کلود وارد محاسبات سنگین فیزیک نظری شد │ محاسبه ۹ حلقه‌ای یک مسئله پیچیده ذرات با دو روش و تأیید مستقل فیزیکدانان

یک سامانه هوش مصنوعی متعلق به آنتروپیک توانسته محاسبه‌ای ۹ حلقه‌ای برای دامنه پراکندگی شش ذره در یک نظریه آزمایشی فیزیک ذرات انجام دهد؛ کاری که پیش از این در این مسئله تا هشت حلقه پیش رفته بود. نتیجه با دو مسیر محاسباتی به دست آمده و توسط یک فیزیکدان متخصص بررسی شده است.

اتفاقی که در روزهای اخیر در دنیای هوش مصنوعی و فیزیک نظری خبرساز شده، صرفاً حل یک معادله دشوار با کمک یک چت‌بات نیست. کلود توانسته محاسبه دامنه پراکندگی شش ذره در نظریه «ابر یانگ ـ میلز با چهار ابرتقارن» را تا ۹ حلقه پیش ببرد؛ مسئله‌ای که رکورد قبلی آن ۸ حلقه بود. نکته مهم‌تر این است که سامانه هوش مصنوعی نه فقط نتیجه را تولید کرده، بلکه بخش بزرگی از کدنویسی، آزمون محدودیت‌ها و اجرای محاسبات طولانی را نیز انجام داده است.

کلود دقیقاً چه چیزی را محاسبه کرد؟

موضوع این خبر یک مسئله عمومی درباره قوانین طبیعت یا کشف یک ذره جدید نیست. محاسبه انجام شده به یکی از شاخه‌های بسیار تخصصی فیزیک نظری ذرات مربوط است؛ جایی که پژوهشگران برای پیش‌بینی رفتار ذرات بنیادی از کمیت‌هایی به نام «دامنه پراکندگی» استفاده می‌کنند.

به زبان ساده، دامنه پراکندگی مجموعه‌ای از اطلاعات ریاضی است که به فیزیکدانان کمک می‌کند احتمال رخ دادن یک برهم‌کنش میان ذرات را محاسبه کنند. هرچه محاسبه این دامنه دقیق‌تر باشد، امکان مقایسه پیش‌بینی نظری با نتایج آزمایشگاهی نیز بیشتر می‌شود.

اما این محاسبات به سرعت پیچیده می‌شوند. فیزیکدانان معمولاً از محاسبات اختلالی استفاده می‌کنند و آن را در مرتبه‌های مختلف پیش می‌برند. عدد «حلقه» در اینجا به یکی از همین مرتبه‌های پیچیدگی اشاره دارد. هر بار بالا رفتن از یک حلقه به حلقه بعدی، حجم و پیچیدگی محاسبات می‌تواند به شکل چشمگیری افزایش پیدا کند.

در این پروژه، هدف محاسبه دامنه پراکندگی شش ذره در نظریه‌ای موسوم به «ابر یانگ ـ میلز با چهار ابرتقارن» بود؛ نظریه‌ای که بیشتر به عنوان یک مدل آزمایشی و مناسب برای توسعه روش‌های ریاضی فیزیکدانان استفاده می‌شود تا توصیفی مستقیم از جهان واقعی.

این تفاوت مهم است. نباید نتیجه این پروژه را به معنای کشف یک قانون جدید طبیعت یا حل کامل یک مسئله بنیادی فیزیک دانست. ارزش اصلی کار در این است که یک سامانه هوش مصنوعی توانسته یک محاسبه بسیار طولانی و ظریف را در یکی از مرزهای محاسبات نظری فیزیک اجرا کند.

رکورد قبلی چه بود؟

برای درک اهمیت عدد ۹، باید به سابقه همین مسئله نگاه کرد.

در این حوزه، رسیدن به حلقه‌های بالاتر بسیار دشوار است. بسیاری از محاسبات دامنه‌های پراکندگی در عمل تنها تا دو یا سه حلقه پیش می‌روند و موارد پیچیده‌تر بسیار کم هستند. در همین مدل نظری نیز دستیابی به هشت حلقه پیشرفتی مهم محسوب می‌شد و پژوهشگران در سال ۲۰۲۳ با روش‌های تخصصی خود به این سطح رسیده بودند.

چالش مطرح شده برای شرکت‌های هوش مصنوعی این بود که آیا یک سامانه هوش مصنوعی می‌تواند بدون نیاز به منابع محاسباتی عظیم، چنین محاسبه‌ای را یک مرحله دیگر جلو ببرد.

پاسخ پروژه آنتروپیک مثبت بود: کلود توانست محاسبه را تا ۹ حلقه انجام دهد.

اطلاعات این جدول از گزارش منتشرشده درباره پروژه و توضیحات فنی همراه آن استخراج شده است.

چرا «۹ حلقه» عدد مهمی است؟

ممکن است در نگاه اول تفاوت هشت و ۹ چندان زیاد به نظر نرسد؛ اما در این نوع محاسبات، افزایش یک مرحله لزوماً به معنای فقط یک گام کوچک نیست.

در یک محاسبه ساده ممکن است افزودن یک مرحله بیشتر صرفاً چند خط محاسبات اضافی ایجاد کند، اما در محاسبات چندحلقه‌ای فیزیک ذرات، تعداد حالت‌ها، محدودیت‌ها و عبارت‌های ریاضی مورد بررسی می‌تواند بسیار بزرگ شود.

مشکل فقط انجام ضرب و جمع نیست. سامانه باید ساختار مناسب را تشکیل دهد، محدودیت‌های شناخته‌شده را اعمال کند، امکان‌های ناسازگار را حذف کند و در نهایت نتیجه‌ای ارائه دهد که بتوان آن را از چند مسیر بررسی کرد.

پژوهشگران برای چنین مسائلی از روش‌هایی استفاده می‌کنند که به کمک آن‌ها می‌توان فضای بسیار بزرگی از پاسخ‌های احتمالی را مرحله به مرحله محدود کرد. روش بوت‌استرپ نیز تقریباً چنین نقشی دارد؛ اطلاعات و محدودیت‌های شناخته‌شده به صورت زنجیره‌ای اعمال می‌شوند تا در نهایت پاسخ سازگار باقی بماند. در گزارش این پروژه، این فرآیند به حل جدول سودوکو تشبیه شده است؛ ابتدا گزینه‌های زیادی وجود دارد و هر قید بخشی از آن‌ها را حذف می‌کند.

کلود چگونه از عهده این محاسبه برآمد؟

بخش جذاب ماجرا این است که پروژه با یک دستور بسیار طولانی و پیچیده به شکل یک دستورالعمل خط‌به‌خط آغاز نشده بود.

فیزیکدانان آنتروپیک مسئله مشخصی را در اختیار محیط علمی کلود قرار دادند و از آن خواستند محاسبه دامنه شش‌ذره‌ای در نظریه مورد نظر را تا ۹ حلقه انجام دهد.

سپس سامانه برای مدت طولانی به کار ادامه داد و در بازه‌های چندساعته وضعیت پیشرفت خود را گزارش می‌کرد. این ویژگی تفاوت قابل توجهی با استفاده معمول از یک چت‌بات دارد؛ در استفاده عادی، کاربر سؤال می‌پرسد و پاسخ می‌گیرد، اما در این پروژه هوش مصنوعی باید یک مسئله چندمرحله‌ای را دنبال می‌کرد، کد تولید می‌کرد، محاسبات را اجرا می‌کرد، نتایج را بررسی می‌کرد و در صورت نیاز مسیر محاسبات را تغییر می‌داد.

در بخش مستقیم محاسبه نیز از پایتون و کتابخانه سیم‌پی استفاده شد. اجرای اصلی این قسمت روی ۹۶ پردازنده مرکزی برای حدود یک هفته انجام شد و هزینه محاسبات رایانه‌ای آن طبق گزارش منتشرشده حدود ۱۰۰ دلار بود. هزینه کلی استفاده از سامانه برای انجام یکی از مسیرهای محاسبه حدود هزار تا دو هزار دلار برآورد شده است.

همین اعداد یکی از بخش‌های قابل توجه داستان هستند. مسئله‌ای که زمانی نیازمند حضور تعداد محدودی از متخصصان بسیار تخصصی و زمان طولانی انسانی بود، اکنون می‌تواند با ترکیب یک سامانه هوش مصنوعی و توان محاسباتی نسبتاً در دسترس، در مدت کوتاه‌تری دنبال شود.

نتیجه فقط با یک روش به دست نیامد

یکی از نقاط قوت این پروژه این است که کلود نتیجه را فقط از یک مسیر به دست نیاورد.

مسیر نخست از روش مستقیم بوت‌استرپ استفاده کرد. در مسیر دوم، سامانه از یک کمیت مرتبط به نام عامل شکل استفاده کرد و سپس با بهره‌گیری از رابطه‌ای ریاضی میان این دو کمیت به نتیجه مربوط به دامنه پراکندگی رسید.

این موضوع از نظر بررسی نتیجه مهم است. وقتی دو روش متفاوت به یک ساختار یکسان می‌رسند، امکان شناسایی خطاهای محاسباتی بیشتر می‌شود.

خود مسئله نیز به اندازه‌ای ظریف است که یک خطای کوچک در تنظیم فرمول‌ها، کدنویسی یا اجرای محاسبات می‌تواند نتیجه نهایی را خراب کند. در گزارش منتشرشده، لنس دیکسون، فیزیکدان متخصصی که نتیجه کلود را بررسی کرده، روی حساسیت بالای این فرایند تأکید کرده است.

آیا فیزیکدانان نتیجه کلود را تأیید کرده‌اند؟

بله، بخش مهمی از اعتبار این خبر به همین مرحله مربوط است.

نتیجه توسط لنس دیکسون، متخصص فیزیک ذرات و پژوهشگر اس‌ال‌ای‌سی و دانشگاه استنفورد، بررسی شد. او ساختار به‌دست‌آمده توسط کلود را با مسیرهای شناخته‌شده و نتایج مرتبط مقایسه کرد و اعتبار آن را بررسی کرد.

در نتیجه، این اتفاق را نباید به شکل «هوش مصنوعی یک فرمول داد و کسی نمی‌داند درست است یا نه» روایت کرد. یک متخصص انسانی همچنان در حلقه بررسی قرار داشته است.

در عین حال، نکته قابل توجه این است که بخش عمده عملیات محاسباتی و سازمان‌دهی کار توسط خود سامانه انجام شده و دخالت انسانی در طول اجرای پروژه محدود بوده است. همین مسئله برای جامعه علمی اهمیت بیشتری از صرفاً یک پاسخ درست دارد.

کلود قانون جدیدی در فیزیک کشف نکرده است

یکی از مهم‌ترین نکاتی که نباید در هیجان خبر گم شود، تفاوت بین اجرای یک روش شناخته‌شده و کشف یک اصل فیزیکی جدید است.

کلود برای حل این مسئله از روش‌ها، روابط ریاضی و نتایجی استفاده کرده که پیش از این توسط فیزیکدانان توسعه یافته بودند. بخش قابل توجهی از دانش مورد نیاز برای ساخت این محاسبه در پژوهش‌های قبلی وجود داشت.

بنابراین دستاورد اصلی را باید جای دیگری جست‌وجو کرد: هوش مصنوعی توانسته مجموعه‌ای بسیار طولانی از عملیات تخصصی را به شکل خودکار سازمان‌دهی و اجرا کند.

این تفاوت از نظر آینده پژوهش علمی بسیار مهم است. شاید نخستین موج تأثیر هوش مصنوعی در علم نه با کشف ناگهانی نظریه‌های کاملاً جدید، بلکه با انجام پروژه‌هایی ظاهر شود که دانشمندان می‌دانند چگونه حل شوند اما اجرای آن‌ها به زمان، کدنویسی، محاسبات و نیروی انسانی زیادی نیاز دارد.

یک تغییر مهم در نقش هوش مصنوعی در پژوهش علمی

تا مدت‌ها استفاده از مدل‌های زبانی در علوم بیشتر در کارهایی مانند خلاصه‌سازی مقالات، نوشتن کد، توضیح مفاهیم و کمک به حل مسائل محدود دیده می‌شد.

اما پروژه ۹ حلقه‌ای کلود یک مرحله متفاوت را نشان می‌دهد.

در اینجا هوش مصنوعی فقط یک ابزار پاسخ‌گو نیست. سامانه باید یک پروژه چندروزه را دنبال کند و میان استدلال، برنامه‌نویسی و محاسبات رایانه‌ای رفت‌وآمد داشته باشد.

این همان زاویه‌ای است که این خبر را برای آینده پژوهش علمی مهم می‌کند. اگر مدل‌ها بتوانند چنین روندی را در حوزه‌های مختلف تکرار کنند، ظرفیت آن‌ها برای تبدیل شدن به «دستیار پژوهشی فعال» بسیار بیشتر از زمانی خواهد بود که تنها متن یا کد تولید می‌کنند.

با این حال، هنوز فاصله قابل توجهی میان اجرای روش‌های شناخته‌شده و ارائه بینش‌های کاملاً جدید فیزیکی وجود دارد. حتی نویسنده گزارش آنتروپیک نیز این تفاوت را برجسته کرده و پرسش بعدی را نه صرفاً توانایی انجام محاسبات، بلکه توانایی کشف اصول فیزیکی جدید می‌داند.

یک گروه انسانی نیز همزمان به نتیجه نزدیک شد

این اتفاق فقط یک رقابت میان انسان و ماشین نبود.

در فاصله کوتاهی پس از اطلاع از کار آنتروپیک، یک گروه پژوهشی در آکادمی علوم چین نیز اعلام کرد بخش عمده‌ای از نتیجه ۹ حلقه‌ای را به دست آورده است. این گروه در بخشی از کار خود از کمک هوش مصنوعی مبتنی بر یک مدل زبانی دیگر استفاده کرده بود، اما چارچوب کلی محاسبه همچنان بر پایه کار پژوهشگران انسانی قرار داشت.

این همزمانی نکته جالب‌تری را نشان می‌دهد: احتمالاً آینده پژوهش علمی به جای قرار گرفتن کامل انسان در برابر ماشین، بیشتر به سمت همکاری میان پژوهشگران و سامانه‌های هوش مصنوعی حرکت می‌کند.

در چنین مدلی، انسان مسئله مناسب را انتخاب می‌کند، روش علمی را طراحی یا اصلاح می‌کند و نتیجه را می‌سنجد؛ در مقابل، سامانه هوش مصنوعی بخش‌هایی از کار طولانی و پرحجم محاسباتی را بر عهده می‌گیرد.

حلقه» در فیزیک به زبان ساده یعنی چه؟

برای خواننده‌ای که با فیزیک ذرات آشنا نیست، واژه ۹ حلقه ممکن است گمراه‌کننده باشد.

حلقه در اینجا به معنای ۹ حلقه فیزیکی در یک دستگاه یا ۹ بار چرخیدن ذرات نیست. این واژه به مرتبه‌ای از محاسبات اختلالی در نظریه میدان کوانتومی مربوط می‌شود.

هرچه تعداد حلقه‌ها بالاتر می‌رود، سهم برهم‌کنش‌های مجازی پیچیده‌تری در محاسبات وارد می‌شود و انجام محاسبه دشوارتر می‌شود.

بنابراین وقتی گفته می‌شود «۹ حلقه»، منظور رسیدن محاسبه به نهمین مرتبه حلقه‌ای است؛ نه اینکه یک آزمایش فیزیکی با ۹ حلقه انجام شده باشد.

این توضیح مهم است، چون بخش زیادی از جذابیت این خبر در پشت همین اصطلاح تخصصی پنهان شده است: مسئله‌ای که از نظر ریاضی با افزایش هر حلقه بسیار سنگین‌تر می‌شود، اکنون توسط یک سامانه هوش مصنوعی تا مرتبه ۹ پیش رفته است.

آیا این اتفاق به معنای جایگزینی فیزیکدانان است؟

فعلاً چنین نتیجه‌ای از این پروژه به دست نمی‌آید.

نتیجه نشان می‌دهد یک سامانه هوش مصنوعی می‌تواند یک محاسبه بسیار تخصصی را با اتکا به روش‌های موجود، کدنویسی و توان پردازشی اجرا کند و به نتیجه‌ای برسد که متخصصان بتوانند آن را بررسی کنند.

اما انتخاب مسئله، توسعه روش‌های نظری، تفسیر نتیجه و تعیین اینکه یک نتیجه ریاضی چه معنای فیزیکی دارد، همچنان نیازمند دانش تخصصی انسانی است.

حتی در همین پروژه نیز اعتبار نتیجه با بررسی یک فیزیکدان متخصص تقویت شد. علاوه بر این، مدل مورد استفاده در یک نظریه آزمایشی کار کرده و این محاسبه به معنای آن نیست که هوش مصنوعی اکنون قادر است تمام مسائل فیزیک واقعی را بدون نظارت حل کند.

قدم بعدی برای هوش مصنوعی در فیزیک چیست؟

پروژه ۹ حلقه‌ای یک سؤال تازه ایجاد کرده است: آیا هوش مصنوعی می‌تواند از مرحله اجرای روش‌های موجود عبور کند و در طراحی خودِ روش‌های علمی نیز نقش داشته باشد؟

این تفاوت بسیار مهم است.

در پروژه فعلی، بخش بزرگی از دستورالعمل ریاضی از قبل توسط جامعه فیزیک توسعه یافته بود. کاری که کلود انجام داد، اجرای بسیار گسترده و خودکار آن چارچوب بود.

اما اگر سامانه‌ای بتواند در آینده یک روش محاسباتی جدید طراحی کند، رابطه‌ای میان دو مسئله پیدا کند که انسان‌ها از آن بی‌خبر بوده‌اند یا حتی اصل فیزیکی تازه‌ای پیشنهاد دهد که بعداً به وسیله آزمایش یا محاسبات مستقل تأیید شود، آن زمان می‌توان از یک تغییر بنیادی‌تر در نقش هوش مصنوعی در علم سخن گفت.

در حال حاضر، دستاورد ۹ حلقه‌ای بیشتر یک نمایش جدی از توانایی انجام خودکار کار علمی پیچیده است؛ کاری که فاصله زیادی با استفاده معمول از هوش مصنوعی برای پاسخ به پرسش‌های ساده دارد.

سوالات متداول کاربران

کلود در فیزیک دقیقاً چه چیزی را حل کرد؟

کلود محاسبه دامنه پراکندگی شش ذره را در نظریه ابر یانگ ـ میلز با چهار ابرتقارن تا مرتبه ۹ حلقه انجام داد. این نظریه بیشتر یک مدل آزمایشی در فیزیک نظری است و توصیف مستقیمی از جهان واقعی محسوب نمی‌شود.

آیا این محاسبه یک قانون جدید فیزیک را کشف کرده است؟

خیر. دستاورد اصلی، اجرای یک محاسبه بسیار پیچیده با استفاده از روش‌های ریاضی شناخته‌شده و رساندن آن به مرتبه ۹ حلقه است؛ نه کشف یک قانون بنیادی جدید.

رکورد قبلی این محاسبه چند حلقه بود؟

رکورد قبلی در همین مسئله به ۸ حلقه رسیده بود. این نتیجه در سال ۲۰۲۳ توسط لنس دیکسون و همکارانش به دست آمده بود.

آیا نتیجه کلود بررسی انسانی شده است؟

بله. نتیجه توسط یک فیزیکدان متخصص در این حوزه به صورت مستقل بررسی و اعتبارسنجی شد.

کلود برای انجام این کار چقدر هزینه محاسباتی داشت؟

بر اساس گزارش منتشرشده، هزینه کلی یکی از مسیرهای محاسبه برای کاربر حدود هزار تا دو هزار دلار برآورد شده و بخش مستقیم محاسبات نیز حدود ۱۰۰ دلار هزینه پردازشی داشته است.

آیا هوش مصنوعی می‌تواند مسائل واقعی فیزیک را هم حل کند؟

این پروژه به خودی خود چنین ادعایی را ثابت نمی‌کند. محاسبه در یک نظریه آزمایشی انجام شده که برای مطالعه ساختارهای ریاضی فیزیک ذرات مناسب است. توانایی حل مستقل مسائل واقعی و ناشناخته فیزیک، موضوع بسیار گسترده‌تری است.

چرا رسیدن از ۸ حلقه به ۹ حلقه مهم است؟

با افزایش تعداد حلقه‌ها، پیچیدگی محاسباتی به شکل قابل توجهی بیشتر می‌شود. بنابراین یک مرحله اضافه در چنین محاسباتی لزوماً یک پیشرفت کوچک و خطی نیست و می‌تواند حجم زیادی از محاسبات و بررسی‌های سازگاری را به همراه داشته باشد.

نقطه عطف واقعی، خودِ عدد ۹ نیست

هیجان اصلی این خبر شاید در ظاهر مربوط به عدد ۹ باشد، اما ارزش واقعی پروژه در جای دیگری قرار دارد. کلود نشان داده است که یک عامل هوش مصنوعی می‌تواند یک مسئله تخصصی فیزیک نظری را برای مدت طولانی دنبال کند، برنامه رایانه‌ای بنویسد، توان پردازشی را به کار بگیرد، دو مسیر محاسباتی را دنبال کند و نتیجه‌ای تولید کند که یک متخصص بتواند آن را بررسی کند.

این اتفاق هنوز به معنای جایگزین شدن فیزیکدانان یا کشف خودکار قوانین طبیعت نیست. اما مرز استفاده از هوش مصنوعی در پژوهش علمی را یک قدم جلوتر برده است؛ از «کمک به دانشمند» به سمت «انجام بخش قابل توجهی از یک پروژه محاسباتی واقعی».