چرا مدل های زبانی هنوز جای نبوغ انسانی را نمی گیرند

آلبرت اینشتین را تصور کنید که تنها، درگیر یک آزمایش فکری است. او خود را در آسانسوری بسته می‌بیند که آزادانه در فضا سقوط می‌کند و از دل همین تصویر ذهنی آرام، معادلاتی را بیرون می‌کشد که فیزیک را از نو می‌نویسند. آن لحظه، یعنی شهود ناب، تخیل حسی و جهشی با داده‌های بسیار اندک، همان نوع پرش خلاقانه‌ای است که مدل‌های زبانی امروزی هنوز در تقلید آن ناتوان‌اند.

چرا دریایی از متن با جهان زیسته برابر نیست

تام زاهاوی، پژوهشگر دیپ‌مایند، این موضوع را در تحلیلی تازه با عنوان «مدل‌های زبانی نمی‌توانند جهش کنند» بی‌پرده بیان کرده است. استدلال او تفکر را به سه شیوه تقسیم می‌کند: استقرا، قیاس و تولید فرضیه. مدل‌های مدرن در شیوه نخست عالی عمل می‌کنند. آن‌ها انبوهی از الگوها را فشرده می‌کنند و می‌توانند جمله بعدی را با دقتی شگفت‌انگیز پیش‌بینی کنند. سامانه‌های پیشرفته همچنین در قیاس عملکرد قابل قبولی دارند؛ ابزارهای استدلال خودکار، از جمله پروژه‌هایی مانند آلفاپروف، نشان می‌دهند که ماشین‌ها وقتی قواعد مشخص باشند، می‌توانند زنجیره‌های منطقی را دنبال کنند.

اما وقتی پای تولید فرضیه به میان می‌آید، یعنی ساختن چارچوبی تازه از تقریبا هیچ ورودی تجربی، ماشین‌ها دچار لغزش می‌شوند. چرا؟ چون بدنی در جهان ندارند و از شهود حسی‌ای که انسان‌ها برای ساختن پیوندهای علّی به کار می‌گیرند، بی‌بهره‌اند. نمی‌توان مقدمات اولیه اینشتین را صرفا با تحلیل متن‌های موجود به دست آورد. بینش او از استعاره‌های بدن‌مند و آزمایش‌های فکری حسی پدید آمد، نه از تطبیق آماری الگوها در میان آثار مکتوب.

برخی اندیشمندان، مانند یورگن اشمیدهوبر، زمانی کشف علمی را شکل افراطی فشرده‌سازی داده می‌دانستند. دیپ‌مایند این دیدگاه را به چالش می‌کشد. این مقاله نشان می‌دهد که نظریه‌های انقلابی اغلب در موقعیت‌هایی با کمبود داده شکل می‌گیرند و به سناریوهای خلاف‌واقع و ترکیب‌های تخیلی زنده تکیه دارند. مدل‌های زبانی که بر الگوهای گذشته آموزش دیده‌اند، به ندرت هستی‌شناسی‌های تازه‌ای می‌آفرینند که شیوه فهم ما از جهان را بازتعریف کند.

این مسئله پیامدهای عملی دارد. ابزارهای فعلی کدنویسی هوش مصنوعی و سامانه‌های اکتشاف خودکار همچنان در چارچوب‌های از پیش تعریف‌شده محدود می‌مانند. آن‌ها می‌توانند درون یک جعبه بهینه‌سازی کنند. اما در بازطراحی خود جعبه مشکل دارند. هیچ مقدار توان پردازشی بیشتر، مرکز داده بزرگ‌تر یا آموزش متراکم‌تر نیز به‌طور خودکار آن نوع شهود علّی را ایجاد نمی‌کند که پشت جهش‌های بنیادین علمی قرار دارد.

پس این موضوع برای پژوهش و صنعت چه معنایی دارد؟ انتظارات را بازتعریف می‌کند. مدل‌های زبانی همکارانی قدرتمند برای وظایف مبتنی بر الگو، نگارش پیش‌نویس، پالایش فرضیه و بررسی حالت‌های گوناگون هستند. آن‌ها جرقه انسانی را که پرسش‌ها و ابزارهای مفهومی را می‌آفریند، تقویت می‌کنند، نه جایگزین آن شوند. به بیان دیگر: برای ساخت داربست عالی‌اند. اما هنوز برای آغاز انقلاب‌های علمی آماده نیستند.

مقیاس محاسباتی جایگزین بینش بدن‌مند نیست؛ تخیل انسانی همچنان همان جهش اصلی را رقم می‌زند.

البته مسیر آینده بسته نیست. رویکردهای ترکیبی که مدل‌ها را به حسگرها، آزمایش‌ها و محیط‌های تعاملی متصل می‌کنند، می‌توانند این فاصله را کمتر کنند. اما تا زمانی که ماشین‌ها به گونه‌هایی از فهم موقعیت‌مند و شهود علّی فراتر از متن دست پیدا نکنند، جسورانه‌ترین ایده‌های علمی همچنان در قلمرو ذهن انسان باقی خواهند ماند.