درخشش اکتشافات نوبلی AI؛ نوآوری‌های بین‌رشته‌ای فراگیر شد

برندگان جایزه نوبل 2024 و تأثیر آن بر هوش مصنوعی

در سال 2024، جایزه نوبل فیزیک به جان هاپفیلد و جفری هینتون به خاطر کارهای بنیادی‌شان در زمینه هوش مصنوعی (AI) اهدا شد. همچنین، جایزه نوبل شیمی به دیوید بیکر، دمیس هاسابیس و جان جامپر تعلق گرفت به خاطر استفاده از هوش مصنوعی برای حل مشکل تا شدن پروتئین که یک چالش بزرگ علمی به مدت 50 سال بوده است.

مقاله‌ای جدید که توسط محققان دانشگاه کارنگی ملون و محاسبات مشاوره‌ای نوشته شده، همگرایی فیزیک، شیمی و هوش مصنوعی را بررسی می‌کند که در جوایز نوبل اخیر به وضوح نمایان شده است. این مقاله به توسعه تاریخی شبکه‌های عصبی پرداخته و بر نقش تحقیقات بین‌رشته‌ای در پیشرفت هوش مصنوعی تأکید می‌کند.

نویسندگان این مقاله بر لزوم پرورش چندوجهی‌های توانمند در هوش مصنوعی تأکید دارند تا شکاف بین پیشرفت‌های نظری و کاربردهای عملی را پر کنند و به توسعه هوش عمومی مصنوعی کمک کنند. این مقاله در نشریه Patterns منتشر شده است.

گنیش مانی، استاد نوآوری و مدیر همکاری هوش مصنوعی در مدرسه کسب و کار تپر کارنگی ملون و یکی از نویسندگان این مقاله، توضیح می‌دهد: “با توجه به اینکه هوش مصنوعی در ارتباط با فیزیک و شیمی شناخته شده است، ممکن است فعالان یادگیری ماشین بپرسند که این علوم چگونه به هوش مصنوعی مرتبط می‌شوند و این جوایز چگونه می‌توانند بر کار آن‌ها تأثیر بگذارند.” او افزود: “با پیشرفت به جلو، شناسایی همگرایی رویکردهای مختلف در شکل‌دهی به سیستم‌های مدرن هوش مصنوعی مبتنی بر هوش مصنوعی تولیدی، بسیار مهم است.”

نویسندگان در مقاله خود به بررسی توسعه تاریخی شبکه‌های عصبی می‌پردازند. آن‌ها معتقدند که با بررسی تاریخ توسعه هوش مصنوعی، می‌توانیم ارتباطات میان علوم کامپیوتر، شیمی نظری، فیزیک نظری و ریاضیات کاربردی را به طور کامل‌تری درک کنیم. این دیدگاه تاریخی نشان می‌دهد که چگونه کشفیات و اختراعات بنیادی در این رشته‌ها، یادگیری ماشین مدرن با شبکه‌های عصبی مصنوعی را ممکن ساخته است.

تحولات کلیدی و چالش‌ها در زمینه هوش مصنوعی

در این بخش به تحولات کلیدی و چالش‌ها در این حوزه پرداخته می‌شود. مقاله با کارهای هاپفیلد آغاز می‌شود و توضیح می‌دهد که چگونه مهندسی گاهی پیش از درک علمی پیش می‌رود، همانطور که در کارهای جامپر و هاسابیس مشاهده می‌شود. نویسندگان با دعوت به اقدام به پایان می‌رسند و پیشنهاد می‌کنند که پیشرفت سریع هوش مصنوعی در بخش‌های مختلف، هم فرصت‌های بی‌سابقه‌ای را به همراه دارد و هم چالش‌های قابل توجهی ایجاد می‌کند.

برای پر کردن شکاف بین هیاهو و توسعه ملموس، آن‌ها می‌گویند که باید نسل جدیدی از متفکران بین‌رشته‌ای پرورش یابد. این “لئوناردو داوینچی‌های دوران مدرن”، همانطور که نویسندگان آن‌ها را می‌نامند، در توسعه نظریه‌های یادگیری عملی که می‌توانند به‌طور فوری توسط مهندسان به کار گرفته شوند، نقش حیاتی ایفا خواهند کرد و این حوزه را به سوی هدف بلندپروازانه هوش عمومی مصنوعی سوق خواهند داد.

نویسندگان تأکید می‌کنند که این امر نیازمند تغییر پارادایم در نحوه تحقیق علمی و حل مسئله است. این رویکرد باید همکاری‌های جامع و بین‌رشته‌ای را در آغوش بگیرد و از طبیعت بیاموزد تا آن را درک کند. با شکستن دیوارهای بین رشته‌ها و ترویج فرهنگی از کنجکاوی فکری که در چندین حوزه گسترش یابد، می‌توان راه‌حل‌های نوآورانه‌ای برای چالش‌های پیچیده جهانی مانند تغییرات اقلیمی شناسایی کرد.

از طریق این ترکیب دانش و دیدگاه‌های متنوع که توسط هوش مصنوعی تسریع می‌شود، می‌توان پیشرفت‌های معناداری را رقم زد و این حوزه می‌تواند به پتانسیل کامل آرزوهای فناوری دست یابد. چارلز مارتین، مشاور اصلی در شرکت مشاوره محاسباتی که این مقاله را نوشته است، می‌گوید: “این رویکرد بین‌رشته‌ای نه تنها مفید، بلکه ضروری است برای پرداختن به چالش‌های پیچیده‌ای که در پیش داریم. ما باید از شتاب پیشرفت‌های کنونی بهره‌برداری کنیم در حالی که به واقعیت‌های عملی پایبند بمانیم.”

نویسندگان به سهم‌های اسکات ای. فاهلمن، استاد بازنشسته در دانشکده علوم کامپیوتر دانشگاه کارنگی ملون، نیز اشاره می‌کنند.