|

علم‌ورزی؛ ماشینی در فراسوی نیک و بد

علم‌ورزی در سایه رشد شتابناک هوش مصنوعی چگونه دگرگون خواهد شد؟

روایت‌های گوناگونی از «گولِم» در منابع یهودی یافت می‌شود. در عهد عتیق، این واژه عبری به خمیرمایه‌ای که در آفرینش انسان استفاده شد اشاره دارد: «چشمانت بر سرشت خام من نظر افکند؛

علم‌ورزی؛ ماشینی در فراسوی نیک و بد

عطا کالیراد-پژوهشگر زیست‌شناسی تکاملی مؤسسه ماکس پلانک در توبینگن آلمان: روایت‌های گوناگونی از «گولِم» در منابع یهودی یافت می‌شود. در عهد عتیق، این واژه عبری به خمیرمایه‌ای که در آفرینش انسان استفاده شد اشاره دارد: «چشمانت بر سرشت خام من نظر افکند؛ در کتاب تو همه روزهایی که برایم آفریده‌ شده‌ بودند نگاشته شده‌ بود؛ وقتی که هیچ یک این از این روزها ندمیده بود». در یکی از این روایات، خاخام لوو، شخصیت تاریخی که در قرن شانزدهم در پراگ می‌زیست و از عالمان دینی سرشناس روزگار خود بود، از گِل موجودی انسان‌وار می‌سازد و با حک‌کردن واژه «حقیقت» بر پیشانی این آدمک گلی، به او جان می‌بخشد. هدف از آفرینش این گولم، دفاع از یهودیان ساکن پراگ در برابر تعرض مسیحیان بود. با وجود نیت پاک خاخام لوو، هیولای انسان‌مانندی که آفریده بود توان تفکر عمیق نداشت و تلاشش برای دفاع از یهودیان دردسرهای بیشتری را در پی داشت. در نهایت، خاخام یک حرف را از کلمه‌ای که بر پیشانی گولم پراگ حک کرده بود پاک کرد و این‌گونه جان از کالبدش برون‌ شد. شاید بتوان بسیاری از فناوری‌هایی دوران مدرن را گولم‌های نوین قلمداد کرد که براساس دستورهای سازنده خود، وظایفی خاص را به انجام می‌رسانند. در غالب موارد، چنان رابطه تنگاتنگی میان ساختار گولم و وظیفه یا وظایفش وجود دارد که پیامدهای غیرمنتظره به انجام رساندن این وظایف در بدترین حالت دردسرهای محدودی را در پی خواهد داشت. برای مثال رباتی که در خط تولید یک کارخانه خودروسازی تعبیه‌ شده، در صورت دریافت دستورهای نادرست از طرف برنامه‌نویسان یا تکنیسین‌ها، وظایفش را به صورتی به انجام برساند که به اختلال در فرایند تولید منجر شود، اما این اختلال هرگز از چارچوب فرایند تولید خودرو فراتر نخواهد رفت. با پیدایش مدل‌های زبانی بزرگ و هوش ‌مصنوعی زایشی، چنین می‌نماید که گولم‌های ساخته‌ دست انسان به ناگاه از قید و بندهای پیشین خود رها شده باشند.

 

 انقلاب در زیست‌فناوری

از نوامبر سال ۲۰۲۰ میلادی تاکنون، پژوهش‌های مرتبط با ساختار پروتئین دچار دگرگونی اساسی شده‌اند. انتشار نتایج مسابقه سالانه سنجش نقادانه پیش‌بینی ساختار پروتئین در نوامبر ۲۰۲۰ میلادی حاکی از توانایی شگرف الگوریتم 

 AlphaFold2، محصول یکی از شرکت‌های زیرمجموعه کمپانی گوگل، در حل یکی از بنیادی‌ترین مسائل زیست‌شناسی بود. پیش از AlphaFold2، پیش‌بینی ساختار یک پروتئین، گامی اساسی در فهم عملکرد پروتئین، نیازمند بررسی آزمایشگاهی ساختار بلوری پروتئین بود، کاری پردردسر و پرهزینه. بدون آگاهی از ساختار پروتئین، حل مسائل مختلف زیستی، از طراحی دارو تا فهم چگونگی پیدایش پروتئین‌های نو در طی تکامل، بسیار دشوار و در بسیاری از مواقع ناممکن است. پیش‌تر روش‌های رایانه‌ای برای پیش‌بینی ساختار پروتئین خلق شده‌ بودند، اما در بهترین حالت از استنباط ساختار بیش از نیمی از پروتئین‌ها ناتوان بودند.  AlphaFold2 به ناگاه به دقتی ۹۰ درصدی در پیش‌بینی ساختار پروتئین‌ها دست یافت. آندری لوپاس، از پژوهشگران سرشناس حوزه تکامل پروتئین، اندک موارد ناهمخوانی میان ساختار پروتئین که  AlphaFold2پیش‌بینی می‌کند و ساختار استنباط‌شده بر اساس داده‌های آزمایشگاهی را بیشتر ناشی از خطاهای آزمایشگاهی می‌پندارد تا مشکل الگوریتم. در نوامبر ۲۰۲۲ میلادی، پژوهشگران بخش هوش مصنوعی شرکت متا (فیس‌بوک سابق) پیش‌بینی خود از ساختار بیش از ۶۰۰ میلیون پروتئین را براساس مدل زبانی بزرگ منتشر کردند. رقابت بر سر پدیدآوردن مدل‌هایی که ساختار پروتئین و دیگر مولکول‌های زیستی را با توسل به هوش مصنوعی پیش‌بینی می‌کنند داغ‌تر از همیشه به نظر می‌رسد.

 مدل زبانی بزرگ دیگر چیست؟

یکی از تحولاتی که سبب پیشرفت‌های شگرف چند سال اخیر در حوزه یادگیری ماشینی شده، رواج مدل‌های زبانی بزرگ است. در ساده‌ترین شکل می‌توان به این مدل‌ها همانند نرم‌افزارهای پیش‌بینی کلمه‌هایی در یک جمله که این روزها در اغلب گوشی‌های هوشمند یافت می‌شود نگریست. در گوشی‌های هوشمند، بر اساس آنچه پیش‌تر تایپ کردید، نرم‌افزار الگوهایی تکراری کلمه‌ها در جمله‌های تایپ‌شده را می‌یابد و بر این اساس درمی‌یابد که هنگام نگارش پیامک اغلب بعد از کلمه «صبح» کلمه «بخیر» می‌آید و در نتیجه وقتی «صبح» را تایپ کنید، کلمه «بخیر» را به شما پیشنهاد می‌دهد. مدل‌ زبانی بزرگ، بسط همین ایده ساده است. البته به جای آنکه این مدل صرفا در میان پیامک‌هایی که شما از زمان خرید گوشی هوشمند خود نوشتید در پی الگوهایی تکراری باشد، کوهی از متون، به عنوان مثال تمامی مقاله‌های روزنامه نیویورک‌تایمز و همه کتاب‌هایی را که به صورت دیجیتال موجود هستند ورق می‌زند تا الگوی کلی پنهان در میان این حجم گیج‌کننده از جملات را بیابد. پس از بررسی این متون، می‌توانید از مدل زبانی بپرسید که آیا «صبح بخیر» ترکیب صحیحی است؛ آنگاه مدل براساس انبوهی از متونی که یاد گرفته است، محتمل‌ترین ترکیب‌ها را شامل دو واژه که با «صبح» آغاز شوند، در ذهن سیلیکونی خود مرور می‌کند و جواب می‌دهد که «صبح بخیر» ترکیب درست و محتمل است. گرچه برای توضیح مدل زبانی بزرگ از مثال یادگیری متون برای حدس صحت یک جمله استفاده کردم، اما این مدل‌ها، با وجود نامشان، ضرورتا محدود به فهم زبان نیستند. به عنوان مثال، مدلی که شرکت متا برای پیش‌بینی ساختار ۶۰۰ میلیون پروتئین استفاده کرده بود، یک مدل زبانی بزرگ بود که ساختار پروتئین‌های شناخته‌شده را به صورت متن دریافت کرده و براساس مطالعه آن، ساختار پروتئین ناآشنا را حدس می‌زد، همان‌گونه که گوشی هوشمند شما کلمه بعدی پیامک را حدس می‌زند.

 بازی تقلیدی که دیگر تنها یک بازی نیست

آلن تورینگ در مقاله‌ای با عنوان ماشین‌های محاسباتی و هوش بازی تقلید را به عنوان روشی برای تمییزدادن انسان از ماشین پیشنهاد کرد. در این بازی، شما با دو فرد مکاتبه می‌کنید و باید بر اساس پرسش و پاسخ حدس بزنید که کدام‌یک از این دو فرد درحقیقت ماشین است. از نوامبر ۲۰۲۲ میلادی، و با رونمایی از برنامه چت جی‌تی‌پی که قادر به مکاتبه به‌ظاهر هوشمندانه با کاربر انسانی است، توانایی ما در تمایز میان انسان و ماشین با چالشی سراسر نو روبه‌رو شده‌ است. با آفرینش محصولاتی مشابه چون برنامه Brad توسط کمپانی گوگل، مرز میان متنی زاده تفکر انسان و ماشین بیش از پیش مبهم شده‌ است. از جنبه فلسفه ذهن، شاید برنامه‌هایی چون چت جی‌تی‌پی پیش‌قراول ظهور هوش مصنوعی عمومی نباشد، بلکه توانایی الگوریتم‌های ماشینی در تولید آدمیان تقلبی را نشان می‌دهد. دنیل دِنِت، فیلسوف شهیر آمریکایی، توانایی این برنامه در تقلید انسان را ناشی از دهه‌ها پژوهش و سرمایه‌گذاری برای تولید برنامه‌های هوشمندی می‌داند که برای پیروزی در بازی تقلید طراحی شده‌اند. ازاین‌رو، بیش از آنکه این برنامه‌ها منعکس‌کننده هوشمندی در معنای انسانی آن باشند، گواهی بر توانایی آنها در تقلید از انسان در فضای مجازی هستند. توانایی این برنامه‌ها در تقلید از انسان، اعتماد ما به میان‌کنش با دیگر انسان‌ها در فضای مجازی را به چالش می‌کشد.

 پژوهش‌های تقلبی

تولید پژوهش‌های علمی تقلبی تنها در چند سال اخیر باب نشده‌ است و می‌توان نمونه‌هایی از پژوهش‌های علمی مبنی بر داده‌های ساختگی را در نیمه اول قرن بیستم یافت، اما ظهور مدل‌های بزرگ زبان در مدتی اندک فرایند تولید علم را به شکلی تکان‌دهنده متحول کرده‌اند. اندکی پس از دسترسی عموم به چت جی‌تی‌پی، شماری پژوهش علمی این ابزار را به عنوان یکی از نویسندگان پژوهش ذکر کردند. این روند بحث‌های فراوانی در دنیای نشر پژوهش‌های علمی در پی داشت و بسیاری از در مخالفت با ذکر چت جی‌تی‌پی یا مدل‌های مشابه به عنوان نویسنده مقاله‌های علمی درآمدند؛ چراکه این برنامه نمی‌تواند مسئولیت صحت پژوهش و تحلیل داده‌ها را بر عهده بگیرد و عملا صلاحیت اخلاقی لازم به عنوان یک مؤلف را ندارد. اثر منفی‌تر چت جی‌تی‌پی، استفاده مخفیانه از آن در پژوهش‌های علمی است؛ چراکه چنین ابزارهایی به فرایند تولید مقاله‌های علمی، به‌ویژه در ساختارهای اداری و آموزشی که صرف تعداد مقاله‌های منتشرشده توسط یک علم‌ورز را متر و معیار اثربخشی علمی می‌دانند، شتابی صدچندان خواهد بخشید. مشخصا در بسیاری از موارد زبان انگلیسی به عنوان زبان بین‌المللی علم بزرگ‌ترین سد در برابر تولید مقاله‌های بی‌مایه علمی است، اما به مدد چت جی‌تی‌پی و ابزارهای مشابه و اندک دانشی از زبان علمی، می‌توان مقاله‌های علمی به ظاهر موجه به زبان انگلیسی آفرید و در یکی از پرشمار مجله‌های علمی موجود به چاپ رساند.

 هوش مصنوعی به مثابه ابزاری نو

گرچه مدل‌های بزرگ زبانی می‌توانند به رشد روزافزون مقاله‌های کم‌مایه علمی منجر شوند، اما استفاده مسئولانه از این ابزارها می‌تواند علم‌ورزی را بسیار آسان کند بدون آنکه کیفیت محصول علمی را کاهش دهد. برای مثال، بسیاری از مسائل ساده ریاضی مانند حل یک معادله چندمجهولی یا یافتن رفتار یک سامانه دینامیک به نسبت ساده در حالت تعادل برای چت جی‌تی‌پی یا برنامه‌ای مشابه بسیار آسان است. در عین حال می‌توان از این مدل‌های بزرگ زبانی برای یافتن مقالات معتبر علمی درباره موضوعی خاص مدد جست، یا در مورد روش درست تحلیل آماری داده‌های علمی با این مدل‌ها مشورت کرد. شاید بهترین راه به منظور استفاده صحیح از مدل‌های بزرگ زبانی و ابزارهای هوشمند دیگر برای بهبود علم‌ورزی، یافتن مجموعه‌ای از قواعد و دستورالعمل‌ها باشد که بتوان با اتکا بر آن از کژراهه‌ها دوری کرد. اخیرا بسیاری از علم‌ورزان به تکاپو برای یافتن چنین قواعدی دست زدند. به عنوان مثال، شماری از پژوهشگران 10 فرمان برای استفاده از چنین مدل‌هایی در علم را پیشنهاد دادند. سوای استفاده از ابزارهایی چون چت جی‌تی‌پی برای آسان‌کردن علم‌ورزی و نگارش مقاله در چارچوبی اخلاقی، این ابزارها دسترسی و پردازش شمار روزافزون پژوهش‌های علمی را برای پژوهشگران از همیشه آسان‌تر خواهند کرد. برای نمونه، تارنمای bioRxiv، محلی برای نشر دیجیتال پژوهش‌های علمی پیش از انتشار آنان در نشریات سنتی علمی، از نوامبر ۲۰۲۳ میلادی از هوش مصنوعی برای خواندن مقالات جدید و تولید خلاصه این مقالات برای نشر در شبکه‌های اجتماعی استفاده می‌کند. گرچه این روش‌ها هنوز به کمال نرسیده‌اند، اما امکان نشر سریع پژوهش‌ها را فراهم می‌کنند، بدون آنکه نیازی به تولید چنین محتوایی توسط نویسندگان مقالات علمی باشد. با توجه به رشد چشمگیر فناوری‌های هوش مصنوعی در تقلید صدا و صورت انسان، خلاصه صوتی بسیاری از مقالات علمی نیز با تکیه بر این روش‌های جدید آغاز شده تا فرایند مطالعه پژوهش‌های به‌روز علمی بیش از پیش سهل‌تر شود. چنین روش‌هایی امکان بررسی و مطالعه سیل عظیم پژوهش‌های علمی را میسر می‌کنند؛ برای مثال، یک فرد برای خواندن پژوهش‌های علمی در باب ویروس کرونا که در چهار سال اخیر چاپ شده‌اند، به حدود ۱۵۰ سال وقت احتیاج خواهد داشت. با توسعه فناوری‌های مشابه ChatGTP می‌توان از خلاصه‌کردن مقالات فراتر رفت. از این مدل‌های بزرگ زبان درباره پژوهش‌های خاص در باب یک موضوع و یافته‌های این پژوهش‌ها پرسید تا دیگر نیازی به صرف ساعت‌ها، روزها یا هفته‌ها برای یافت مقاله‌های علمی مرتبط و تورق این مقاله‌ها نباشد.

 دنیای قشنگ نو

گرچه هنوز فهم کاملی از سرشت فلسفی علم و علم‌ورزی نداریم، اما پدیدآمدن ماشین‌های متفکر جدید، خودزاده‌های دهه‌ها پژوهش علمی در باب هوش مصنوعی و مسائل مرتبط درباره فهم آماری داده‌های انبوه، بی‌شک علم‌ورزی در معنای روزمره آن را دستخوش انقلاب خواهد کرد. چالش اصلی در دوران جدید، تربیت علم‌ورزان است؛ بسیاری از توانایی‌هایی که بخش اساسی برنامه‌های آموزشی برای پرورش علم‌ورزان در دانشگاه‌ها را تشکیل می‌دادند، با سرعت توسط مدل‌های بزرگ زبانی انجام می‌شوند یا در آینده نزدیک به مجموعه توانایی‌های چنین مدل‌هایی افزوده می‌شوند. بیش از پیش، توانایی علم‌ورز در مطالعه طبیعت و صورت‌بندی پرسش‌های نو به مهارتی کلیدی بدل خواهد شد؛ چراکه بسیاری مهارت دیگر، چون تحلیل داده یا ساخت مدل‌های ریاضی، نیازی به وجود علم‌ورز نخواهد داشت. شماری از اقتصاددانان در مورد پیامد اساسی رشد شتابناک هوش مصنوعی در جایگزینی پرشمار شغل هشدار داده‌اند. علم نیز تا حدی از این قاعده مستثنا نیست، چراکه علم‌ورزی در این دنیای قشنگ نو نیازمند انعطاف‌پذیری فکری علم‌ورزی و میل به یادگیری مهارت‌های جدید در کمترین زمان، ازجمله مهارت‌های مرتبط با استفاده از ابزارهای جدید هوشمند دارد. از منظری دیگر اما علم‌ورزی، مانند فعالیتی هنری، در بنیادی‌ترین سطح خود زاده میل ذاتی و غیرعقلانی انسان برای فهم دنیای پیرامونش است. همان‌گونه که ماکس وبر متذکر شده بود: «[...] شور پیش‌شرط عاملی اساسی، یعنی همان «الهام» است. این باور میان جوانان این دوره رایج است که علم صرفا محاسباتی ساده است، چیزی که در آزمایشگاه‌ها یا به مدد فیش‌های آماری، مانند «یک کارخانه»، تولید می‌شود و تنها محتاج خرد صرف است و نه همه «وجود». البته در این میان باید متذکر شد که این افراد فقط اندکی از آنچه در واقع در یک کارخانه یا آزمایشگاه رخ می‌دهد باخبر هستند. در هر دو این مکان‌ها، چیزی، و چیزی درست، باید ضرورتا رخ دهد تا افراد به ثمره‌ای ارزشمند دست‌ یابند. [...] الهام نیاز به فعالیت [علمی] را از میان نمی‌برد. این فعالیت نیز در جایگاه خود نمی‌تواند جانشین الهام شود و یا همانند شور، الهام را نمی‌توان به اجبار پدید آورد. فعالیت و شور، به ویژه در کنار هم، می‌توانند ایده‌ای را پدید آورند. ایده‌هایی بر اساس زمان‌بندی خودشان پدیدار می‌شوند، نه آنگاه که ما محتاج آنان هستیم». شاید این الهام تا مدت‌ها جایگزینی علم‌ورز با ماشین را ناممکن کند. البته شاید با ظهور هوش مصنوعی عمومی در سال‌های آتی، هیچ یک از فعالیت‌هایی که پیش‌تر جزء جدایی‌ناپذیر انسان‌بودن قلمداد می‌شدند دیگر نیازی به انسان نداشته باشند.