دانشمند گوگل دیپ‌مایند: مدل‌های زبانی هرگز جایگزین نبوغ انسانی نخواهند شد

دانشمند گوگل دیپ‌مایند در مقاله تحلیلی خود می‌گوید مدل‌های زبانی بزرگ به دلیل عدم برخورداری از بدن فیزیکی و درک شهودی از جهان مادی، هرگز قادر به جایگزینی نبوغ انسان و خلق نظریه‌های مهم علمی نخواهند بود. این پژوهش نشان می‌دهد که هوش مصنوعی در ساختار فعلی خود تنها بر یک نوع خاص از استدلال تسلط یافته و در دست‌یابی به جهش‌های خلاقانه ذهنی با موانع شناختی روبه‌رو است.

مقاله جدید گوگل به قلم «تام زهاوی» (Tom Zahavy) عنوان جالبی دارد: «مدل‌های زبانی نمی‌توانند بپرند.» طبق این مقاله، فرایند تفکر انسانی و ماشین به سه شیوه استدلال استقراء، قیاس و فرضیه‌سازی تقسیم می‌شود.

مدل‌های هوش مصنوعی به لطف تشخیص الگوهای آماری و فشرده‌سازی انبوه داده‌ها، در استدلال استقرایی به درجه بالایی از استادی رسیده‌اند. همچنین سیستم‌های پیشرفته‌ای مثل AlphaProof توانسته‌اند در استدلال قیاسی به موفقیت‌های زیادی دست یابند.

بااین‌حال، هوش مصنوعی در فرضیه‌سازی لنگ می‌زند؛ توانایی منحصربه‌فردی که به انسان امکان می‌دهد در شرایط کمبود شدید داده‌ها، فرضیه‌های کاملاً جدیدی خلق کند.

چرا مدل‌های زبانی به پای نبوغ انسانی نمی‌رسند؟

«یورگن اشمیدهودبر» (Jürgen Schmidhuber)، دانشمند علوم کامپیوتر و از پیشگامان هوش مصنوعی، پیش‌تر کشف علمی را تنها صورتی پیشرفته از فشرده‌سازی داده‌ها خوانده بود. اما مقاله جدید گوگل دیپ‌مایند این دیدگاه را رد و برای اثبات ادعای خود به روند شکل‌گیری نظریه نسبیت عام توسط «آلبرت اینشتین» استناد می‌کند.

اینشتین هنگام توسعه این نظریه نوآورانه با کمبود شدید داده‌های بصری و تجربی مواجه بود و مجموعه‌ای از داده‌های آماری برای تحلیل یا فشرده‌سازی در اختیار نداشت. او در عوض بر آزمایش‌های فکری تجسم‌یافته متکی بود؛ مانند تصور حس واقعی فردی که داخل یک آسانسور بسته درحال سقوط آزاد است. اینشتین توانست تنها با به کارگیری شهود فیزیکی و پیوند دادن تجربیات حسی، اصول ریاضی جدید را پایه‌گذاری کند.

READ  بیل گیتس تیتر فایننشال تایمز را ناامید کننده خواند؛ او حامی FBI نیست

یک مدل زبانی بزرگ می‌تواند محاسبات پیچیده ریاضی را پس از دریافت فرضیات اولیه اینشتین انجام دهد، اما هرگز نمی‌تواند چنین فرضیات بکری را صرفاً از طریق تحلیل متن‌های موجود ابداع کند.

ابزارهای فعلی کشف خودکار و کدنویسی هوش مصنوعی همچنان محدود به چارچوب‌ها و آستانه‌های تعیین‌شده قبلی هستند و توانایی خلق چارچوب‌های نوین را ندارند. از آنجا که مدل‌های زبانی فاقد پایه و درک فیزیکی در دنیای واقعی هستند، امکان ساخت مدل‌های شهودی براساس روابط علت و معلولی برای آن‌ها وجود ندارد.

این مقاله تصریح می‌کند که حتی توسعه بی‌رویه زیرساخت‌های هوش مصنوعی، احداث مراکز داده جدید و افزایش توان پردازشی نیز نمی‌تواند به‌طور معجزه‌آسا مدل‌های زبانی را به سطح نبوغ انسانی و توانایی ایجاد تحول‌های بنیادین علمی برساند.