى لغزين. الأول هو تحدي طويل الأمد وغامض إلى حد ما في الرياضيات البحتة مشكلة في إعداد الغطاء. يتعلق الأمر بإيجاد أكبر مجموعة من النقاط التي لا تشكل فيها ثلاث نقاط خطًا مستقيمًا. أنشأت FunSearch برامج أنتجت مجموعات جديدة من القبعات الكبيرة تفوقت على أفضل ما توصل إليه علماء الرياضيات.
وكان هناك لغز ثان مشكلة تعبئة الخزان، تبحث عن طرق أفضل لتعبئة العناصر ذات الأحجام المختلفة في الحاويات. وينطبق هذا على الأشياء المادية، مثل الطريقة الأكثر فعالية لترتيب الصناديق في حاوية الشحن، وتنطبق نفس الرياضيات على مجالات أخرى، مثل جدولة وظائف الكمبيوتر في مراكز البيانات. يتم حل المشكلة عادةً عن طريق تعبئة العنصر في أول حاوية في الغرفة، أو وضع العنصر في سلة المهملات بأقل مساحة مناسبة. وفقا للنتائج المنشورة في FunSearch، تم العثور على نهج أفضل يتجنب ترك فجوات صغيرة لا يمكن سدها دائما. طبيعة.
“أخيراً اثنين أو ثلاثة سنين وقال السير تيم جاورز، أستاذ الرياضيات في جامعة كامبريدج، والذي لم يشارك في البحث: “هناك بعض الأمثلة الرائعة لعلماء رياضيات بشريين يعملون مع الذكاء الاصطناعي لتحقيق اختراقات في المشكلات التي لم يتم حلها”. “يزودنا هذا العمل بأداة أخرى مثيرة للاهتمام لمثل هذا التعاون، مما يمكّن علماء الرياضيات من البحث بكفاءة عن إنشاءات بارعة وغير متوقعة. والأفضل من ذلك، أن هذه التركيبات يمكن فهمها من قبل البشر.
يستكشف الباحثون الآن مجموعة من المشكلات العلمية التي يمكن لـ FunSearch التعامل معها. أحد العوامل الرئيسية المقيدة هو أن المشكلات يجب أن يكون لها حلول يمكن التحقق منها تلقائيًا، وهو ما يستبعد العديد من الأسئلة في علم الأحياء، حيث يجب اختبار الفرضيات في كثير من الأحيان من خلال التجارب المعملية.
بعد الترويج للنشرة الإخبارية
قد يكون لمبرمجي الكمبيوتر تأثير فوري. على مدار الخمسين عامًا الماضية، تم تحسين البرمجة من خلال إنشاء البشر لخوارزميات أفضل من أي وقت مضى. وقال كوهلي: “سيكون هذا بمثابة تغيير حقيقي في كيفية تعامل الناس مع علوم الكمبيوتر والابتكار الخوارزمي”. “لأول مرة، نرى أن حاملي شهادات الماجستير لا يتولىون المسؤولية فحسب، بل يساعدون بالتأكيد في دفع حدود ما هو ممكن باستخدام الخوارزميات.”
وقال جوردان إلينبرغ، أستاذ الرياضيات في جامعة ويسكونسن ماديسون والمؤلف المشارك في الدراسة: “ما أنا متحمس له أكثر من النتائج المحددة التي وجدناها هو آفاق التفاعل المستقبلي بين الإنسان والآلة في الرياضيات.
“بدلاً من إنشاء حل، يقوم FunSearch بإنشاء برنامج يجد الحل. إن حل مشكلة معينة لا يمنحني فكرة عن كيفية حل المشكلات الأخرى ذات الصلة. لكن البرنامج الذي يجد الحل هو البرنامج الذي يمكن للإنسان قراءته ويفهم ثم ينتقل إلى المشكلة التالية والتي تليها ويمكن أن يولد الأفكار.
