هوش مصنوعی چه زمانی واقعاً یک کشف علمی انجام می‌دهد؟ چالش تازه Anthropic

به گزارش تک مسیر؛ ماجرا به آزمایشگاه زیست‌شناسی مولکولی Anthropic بازمی‌گردد؛ جایی که عامل‌های Claude مسائل دشوار زیست‌شناسی را بررسی می‌کنند، درباره آن‌ها فرضیه‌هایی مطرح می‌کنند و پیشنهادهایی برای آزمایش ارائه می‌دهند؛ در حالی که دانشمندان انسانی آزمایش‌های لازم را انجام می‌دهند. گزارش MIT Technology Review یک سؤال مهم‌تر را مطرح کرده است: اگر هوش مصنوعی الگویی را در حجم عظیمی از داده‌های علمی پیدا کند، اما انسان‌ها آزمایش و تفسیر آن را انجام دهند، آیا می‌توان گفت خود هوش مصنوعی یک کشف علمی انجام داده است؟

۹۵۰ عامل Claude چه چیزی پیدا کردند؟

بر اساس توضیح Anthropic، حدود ۹۵۰ عامل Claude طی ۲۱ ساعت حجم بزرگی از داده‌های زیستی را بررسی کردند و الگویی تکرارشونده را در اطراف یک آنزیم شناخته‌شده شناسایی کردند؛ الگویی که Anthropic می‌گوید پیش از آن در منابع علمی فهرست نشده بود.

نکته مهم این است که عامل‌های Claude یک توالی کاملاً جدید DNA پیدا نکردند. آن‌ها الگویی را در اطراف یک آنزیم شناخته‌شده شناسایی کردند و Anthropic این الگو را از نظر ظاهری به مسیری تشبیه کرده که در نهایت به فناوری ویرایش ژن CRISPR منجر شد.

چرا زیست‌شناسان با واژه «کشف» مشکل دارند؟

اعلام Anthropic با واکنش برخی زیست‌شناسان مواجه شد. یکی از انتقادهای اصلی این است که پیدا کردن یک الگوی غیرعادی در میان حجم بزرگی از داده‌های ژنتیکی، الزاماً به معنای یک کشف علمی نیست.

در پژوهش زیستی، مرحله مهم بعدی این است که مشخص شود آن الگو یا سیستم دقیقاً چه کاری انجام می‌دهد و آیا می‌توان نتیجه به‌دست‌آمده را در آزمایش‌های مستقل تأیید کرد. در این مورد نیز آزمایش‌های آزمایشگاهی را پژوهشگران انسانی انجام داده‌اند؛ بنابراین مرز میان نقش عامل‌های Claude و نقش دانشمندان انسانی همچنان محل بحث است.

موضوع زمانی پیچیده‌تر شد که Mario Rodríguez Mestre، زیست‌شناس دانشگاه کپنهاگ، اعلام کرد گروه او پیش‌تر همین الگو را پیدا کرده است. او همچنین این احتمال را مطرح کرد که Anthropic ممکن است از گفت‌وگوهای قبلی او با Claude درباره این موضوع مطلع شده باشد؛ ادعایی که Anthropic آن را رد کرده است.

مسئله فقط Anthropic نیست

این بحث به یک شرکت محدود نمی‌شود. شرکت‌های هوش مصنوعی در ماه‌های اخیر تلاش کرده‌اند از قابلیت عامل‌ها برای حل مسائل پیچیده علمی و ریاضی استفاده کنند و در برخی موارد نیز از واژه‌هایی مانند «کشف» برای توصیف دستاوردهای خود استفاده کرده‌اند.

گزارش MIT Technology Review نشان می‌دهد مسئله اصلی فقط این نیست که یک مدل هوش مصنوعی می‌تواند کاری را انجام دهد یا نه؛ بلکه این است که برای نسبت دادن عنوان «کشف علمی» به یک سیستم هوش مصنوعی، چه معیاری باید وجود داشته باشد.

اگر یک عامل هوش مصنوعی بتواند میلیون‌ها گزینه را بررسی کند، یک الگوی ناشناخته را پیدا کند و آن را برای آزمایش در اختیار دانشمندان قرار دهد، این بدون تردید می‌تواند بخشی ارزشمند از فرایند پژوهش باشد. اما اینکه چنین کاری را بتوان به‌تنهایی کشف علمی توسط هوش مصنوعی نامید، همچنان محل بحث است.

این تمایز اهمیت زیادی دارد؛ زیرا اگر هر شناسایی یک الگو یا کاهش دامنه جست‌وجو به‌عنوان «کشف» معرفی شود، تشخیص پیشرفت‌های واقعاً مهم علمی دشوارتر خواهد شد. از سوی دیگر، تعیین معیارهای دقیق‌تر می‌تواند کمک کند دستاوردهای واقعی هوش مصنوعی در علم نیز با دقت بیشتری ارزیابی شوند.

میان‌بر تک‌مسیر

• عصاره خبر: ادعای Anthropic درباره شناسایی یک الگوی زیستی توسط ۹۵۰ عامل Claude، بحث تازه‌ای درباره تعریف واقعی کشف علمی توسط هوش مصنوعی ایجاد کرده است.

• مسیر اقدام: هنگام بررسی ادعاهای مربوط به «کشف علمی توسط هوش مصنوعی»، باید میان پیدا کردن یک الگو، پیشنهاد یک فرضیه، انجام آزمایش و تأیید مستقل نتیجه تفاوت قائل شد.

• ایده تک: شاید سؤال مهم آینده این نباشد که «آیا AI می‌تواند کشف کند؟» بلکه این باشد که برای اینکه یک دستاورد را واقعاً کشف علمی بدانیم، سهم هوش مصنوعی و انسان باید چگونه تعریف و اثبات شود.

• ایستگاه بعدی: استراتژی جدید آنتروپیک برای شناسایی متون کلود