آیا هوش مصنوعی می‌تواند پیش‌بینی کند که چه کسی برنده جایزه نوبل می‌شود؟

به گزارش خبرنگار علم و فناوری آنا، با توجه به اعلام جوایز نوبل ۲۰۲۳ در روز‌های آینده، یک سوال در ذهن همه وجود دارد: چه کسی برنده خواهد شد؟

در جستجوی سرنخ‌ها، «سانتو فورتوناتو» به ChatGPT که یک چت‌بات هوش مصنوعی است و می‌تواند تقریباً برای هر سؤالی در چند ثانیه پاسخی واقع‌بینانه ارائه دهد؛ روی آورد.

فورتوناتو، دانشمند علم شبکه دانشگاه بلومینگتون ایندیانا از نسخه رایگان ChatGPT پرسید که آیا می‌تواند برندگان جایزه نوبل امسال را پیش‌بینی کند یا خیر؟ اما این چت‌بات یک گوی شیشه‌ای پیش‌گویی آینده نبود و با این جمله پاسخ داد: «نمی‌توانم آینده را پیش‌بینی کنم؛ چه در مورد برندگان نوبل ۲۰۲۳ و یا هر سال دیگر!»

فورتانو بدون دلسرد شدن؛ از هوش مصنوعی خواست سه اکتشاف بزرگ در شیمی، فیزیک، فیزیولوژی یا پزشکی (که سه دسته از جوایز نوبل علم هستند) که توسط دانشمندان زنده‌ای که قبلاً جایزه نوبل دریافت نکرده‌اند، شناسایی کند. شاگردان او نیز سوال مشابهی را از چت‌بات هوش مصنوعی گوگل که «کلود» (Claude) نام دارد، پرسیدند.

هر دو چت‌بات توانستند اکتشافات مهمی را از توسعه ابزار ویرایش ژنوم کریسپر (CRISPR) تا کشف ماده دو بعدی گرافن را انتخاب کردند؛ اما در پاسخ‌های آن‌ها ایرادات زیادی وجود داشت. در برخی موارد؛ چت‌بات‌ها اکتشافاتی را معرفی کردند که دانشمندان قبلاً برای آن‌ها جایزه نوبل دریافت کرده‌بوند و این تنها مشکل نبود.

فورتانو می‌گوید: «من از آن‌ها خواسته بودم دانشمندان زنده را معرفی کنند و آن‌ها افرادی را معرفی کردند که در واقع مرده بودند».

چت‌بات‌های هوش مصنوعی می‌توانند پیشگو شوند!
«جیمز ایوانز»؛ دانشمند علوم اجتماعی محاسباتی در دانشگاه ایلینوی شیکاگوی آمریکا می‌گوید: اگرچه مدل‌های زبانی بزرگ (LLM) مانند ChatGPT و Claude ممکن است در شکل کنونی خود پیش‌گویان بزرگی برای جایزه نوبل نباشند، اما آن‌ها پتانسیل این را دارند که تبدیل به ابزار‌های قدرتمند پیش‌بینی شوند.

او می‌افزایند: برای این‌که آن‌ها برای هدف پیش‌گویی مناسب شوند، باید کمی کار کرد. برای ایجاد یک هوش مصنوعی پیش‌بینی‌کننده نوبل، مدل‌های زبانی بزرگ فعلی باید اصلاح شوند و بر اساس داده‌های مناسب آموزش ببینند.

هوش مصنوعی همچنین می‌تواند تلاش‌های فعلی برای شناسایی برندگان آینده را بهبود بخشد. هفته گذشته شرکت تحلیلی «کلاریویت» فهرست سالانه «برندگان استناد» را منتشر کرد.

در این فهرست با موفقیت و عمدتاً از طریق تجزیه و تحلیل آنالیزها، بیش از ۷۰ برنده جایزه نوبل آینده در دو دهه گذشته، پیش‌بینی شده است؛ اگرچه که این تجزیه و تحلیل اغلب موفق نمی‌شود سالی که این افراد جایزه نوبل دریافت می‌کنند را پیش‌بینی کند.

این فهرست پژوهشگرانی را برجسته می‌کند که مقالاتی منتشر کرده‌اند که حداقل ۲ هزار بار مورد استناد قرار گرفته‌اند، این میزان استناد معمولاً با سطح توجهی که بیشتر برندگان نوبل علمی قبلی دریافت کرده‌اند، قابل مقایسه است. تجزیه و تحلیل‌های کلاریویت همچنین نویسندگان این مقالات پراستناد را از نظر داشتن اکتشافات پیشگامانه و دریافت کردن جوایز قابل‌توجهی پیش از این، بررسی می‌کند.

پژوهشگرانی که امسال در این فهرست قرار گرفته‌اند سهم بزرگی در زمینه‌های پژوهشی مانند ایمنی‌درمانی سرطان، زیست‌شناسی مصنوعی و علم مواد داشته‌اند.

«دیوید پندلبری»؛ رییس تجزیه و تحلیل تحقیقات در موسسه اطلاعات علمی کلاریویت در فیلادلفیا می‌گوید: کلاریویت پیش از این شروع به بررسی این موضوع کرده است که چگونه هوش مصنوعی مولد می‌تواند به پیش‌بینی برندگان جایزه نوبل آینده کمک کند.

ما ممکن است در انتخاب‌های سال آینده سهمی از این تلاش داشته باشیم. یکی از مزایای هوش مصنوعی مولد جستجوی حجم عظیمی از آثار علمی است. این امر سرعت و دقت بررسی مجموعه نامزد‌هایی را که ما به عنوان دریافت‌کنندگان بالقوه نوبل شناسایی می‌کنیم، بهبود می‌بخشد.

استناد مقالات یا تاثیر پژوهش‌ها؛ کدام مهم‌تر است؟
«راسموس بیورک» (Rasmus Bjørk)، فیزیکدان دانشگاه فنی دانمارک در کپنهاگ که تجزیه و تحلیل برندگان جایزه نوبل را انجام داده است، می‌گوید: استناد به تنهایی برای نشان دادن این‌که چه کسی ممکن است در آینده مدال نوبل دریافت کند، کافی نیست. برای دریافت این جایزه برتر، پژوهشگران باید کار‌های پیشگامانه‌ای انجام دهند که زمینه تحقیقاتی را پیش ببرد یا تاثیر اساسی بر جامعه داشته باشد.

باید چیز خاصی داشته باشد و البته کمّی کردن و قابل سنجش کردن این کار خاص و ویژه می‌تواند دشوار باشد.

«بنوتورگلر» (Benno Torgler)، اقتصاددان رفتاری دانشگاه فناوری کوئینزلند استرالیا که برندگان جایزه نوبل را مطالعه کرده است، می‌گوید: مدل‌های زبانی بزرگ ممکن است بتوانند کمک کنند؛ چرا که این مدل‌های زبانی می‌توانند منابع و آرشیو‌های آنلاین را برای یافتن اطلاعاتی که نشانه‌های دیگری از تاثیر تحقیقات به تصویر می‌کشد، جستجو کنند.

این‌ها ممکن است شامل اشاره شدن در پوشش‌های خبری، شبکه‌های همکاری پژوهشگران و پیوند‌های آن‌ها با برندگان قبلی جایزه نوبل باشد. تغذیه کردن مدل‌های زبانی بزرگ با این اطلاعات کیفی می‌تواند پیش‌بینی‌های دقیق‌تری ایجاد کند و می‌توانیم پیچیدگی‌های بیشتری را اضافه کنیم.

«بیورک» می‌گوید:، اما ابزار‌های هوش مصنوعی می‌توانند سوگیری‌ها و تعصب‌هایی که که قبلاً جوایز نوبل را احاطه کرده بودند را نیز تداوم بخشند. از زمان معرفی جوایز نوبل در بیش از یک قرن پیش تا کنون، تنها ۶۰ زن برنده این جایزه شدند.

اگر مدل‌های زبانی بزرگ با داده‌های مربوط به برندگان گذشته آموزش ببینند، احتمال بیشتری وجود دارد که مردان را بیشتر از زنان به عنوان برندگان بالقوه آینده این جایزه انتخاب کنند؛ بنابراین ما باید مدل‌های زبانی بزرگ را در جهتی آموزش دهیم که این سوگیری‌های حذف شوند.

هوش مصنوعی قضاوت می‌کند؟

پندلبری می‌گوید: صحبت کردن از تصمیم‌گیری برای واقعی برنده جایزه نوبل، مشابه و قابل مقایسه با قضاوت انسانی نیست. در نهایت، سلیقه لازم است. فکر می‌کنم این همان چیزی است که به جایزه نوبل زنگاری از زیبایی می‌بخشد.

اما «ایوانز» دانشمند علوم اجتماعی محاسباتی در دانشگاه ایلینوی شیکاگوی آمریکا فکر می‌کند که مدل‌های زبانی بزرگ روزی می‌توانند زمین بازی را در دنیای جوایز علمی هموار کنند؛ زیرا آن‌ها می‌توانند راه را برای انواع جدیدی از جوایز که مبتنی بر تعصبات و سوگیری‌های کم‌تر هستند و به جای دیدگاه‌های کمیته‌های انسانی، تحلیل‌های مبتنی بر هوش مصنوعی دارند، تسهیل کنند.

به عقیده او؛ چنین جوایزی می‌توانند کمک کند که پژوهش‌هایی برجسته شوند که علم را به گونه‌ای که در حال حاضر شناخته‌شده نیست و به رسمیت شناخته نشده، تغییر داده‌اند.