ششم اکتبر ۲۰۲۶ ممکن است به عنوان بزرگ‌ترین روز در تاریخ ریاضیات به یاد آورده شود. اوپنایای، یک آزمایشگاه پیشگام آمریکایی، بیش از ۷۰۰ مقاله علمی منتشر کرد که ادعای پیشرفت یا راه‌حل برای ۳۷۲ مسأله‌ای را داشتند که دهه‌ها ذهن دانشمندان را مشغول کرده بود. ریاضیدانان هنوز در تلاشند تا معنای این رویداد برای رشته خود را درک کنند.
پیامدهای این رخداد فراتر از ریاضیات خواهد رفت. زمان آن رسیده است که با نحوه تأثیرگذاری هوش مصنوعی (AI) بر کل علم دست‌وپنجه نرم کنیم. نتایج ریاضی همزمان یک جهش رو به جلو برای بشریت، شگفتی‌ای که پیشرفت سرسام‌آور AI را تأیید می‌کند، و هشداری درباره آینده‌ای است که در آن فهم جهان ممکن است متعلق به ماشین‌هایی باشد که برای ذهن انسان نفوذناپذیرند. سؤال اصلی این است که چگونه می‌توان بدون قربانی کردن فهم، پیشرفت کرد.
هوش‌های AI پتانسیل علمی خود را در ریاضیات به وضوح نشان داده‌اند زیرا اثبات‌های ریاضی از بدیهیات استخراج می‌شوند نه از شواهد، و بنابراین اصولاً به صورت مکانیکی قابل تأیید هستند. اما همان‌طور که در بخش ویژه علم و فناوری هفته جاری گزارش کرده‌ایم، AI همچنین پیشرفت در علوم تجربی را نیز تسریع کرده است، زیرا سایر رشته‌ها از ریاضیات به عنوان ابزاری استفاده می‌کنند. AI پیش‌بینی‌های آب‌وهوا را بهبود بخشیده است. میلیون‌ها ماده جدید مفید احتمالی پیشنهاد داده و به کنترل آزمایش‌های همجوشی هسته‌ای کمک کرده است. همچنین می‌تواند شکل تقریباً تمام پروتئین‌های شناخته‌شده را از اسیدهای آمینه سازنده آن‌ها پیش‌بینی کند؛ پیشرفتی که جایزه نوبل را کسب کرد.
پیشرفت‌های علمی بیشتر و شگفت‌انگیزتری که با سوخت AI کار می‌کنند تقریباً قطعی هستند. هیجان‌انگیزترین امکانات در زیست‌شناسی نهفته است. پژوهشگران از AI برای طراحی محصولات کشاورزی مقاوم به خشکی، جستجوی داروهای جدید و ایجاد ویروس‌های دوستانه (که امیدواریم چنین باشند) که باکتری‌های مضر را هدف قرار می‌دهند، استفاده می‌کنند. تلاشی وجود دارد تا از AI برای ساخت مدل‌های کامپیوتری نحوه عملکرد سلول‌ها استفاده شود. مسلح به حیات in silico (شبیه‌سازی شده)، دانشمندان ممکن است به تسلط بر زیست‌شناسی دست یابند و توانایی خلق موجودات کاملاً جدید از صفر را کسب کنند. اگر چنین شود، DNA تنها به شکل دیگری از کد کامپیوتری تبدیل می‌شود که مانند رشته‌ای از توکن‌ها در یک مدل AI دستکاری می‌شود.
مانند بسیاری از موارد مرتبط با AI، این چشم‌انداز به همان اندازه سرگیجه‌آور و ترسناک است. واکنش اولیه بسیاری از ریاضیدانان وحشت است. پس از دستاوردهای اوپنایای، آن‌ها نسبت به تجاوز آزمایشگاه به رشته خود به پا خاسته‌اند. انجمن ریاضیات انسانی، گروهی متشکل از بیش از ۹۰۰ دانشمند، هشدار می‌دهد که «ریاضیدانان درخواست انجام این کار را نداشتند.» آن‌ها می‌گویند که پاداش انجام ریاضیات نه از اثبات، بلکه از سخت‌کوشی ناشی می‌شود، زیرا همین امر است که فهم انسانی را ارتقا می‌دهد. تولید پاسخ‌های غیرقابل فهم اما صحیح توسط AIها شبیه دادن جواب تکالیف به دانش‌آموزان است: بدون تلاش، یادگیری وجود ندارد.
این شکایت‌ها حاوی عنصری از خودخواهی خاص است. دانشگاهیان حق بیشتری برای دیکته کردن تولید دانش نسبت به هر حرفه دیگری ندارند. حقیقت‌جویی به نفع همه است و نمی‌توان آن را برای یک صنف از دانشمندان محفوظ نگه داشت. سلسله‌مراتب آکادمیک، که با اثبات مسائل طی می‌شود، مقدس نیست. در صورت لزوم، باید برای جهانی بازسازی شوند که در آن AI اثبات‌ها را تولید می‌کند و انسان‌ها آن‌ها را هضم می‌کنند. در علم، نباید فهم را بر نتایج بت‌وار ترجیح داد. هر بار که قرص پاراستامول را برای رفع سردرد می‌بلعید، به مکانیسمی تکیه می‌کنید که کار می‌کند اما کاملاً درک نشده است.
با این حال، ترس از سپردن علم به دست ماشین‌ها بی‌اساس نیست. شرکت‌های AI منابع زیادی را صرف علم می‌کنند نه از روی نوع‌دوستی، بلکه زیرا، مشابه انسان‌ها، حل مسائل می‌تواند به هوشمندتر شدن مدل‌ها کمک کند. بسیاری از پژوهشگران معتقدند مدلی که در حل مسائل علمی بهتر عمل می‌کند، در انجام سایر کارها نیز بهتر خواهد شد. اگر چنین باشد، هیچ‌کس نمی‌تواند با آزمایشگاه‌های بزرگ AI رقابت کند، که در نهایت مدل‌هایی را کنترل خواهند کرد که روی بهبود خودشان کار می‌کنند و طبق برخی تعاریف، به هوشی غیرقابل فهم دست می‌یابند. این دانشمندان نابغه AI از طریق ربات‌های انسان‌نما یا اتصال مدل‌ها به تجهیزات آزمایشگاهی، همان‌طور که شرکت آنتروپیک (Anthropic) قبلاً انجام داده است، به جهان فیزیکی متصل خواهند شد.
مشکلی که این آینده برای علم ایجاد می‌کند، بسیار شبیه مشکلی است که برای جامعه ایجاد می‌کند. مردم باید منابع را در اختیار ماشین‌ها قرار دهند تا آن‌ها به پیشرفت ادامه دهند. اگر کسی نداند آن‌ها چه کاری انجام می‌دهند، صرفاً امضا کردن چک‌ها بی‌احتیاطی است. هیچ‌کس نمی‌تواند مطمئن باشد که مدل‌ها به نفع بهترین منافع بشریت عمل می‌کنند. حتی اگر آزمایشگاه‌های AI موفق شوند ماشین‌ها را با منافع بشریت «همسو» کنند تا بتوان به آن‌ها اعتماد کامل داشت، جامعه‌ای که در آن مردم فقط از AIها می‌پرسند چه کار کنند—در علم یا به طور کلی‌تر—جامعه‌ای است که در آن انسان‌ها به حیوانات خانگی ماشین‌ها تبدیل خواهند شد.
برخی افراد ممکن است حاضر باشند این را بپذیرند اگر به معنای درمان تمام بیماری‌ها باشد. اما حداقل تا زمانی که همسویی غیرقابل‌خون‌دادنی بین AIها و انسان‌ها وجود داشته باشد، علم همیشه به حضور انسان در حلقه تصمیم‌گیری نیاز خواهد داشت. آزمایشگاه‌ها باید بتوانند از AIها برای حل مسائل استفاده کنند، اما منابعی مانند آزمایشگاه‌ها و قدرت محاسباتی باید توسط افرادی هدایت و نظارت شوند که می‌توانند قضاوتی آگاهانه درباره آنچه AIها انجام می‌دهند داشته باشند. این امر اجتناب‌ناپذیراً پیشرفت را کند خواهد کرد. اما اگر AIها بخواهند تحت کنترل انسان باقی بمانند، ضروری است.
در همین حال، علم ماشینیِ هدایت‌شده توسط انسان، دانشمندان را وادار به بازآفرینی رشته‌های خود خواهد کرد. دانشمندان باید یاد بگیرند که عاشقِ راهنمایی مدل‌ها و مطالعه، تأیید و آموزش نتایج آن‌ها شوند—و به این کارها وضعیت اجتماعی و پیشرفت شغلی اعطا کنند. دولت‌ها نیز باید گرنت‌های تحقیقاتی را بر همین اساس تخصیص دهند. از سوی دیگر، آزمایشگاه‌های AI باید سعی کنند شهروندان خوب علمی باشند، کارهای خود را برای داوری همتا ارسال کنند و روش‌ها و کدهای خود را منتشر نمایند.
نوزاد و تشت آب
بررسی و هضم نتایج یک کامپیوتر ممکن است کاری کم‌جذاب به نظر برسد. بخش زیادی از علم تولیدشده توسط انسان پر از خطا است زیرا از دانشمندان برای نظارت بر کار دیگران قدردانی نمی‌شود. اما تأکید مجدد بر تأیید و تردید، علم را بهبود خواهد بخشید. ارزش دارد شعار انجمن سلطنتی (Royal Society) که در قرن هفدهم پذیرفته شد را به یاد بیاوریم: Nullius in verba، یعنی «سخن هیچ‌کس را قبول نکن». همان روحیه اکنون باید بر علم ساخته‌شده توسط ماشین‌ها حاکم شود. ¦
فقط برای مشترکین: برای دیدن اینکه چگونه جلد هفته را طراحی می‌کنیم، در خبرنامه هفتگی Cover Story ما ثبت‌نام کنید.