سال جاری چه کسی برنده جایزه نوبل می گردد؟، پاسخ هوش مصنوعی - مجله سویگل

فورتوناتو، پژوهشگر دانشگاه بلومینگتون ایندیانا، از نسخه رایگان چت جی پی تی پرسید که آیا می تواند برندگان جایزه نوبل سال جاری را پیش بینی کند یا خیر و این چت بات اینگونه پاسخ داد: نمی توانم آینده، از جمله برندگان جایزه نوبل سال 2023 یا هر سال دیگری را پیش بینی کنم.

سپس فورتوناتو از هوش مصنوعی خواست سه اکتشاف بزرگ در شیمی، فیزیک و فیزیولوژی یا پزشکی را که به وسیله دانشمندان زنده ای که پیش از این جایزه نوبل دریافت ننموده اند، اجرا شده، شناسایی کند. به این سه رشته در بخش علمی نوبل جایزه اهدا می گردد. شاگردان فورتانو نیز مورد مشابهی را از چت بات گوگل به نام کلود خواستند.

هر دو چت بات توانستند اکتشافات مهمی از توسعه ابزار ویرایش ژنوم کریسپر تا کشف گرافن ماده دو بعدی را ارائه نمایند، اما در پاسخ های آنها نقص های زیادی وجود داشت.

در بعضی موارد، چت بات ها اکتشافاتی را شناسایی کردند که دانشمندان قبلا برای دستیابی به آنها جایزه نوبل دریافت نموده بودند. و این تنها مشکل نبود. فورتوناتو می گوید: من در خصوص دانشمندانی که در قید حیات هستند پرسیدم و آن ها نمونه هایی را مطرح کردند که درگذشته اند.

قدرت پیش بینی

جیمز ایوانز(James Evans)، دانشمند علوم اجتماعی محاسباتی در دانشگاه شیکاگو می گوید: اگرچه مدل های زبانی بزرگ(LLM) مانند چت جی پی تی و کلود، ممکن است در شکل کنونی خود پیشگوهای بزرگ جایزه نوبل نباشند، اما پتانسیل تبدیل شدن به ابزارهای قدرتمند پیش بینی را دارند.

• توضیحات اپل درباره مشکل اعصاب خردکن آیفون 15

او می افزاید: اما برای اینکه آنها برای این هدف مناسب باشند، باید کمی کوشش کرد. برای ایجاد یک هوش مصنوعی پیش بینی نماینده جوایز نوبل، مدل های زبانی بزرگ فعلی باید اصلاح شوند و بر اساس داده های مناسب آموزش ببینند.

هوش مصنوعی بعلاوه می تواند کوشش های موجود برای پیش بینی برندگان آینده را بهبود بخشد.

یک مورد خاص

راسموس بیورک(Rasmus Bjørk)، فیزیکدان دانشگاه فنی دانمارک در کپنهاگ که تجزیه و تحلیل برندگان جایزه نوبل را انجام داده است، می گوید: مورد استناد قرار گرفتن به تنهایی برای نشان دادن اینکه چه کسی ممکن است در آینده جایزه نوبل را دریافت کند، کافی نیست. بیورک می گوید برای دریافت این جایزه، پژوهشگران باید کارهای پیشگامانه ای انجام دهند که حوزه ای را رو به جلو پیش ببرد یا تأثیری اساسی بر جامعه داشته باشد. او می گوید: این باید یک مورد خاص باشد. البته، میزان گیری این خاص بودن می تواند سخت باشد.

بنو تورگلر(Benno Torgler)، اقتصاددان رفتاری در دانشگاه فناوری کوئینزلند در بریزبن که برندگان جایزه نوبل را مطالعه نموده است، می گوید: مدل های زبانی بزرگ ممکن است بتوانند یاری نمایند، زیرا می توانند منابع و آرشیوهای آنلاین را برای یافتن اطلاعاتی که نشانه های دیگری از تاثیرگذاری تحقیقات را نشان می دهند جستجو نمایند. این موارد ممکن است شامل ذکر مقاله در پوشش های خبری، شبکه های همکاری محققان و پیوندهای آنها با برندگان قبلی جایزه نوبل باشد. تغذیه مدل های زبانی بزرگ با این اطلاعات کیفی می تواند به پیش بینی های دقیق تری منجر گردد.

بیورک می گوید: ابزارهای مولد هوش مصنوعی بعلاوه می توانند به سوگیری هایی را که قبلا جوایز نوبل را احاطه نموده بودند، تداوم بخشند. از زمان معرفی جوایز نوبل بیش از یک قرن پیش، تنها 60 زن برنده این جایزه شده اند. اگر مدل های زبانی بزرگ بر روی داده های مربوط به برندگان گذشته آموزش ببینند، احتمال بیشتری وجود دارد که مردان را نسبت به زنان بیشتر به عنوان برندگان بالقوه آینده انتخاب نمایند. او می گوید: ما باید مدل های زبانی بزرگ را طوری آموزش دهیم که این تعصبات را حذف کنیم.

داوری به وسیله هوش مصنوعی

پندلبری می گوید: وقتی صحبت از تصمیم گیری برنده جایزه نوبل می گردد، هیچ چیزی جای داوری انسان ها را نمی گیرد. او می گوید: در نهایت سلیقه ضروری است. من فکر می کنم این همان چیزی است که به جایزه نوبل زیبایی می بخشد.

اما ایوانز فکر می نماید که مدل های زبانی بزرگ روزی می توانند به دنیای جوایز علمی مساوات برقرار نمایند، زیرا می توانند راه را برای انواع جدیدی از جوایز هموار نمایند که به جای دیدگاه کمیته های انسانی، بر تحلیل های کمتر مغرضانه و مبتنی بر هوش مصنوعی متکی هستند. او می گوید چنین جوایزی می تواند به نمایان کردن تحقیقاتی یاری کند که علم را به گونه ای که در حال حاضر شناخته نشده است، تغییر داده اند.

5858