آیا هوش مصنوعی می‌تواند اینشتین دوم باشد؟

به گزارش ایسنا، در سال ۱۹۱۵، آلبرت اینشتین نظریه نسبیت عام خود را ارائه کرد و نگاه ما به ساختار جهان فیزیکی را دگرگون ساخت. این نظریه که گرانش را به‌ عنوان تغییر شکل فضا-زمان در اثر جرم توضیح می‌دهد، یکی از نقاط اوج‌ فیزیک مدرن است؛ نظریه‌ای که زیربنای کیهان‌شناسی، از پژوهش درباره سیاه‌چاله‌ها گرفته تا اندازه‌گیری امواج گرانشی، محسوب می‌شود و به‌ طور معمول برای هدایت ماموریت‌های فضایی و ماهواره‌های جی‌پی‌اس مورد استفاده قرار می‌گیرد.

به نقل از نیچر، نسبیت عام همچنین به معیاری برای سنجش توانایی پیشگامان فناوری هوش مصنوعی تبدیل شده است؛ کسانی که می‌پرسند آیا ساخته‌های آنها روزی می‌توانند به پیشرفتی در چنین سطحی دست پیدا کنند یا خیر.

در اجلاس هوش مصنوعی هند که فوریه امسال در دهلی نو برگزار شد، دِمیس هاسابیس، یکی از بنیان‌گذاران شرکت دیپ‌مایند گوگل در لندن، پیشنهاد کرد که اگر یک مدل زبانی بزرگ (LLM) با تمام دانسته‌های موجود تا یک تاریخ مشخص آموزش داده شود برای مثال تا سال ۱۹۱۱، می‌توان مشخص کرد آیا این مدل می‌تواند نظریه نسبیت عام را بازتولید کند یا خیر. هاسابیس با اشاره به مفهوم مبهم هوش مصنوعی عمومی (AGI) که هدف بسیاری از فعالان صنعت هوش مصنوعی است، گفت: این می‌تواند آزمون خوبی برای هوش مصنوعی عمومی باشد.

چنین آزمونی لزوما نباید مشخصا درباره نسبیت عام باشد. در ماه دسامبر سال ۲۰۲۴، اواین ایوانز، پژوهشگر سازمان غیرانتفاعی Truthful AI در برکلی کالیفرنیا، در سخنرانی‌ درباره «مدل‌های زبانی قدیمی» یا «تاریخی» صحبت کرد؛ مدل‌هایی که فقط با داده‌های تاریخی تا یک تاریخ مشخص آموزش داده می‌شوند. ایوانز این پرسش را مطرح کرد که چنین مدل‌هایی چه چیزهایی را ممکن است دوباره کشف کنند.

امسال چندین گروه پژوهشی نمونه‌هایی از این مدل‌های تاریخی را ساخته‌اند که یکی از آنها در راستای آزمون پیشنهادی هاسابیس بوده است. با این حال، تلاش‌های اولیه آنها بیشتر درباره محدودیت‌های هوش مصنوعی کنونی اطلاعات ارائه می‌دهد تا توانایی‌های آن.

ایدو کامینر، متخصص اپتیک کوانتومی و یکی از نویسندگان مقاله پیش‌چاپی با عنوان «آیا هوش مصنوعی می‌تواند جا پای اینشتین بگذارد؟» که در ماه ژوئیه منتشر شده است، می‌گوید دستیابی هوش مصنوعی به یک پیشرفت شبیه نسبیت، ذاتا غیرممکن نیست. …