فیزیکدانان می‌گویند احتمالاً این فرمایش شدنی باشد که یک رایانه بتواند به "تئوری همه چیز" دست پیدا کند ولی به این زودی‌ها اتفاق نخواهد افتاد و هیچ تضمینی وجود ندارد که ما انسانها نتیجه آن را درک کنیم.
به گزارش ایسنا و به نقل از نیویورک تایمز؛ روزگاری، آلبرت اینشتین نظریه‌های علمی را "اختراعات آزاد ذهن انسان" توصیف می‌کرد اما در سال ۱۹۸۰، استیون هاوکینگ، کیهان‌شناس نامدار دانشگاه کمبریج، عقیده دیگری داشت. در سخرانی همان سال، وی بازگو کرد که نظریه‌ای که "تئوری همه چیز" نامیده می‌شود شدنی است قابل دستیابی باشد، اما چه بسا واپسین مراحل دستیابی به آن بدست رایانه‌ها انجام می‌شود.

وی گفت: احتمالاً نتوان نهایی برای فیزیک نظری متصور شد اما برای توانایی فیزیکدانان نظری نقطه‌ نهایی وجود دارد.

اثبات "تئوری همه‌ چیز" هنوز ممکن نیست اما با وجود کامپیوترهایی که امروزه تقسیم زیادی از کارها وابسته به آنها است مشابه ترجمه زبان‌های مختلف، قابلیت تشخیص چهره، راندن اتومبیل و پیدا کردن شریک زندگی، تصور آنکه این کامپیوترها جای دانشمندانی همچون استیون هاوکینگ و اینشتین را بگیرند آنقدرها هم عجیب نیست.

برنامه‌های رایانه‌ای مشابه DeepMind's AlphaGo دائما در حال کشف راه‌های جدید برای شکست دادن انسان‌ها در بازی‌هایی همچون Go و چترنگ هستند که قرن‌ها بازی شده‌اند و باره مطالعه قرار گرفتند. پس چه دلیلی وجود دارد که یکتا از همین دستگاه‌های عجب انگیزی که کل چیز را می‌آموزد نتواند مجموعه‌ای از ذرات بنیادین جدید را تشخیص دهد یا یک کرم چاله را در کهکشان دیگری در سامانهٔ خورشیدی بیگانه کشف کند؟ همانند آنچه در فیلم "میان ستاره‌ای"(Interstellar) دیدیم.

حداقل این چیزیست که رویای ماست. اگر بخواهیم طور دیگری فکر کنیم باید درگیر نظریه‌ای شویم که ماکس تگمارک، فیزیکدان، آن را "شوونیسم کربن" می‌نامد. در ماه نوامبر ، انستیتوی فناوری ماساچوست جایی که دکتر تگمارک در آن استاد است مبلغی را از اساس ملی علوم گرفتن و با آن موسسه‌ی جدید هوش مصنوعی و تعاملات بنیادین را تاسیس کرد. این موسسه گرد از هفت بنیاد-نهاد-سازمان تاسیس شده توسط این بنیاد و وزارت زارع ایالات متحده می‌باشد که یک تلاش سراسری برای کار در جهت ارتقای هوش مصنوعی است. در طی پنج سنه هر یک از این موسسات ۲۰ میلیون دلار اخذ می‌کند.

این موسسه که وابسته به مؤسسهٔ تکنولوژی ماساچوست است و کاملا خویش را صرف فیزیک کرده توسط جسی تایلر(Jesse Thaler) فیزیکدان ذرات گردانیدن می‌شود و دربرگیرنده بیش از ۱۲ عالم در همه‌ی زمینه‌های فیزیک از بنیاد-نهاد-سازمان تکنولوژی ماساچوست، دانشگاه هاروارد، دانشگاه نورث ایسترن و دانشگاه تافتس(Tufts) است.

دکتر تایلر طی یک ارتباط تصویری گفت: آنچه که من امیدوارم بتوانم انجام دهم برپایی مکانی است که محققان از رشته‌های مختلف فیزیک و وانگهی محققانی که در مقوله علوم کامپیوتر و هوش مصنوعی کار می‌کنند بتوانند گردهم آیند، گفتمان کنند و به یکدیگر چیزهایی بیاموزند. در نهایت، من می‌خواهم کامپیوترهایی داشته باشم که بتوانند مثل یک فیزیکدان فکر کنند.

کشف دوباره قوانین بنیادی فیزیک

در تلاش برای کشف دوباره قوانین فیزیک، مدلی از هوش مصنوعی به نام "شبکه عصبی" مورد بهره‌گیری پیمان گرفته است. برخلاف سیستم های به اصطلاح کارآزموده همانند IBM’s Watson که با فرهنگ و دانش انسان‌ها پر شده است این هوش مصنوعی طوری طراحی شده که در حین پیشه اطلاعات را یاد می‌گیرد. همانند کاری که مغز انسان می‌کند. با تجزیه و تحلیل مقدار زیادی از داده‌ها برای الگوهای پنهان، ”شبکه عصبی" به سرعت می‌آموزد الی تفاوت سگ‌ها و گربه‌ها را بفهمد، چهره‌ها را تشخیص دهد، روایت انسان را تکرار کند و سوء رفتار مالی را فاش کند.

دکتر تگمارک می‌گوید: ما امیدواریم که گونه ها جدیدی از قوانین فیزیک را کشف کنیم، ما قبلاً نشان داده‌ایم که این هوش مصنوعی می‌تواند قوانین فیزیک را مجدد بازیابی کند.

حس می کنی دچار مختصر شنوایی شدی؟
خریدغیرحضوری جدیدترین پالتوهای بچگانه

سال ماضی در برنامه‌ای به اسم "اثبات اصل" دکتر تگمارک و دانشجویی به اسم سلیویو ماریان(Silviu-Marian) صد معادله فیزیک را از یک کتاب درسی معروف(کتاب سخنرانی‌های فاینمن درباره فیزیک نوشته‌ی ریچارد فاینمن، رابرت لیتون و متیو سندز) انتخاب کردند و از آنها برای تولید داده‌هایی استفاده کردند که بعدا به یک شبکه عصبی منتقل شد. این سیستم داده‌ها را برای رسیدن به الگوها و قاعده‌ها بررسی کرد و کل ۱۰۰ ساختاره را بازیابی کرد.

محققان در مقاله‌ای که سنه گذشته در Science Advances منتشر شد نوشتند: "شبکه عصبی" مانند یک انسان دانشمند، بسیاری از روش‌های گوناگون را به ترتیب امتحان می‌کند و اگر نتواند با یک راه حل مسئله را به طور کامل حل کند، سعی می‌کند آن را تبدیل و به بخش‌های ساده‌تری تقسیم کند که به صورت جداگانه قابل حل هستند و مجددا الگوریتم کامل هر تقسیم را بررسی می‌کند.

در یک تست چالش‌برانگیز دیگر ، دکتر تگمارک و همکارانش ویدئویی از موشک‌ها را که به اطراف پرواز می‌کنند به این شبکه نشانه دادند و از آن خواستند بدون توجه به درخت‌های نخل در پس مقوله پیش‌بینی کند که در ادامه چه اتفاقی خواهد افتاد. دکتر تگمارک گفت: در فرجام این کامپوتر معادلات بنیادین حرکت موشک‌ها را کشف کرد.

دکتر تگمارک افزود: در حال حاضر مشکلاتی برای رسیدن به الگوریتم بازگشتی حل مسئله وجود دارد. اگرچه رایانه می‌تواند قوانین بنیادی فیزیک را از مجموعه‌ای از داده‌ها بازیابی کند، ولی هنوز نمی‌تواند اصول اصلی را مثل عدم قطعیت کوانتوم در مکانیک کوانتوم، یا نظریه نسبیت را بازیابی کند که زیربنای فرمول‌ها است.

اما آن زمان که هوش مصنوعی به این توانایی دست یابد می‌توان گفت ما به هوش عمومی مصنوعی رسیده‌ایم و در آن سررسید شما بسته به گونه دیدگاهتان شدنی است بترسید یا بسیار هیجان زده شوید، اما صادقانه بگویم دلیل اینکه من روی این پروژه پیشه می‌کنم آن است که بیشترین ترسانیدن از عقیده من تشکیل یک هوش مصنوعی ابرقدرت است در حالی که نمی‌دانیم چطور کار می کند.

فیزیکدانان می‌گویند احتمالاً این فرمایش شدنی باشد که یک رایانه بتواند به "تئوری همه چیز" دست پیدا کند ولی به این زودی‌ها اتفاق نخواهد افتاد و هیچ تضمینی وجود ندارد که ما انسانها نتیجه آن را درک کنیم.
به گزارش ایسنا و به نقل از نیویورک تایمز؛ روزگاری، آلبرت اینشتین نظریه‌های علمی را "اختراعات آزاد ذهن انسان" توصیف می‌کرد اما در سال ۱۹۸۰، استیون هاوکینگ، کیهان‌شناس نامدار دانشگاه کمبریج، عقیده دیگری داشت. در سخرانی همان سال، وی بازگو کرد که نظریه‌ای که "تئوری همه چیز" نامیده می‌شود شدنی است قابل دستیابی باشد، اما چه بسا واپسین مراحل دستیابی به آن بدست رایانه‌ها انجام می‌شود.

وی گفت: احتمالاً نتوان نهایی برای فیزیک نظری متصور شد اما برای توانایی فیزیکدانان نظری نقطه‌ نهایی وجود دارد.

اثبات "تئوری همه‌ چیز" هنوز ممکن نیست اما با وجود کامپیوترهایی که امروزه تقسیم زیادی از کارها وابسته به آنها است مشابه ترجمه زبان‌های مختلف، قابلیت تشخیص چهره، راندن اتومبیل و پیدا کردن شریک زندگی، تصور آنکه این کامپیوترها جای دانشمندانی همچون استیون هاوکینگ و اینشتین را بگیرند آنقدرها هم عجیب نیست.

برنامه‌های رایانه‌ای مشابه DeepMind's AlphaGo دائما در حال کشف راه‌های جدید برای شکست دادن انسان‌ها در بازی‌هایی همچون Go و چترنگ هستند که قرن‌ها بازی شده‌اند و باره مطالعه قرار گرفتند. پس چه دلیلی وجود دارد که یکتا از همین دستگاه‌های عجب انگیزی که کل چیز را می‌آموزد نتواند مجموعه‌ای از ذرات بنیادین جدید را تشخیص دهد یا یک کرم چاله را در کهکشان دیگری در سامانهٔ خورشیدی بیگانه کشف کند؟ همانند آنچه در فیلم "میان ستاره‌ای"(Interstellar) دیدیم.

حداقل این چیزیست که رویای ماست. اگر بخواهیم طور دیگری فکر کنیم باید درگیر نظریه‌ای شویم که ماکس تگمارک، فیزیکدان، آن را "شوونیسم کربن" می‌نامد. در ماه نوامبر ، انستیتوی فناوری ماساچوست جایی که دکتر تگمارک در آن استاد است مبلغی را از اساس ملی علوم گرفتن و با آن موسسه‌ی جدید هوش مصنوعی و تعاملات بنیادین را تاسیس کرد. این موسسه گرد از هفت بنیاد-نهاد-سازمان تاسیس شده توسط این بنیاد و وزارت زارع ایالات متحده می‌باشد که یک تلاش سراسری برای کار در جهت ارتقای هوش مصنوعی است. در طی پنج سنه هر یک از این موسسات ۲۰ میلیون دلار اخذ می‌کند.

این موسسه که وابسته به مؤسسهٔ تکنولوژی ماساچوست است و کاملا خویش را صرف فیزیک کرده توسط جسی تایلر(Jesse Thaler) فیزیکدان ذرات گردانیدن می‌شود و دربرگیرنده بیش از ۱۲ عالم در همه‌ی زمینه‌های فیزیک از بنیاد-نهاد-سازمان تکنولوژی ماساچوست، دانشگاه هاروارد، دانشگاه نورث ایسترن و دانشگاه تافتس(Tufts) است.

دکتر تایلر طی یک ارتباط تصویری گفت: آنچه که من امیدوارم بتوانم انجام دهم برپایی مکانی است که محققان از رشته‌های مختلف فیزیک و وانگهی محققانی که در مقوله علوم کامپیوتر و هوش مصنوعی کار می‌کنند بتوانند گردهم آیند، گفتمان کنند و به یکدیگر چیزهایی بیاموزند. در نهایت، من می‌خواهم کامپیوترهایی داشته باشم که بتوانند مثل یک فیزیکدان فکر کنند.

کشف دوباره قوانین بنیادی فیزیک

در تلاش برای کشف دوباره قوانین فیزیک، مدلی از هوش مصنوعی به نام "شبکه عصبی" مورد بهره‌گیری پیمان گرفته است. برخلاف سیستم های به اصطلاح کارآزموده همانند IBM’s Watson که با فرهنگ و دانش انسان‌ها پر شده است این هوش مصنوعی طوری طراحی شده که در حین پیشه اطلاعات را یاد می‌گیرد. همانند کاری که مغز انسان می‌کند. با تجزیه و تحلیل مقدار زیادی از داده‌ها برای الگوهای پنهان، ”شبکه عصبی" به سرعت می‌آموزد الی تفاوت سگ‌ها و گربه‌ها را بفهمد، چهره‌ها را تشخیص دهد، روایت انسان را تکرار کند و سوء رفتار مالی را فاش کند.

دکتر تگمارک می‌گوید: ما امیدواریم که گونه ها جدیدی از قوانین فیزیک را کشف کنیم، ما قبلاً نشان داده‌ایم که این هوش مصنوعی می‌تواند قوانین فیزیک را مجدد بازیابی کند.

حس می کنی دچار مختصر شنوایی شدی؟
خریدغیرحضوری جدیدترین پالتوهای بچگانه

سال ماضی در برنامه‌ای به اسم "اثبات اصل" دکتر تگمارک و دانشجویی به اسم سلیویو ماریان(Silviu-Marian) صد معادله فیزیک را از یک کتاب درسی معروف(کتاب سخنرانی‌های فاینمن درباره فیزیک نوشته‌ی ریچارد فاینمن، رابرت لیتون و متیو سندز) انتخاب کردند و از آنها برای تولید داده‌هایی استفاده کردند که بعدا به یک شبکه عصبی منتقل شد. این سیستم داده‌ها را برای رسیدن به الگوها و قاعده‌ها بررسی کرد و کل ۱۰۰ ساختاره را بازیابی کرد.

محققان در مقاله‌ای که سنه گذشته در Science Advances منتشر شد نوشتند: "شبکه عصبی" مانند یک انسان دانشمند، بسیاری از روش‌های گوناگون را به ترتیب امتحان می‌کند و اگر نتواند با یک راه حل مسئله را به طور کامل حل کند، سعی می‌کند آن را تبدیل و به بخش‌های ساده‌تری تقسیم کند که به صورت جداگانه قابل حل هستند و مجددا الگوریتم کامل هر تقسیم را بررسی می‌کند.

در یک تست چالش‌برانگیز دیگر ، دکتر تگمارک و همکارانش ویدئویی از موشک‌ها را که به اطراف پرواز می‌کنند به این شبکه نشانه دادند و از آن خواستند بدون توجه به درخت‌های نخل در پس مقوله پیش‌بینی کند که در ادامه چه اتفاقی خواهد افتاد. دکتر تگمارک گفت: در فرجام این کامپوتر معادلات بنیادین حرکت موشک‌ها را کشف کرد.

دکتر تگمارک افزود: در حال حاضر مشکلاتی برای رسیدن به الگوریتم بازگشتی حل مسئله وجود دارد. اگرچه رایانه می‌تواند قوانین بنیادی فیزیک را از مجموعه‌ای از داده‌ها بازیابی کند، ولی هنوز نمی‌تواند اصول اصلی را مثل عدم قطعیت کوانتوم در مکانیک کوانتوم، یا نظریه نسبیت را بازیابی کند که زیربنای فرمول‌ها است.

اما آن زمان که هوش مصنوعی به این توانایی دست یابد می‌توان گفت ما به هوش عمومی مصنوعی رسیده‌ایم و در آن سررسید شما بسته به گونه دیدگاهتان شدنی است بترسید یا بسیار هیجان زده شوید، اما صادقانه بگویم دلیل اینکه من روی این پروژه پیشه می‌کنم آن است که بیشترین ترسانیدن از عقیده من تشکیل یک هوش مصنوعی ابرقدرت است در حالی که نمی‌دانیم چطور کار می کند.

منبع : https://www.beytoote.com/computer/technews/tnews11065616.html