ومن المحتمل أن نشهد منح المزيد من ميداليات نوبل للباحثين الذين استخدموا أدوات الذكاء الاصطناعي. وعندما يحدث هذا، فقد نجد أن الأساليب العلمية التي تحترمها لجان جائزة نوبل تلك تبتعد عن الفئات البسيطة مثل "الفيزياء"، و"الكيمياء"، و"علم وظائف الأعضاء أو الطب".
بقلم نيلو كريستيانيني، أستاذ الذكاء الاصطناعي بجامعة باث
أعطتنا جوائز نوبل في الفيزياء والكيمياء لعام 2024 لمحة عن مستقبل العلوم. وكان الذكاء الاصطناعي (AI) محوريًا في الاكتشافات التي تم تكريمها في هاتين الجائزتين. ويتساءل المرء ما الذي كان يفكر فيه ألفريد نوبل، مؤسس الجوائز، في كل هذا.
ومن المحتمل أن نشهد منح المزيد من ميداليات نوبل للباحثين الذين استخدموا أدوات الذكاء الاصطناعي. وعندما يحدث هذا، فقد نجد أن الأساليب العلمية التي تحترمها لجان جائزة نوبل تلك سوف تبتعد عن الفئات البسيطة مثل "الفيزياء"، و"الكيمياء"، و"علم وظائف الأعضاء أو الطب".
وقد نرى أيضًا تغيرًا في الارتباط بين الخلفية العلمية للفائزين وهذه الفئات. وذهبت جائزة الفيزياء لهذا العام إلى الأمريكي جون هوبفيلد من جامعة برينستون، وجيفري هينتون المولود في بريطانيا العظمى وينتمي إلى جامعة تورنتو. بينما كان هوبفيلد فيزيائيًا، درس هينتون علم النفس التجريبي قبل أن يتجه إلى الذكاء الاصطناعي.
تم تقاسم جائزة الكيمياء بين عالم الكيمياء الحيوية ديفيد بيكر من جامعة واشنطن وعالمي الكمبيوتر ديميس هاسابيس وجون جامبر من Google DeepMind في المملكة المتحدة.
هناك ارتباط وثيق بين التطورات القائمة على الذكاء الاصطناعي والتي تم الاعتراف بها في فئتي الفيزياء والكيمياء. ساعد هينتون في تطوير الأساليب التي قادت DeepMind إلى تحقيق اختراق في التنبؤ بأشكال البروتين.
وقد وضع الحائزون على جائزة الفيزياء، وخاصة هينتون، الأساس للمجال القوي المعروف باسم التعلم الآلي. إنه حقل فرعي من الذكاء الاصطناعي يتعامل مع الخوارزميات، ومجموعات من القواعد لأداء مهام حسابية محددة.
لا يتم استخدام عمل هوبفيلد على نطاق واسع اليوم، ولكن خوارزمية الانتشار العكسي (التي جددها هينتون) أثرت بشكل كبير على العديد من العلوم والتقنيات المختلفة. تركز الخوارزمية على الشبكات العصبية، وهو نموذج حسابي يحاكي بنية ووظيفة الدماغ البشري لمعالجة البيانات. يتيح الانتشار العكسي للعلماء "تدريب" شبكات عصبية ضخمة. وبينما حاولت لجنة نوبل ربط هذه الخوارزمية المؤثرة بالفيزياء، إلا أن الارتباط قد لا يكون مباشرًا جدًا.
يتضمن تدريب نظام التعلم الآلي تعريضه لكميات هائلة من البيانات، أحيانًا من الإنترنت. أدى التقدم الذي أحرزه هينتون في النهاية إلى تمكين تدريب أنظمة مثل GPT (التقنية الكامنة وراء ChatGPT)، وخوارزميات الذكاء الاصطناعي مثل AlphaGo وAlphaFold من Google DeepMind. ولذلك، كان تأثير الانتشار العكسي هائلا.
حل AlphaFold 2 من DeepMind مشكلة عمرها 50 عامًا: التنبؤ بالتركيبات المعقدة للبروتينات من خلال مكوناتها الجزيئية، والأحماض الأمينية.
تقام مسابقة كل عامين، منذ عام 1994، لاختيار أفضل الطرق للتنبؤ بتركيبات البروتين وأشكاله من خلال تسلسل الأحماض الأمينية. تسمى المسابقة "التقييم النقدي للتنبؤ بالهيكل" (CASP).
في العديد من المسابقات الأخيرة، استخدم الفائزون في CASP بعض إصدارات AlphaFold من DeepMind. ومن ثم، هناك خط مباشر يمكن رسمه بين الانتشار العكسي الذي حققه هينتون والاختراق الذي حققه Google DeepMind في AlphaFold 2.
استخدم ديفيد بيكر برنامجًا يسمى روزيتا لتحقيق المهمة الصعبة المتمثلة في بناء أنواع جديدة من البروتينات. تحمل أساليب بيكر وديب مايند إمكانات هائلة للتطبيقات المستقبلية.
لقد كان تقييم الائتمان دائمًا قضية مثيرة للجدل في جوائز نوبل. يمكن أن يتقاسم ما يصل إلى ثلاثة باحثين جائزة نوبل. لكن الإنجازات العلمية تكون تعاونية. يمكن أن تحتوي المقالات العلمية على 10 أو 20 أو 30 مؤلفًا أو أكثر. ويجوز لأكثر من فريق المساهمة في الاكتشافات التي تكرمها اللجنة.
وقد نسمع هذا العام المزيد من المناقشات حول إسناد الأبحاث المتعلقة بخوارزمية الانتشار العكسي التي يطالب بها العديد من الباحثين، وكذلك الإسناد العام للاكتشافات إلى مجال معين مثل الفيزياء.
والآن لدينا بعد جديد لمشكلة الإسناد. وتصبح الأمور أقل وضوحا إذا تمكنا دائما من التمييز بين مساهمات العلماء البشريين ومساهمات شركائهم الاصطناعيين - أدوات الذكاء الاصطناعي التي تساهم بالفعل في دفع حدود المعرفة البشرية.
هل من الممكن في المستقبل أن نرى الآلات تحل محل العلماء، مع اقتصار دور البشر على المساندة؟ إذا كان الأمر كذلك، فقد تحصل أدوات الذكاء الاصطناعي على جائزة نوبل الرئيسية إلى جانب البشر الذين يحتاجون إلى فئة خاصة بهم.
