چرا مدل های زبانی نمی توانند جهش خلاق انسان را بازتولید کنند

تصور کنید آلبرت اینشتین تنها و در حال انجام یک آزمایش فکری. او خود را در یک آسانسور مهر و موم‌شده می‌بیند که در فضا آزادانه سقوط می‌کند، و از آن تصویر ذهنی ساکت معادلاتی استخراج می‌کند که فیزیک را دوباره می‌نویسند. آن لحظه، ترکیبی از شهود محض، تخیل حسی و جهشی با تقریباً هیچ داده‌ای، همان نوع پرش خلاقانه‌ای است که مدل‌های زبانی کنونی در تقلید آن مشکل دارند.

چرا دریایی از متن با دنیای زیسته یکسان نیست

دانشمند دیپ‌مایند، تام زهاوی، این نکته را صریحاً در تحلیلی اخیر با عنوان «مدل‌های زبانی نمی‌توانند جهش کنند» بیان کرد. استدلال او تفکر را به سه شیوه تقسیم می‌کند: استقرا، قیاس، و ایجاد فرضیه. مدل‌های مدرن در مورد اول عالی عمل می‌کنند. آن‌ها کوه‌هایی از الگوها را فشرده می‌کنند و می‌توانند جمله بعدی را با دقت باورنکردنی پیش‌بینی کنند. سیستم‌های پیشرفته استنتاج را هم نسبتاً خوب انجام می‌دهند؛ ابزارهای استدلال خودکار، از جمله پروژه‌هایی مانند آلفاپروف، نشان می‌دهند که ماشین‌ها می‌توانند وقتی قوانین داده شوند زنجیره‌های منطقی را دنبال کنند.

اما وقتی صحبت از ایجاد فرضیه است، یعنی عمل تصور یک چارچوب جدید با تقریباً هیچ ورودی تجربی، ماشین‌ها دست و پا می‌زنند. چرا؟ چون آن‌ها بدنی در جهان ندارند و شهود حسی را که انسان‌ها برای شکل‌دادن پیوندهای علی به کار می‌برند، ندارند. نمی‌توان مقدمات اولیه اینشتین را صرفاً با تحلیل متون موجود استخراج کرد. بینش او از استعاره‌های جسمانی و آزمایش‌های فکری حسی پدید آمد، نه از تطبیق آماری الگوها در ادبیات.

برخی اندیشمندان، مانند یورگن اشمیدهوبر، روزگاری کشف علمی را شکلی افراطی از فشرده‌سازی داده‌ها توصیف کردند. دیپ‌مایند این دیدگاه را به چالش می‌کشد. مقاله نشان می‌دهد که چگونه نظریه‌های انقلابی اغلب در زمینه‌هایی با داده‌های اندک پدید می‌آیند و متکی به سناریوهای مقابل‌واقعیت و سنتز خیال‌انگیز و زنده هستند. مدل‌های زبانی که بر الگوهای بازنگرانه آموزش دیده‌اند به ندرت موجودیت‌های مفهومی جدیدی می‌آفرینند که شیوه فهم جهان را بازتعریف کنند.

پیامدهای عملی وجود دارد. ابزارهای فعلی برنامه‌نویسی هوش مصنوعی و کشف خودکار همچنان در چارچوب‌های از پیش تعریف‌شده محدود هستند. آن‌ها می‌توانند درون یک کادر بهینه‌سازی کنند. آن‌ها در بازطراحی خودِ کادر مشکل دارند. و هیچ میزانی از محاسبه اضافی، مراکز داده بزرگ‌تر یا آموزش فشرده‌تر به‌طور خودکار نوع شهود علیتی را که زیربنای جهش‌های علمی رادیکال است، منتقل نمی‌کند.

پس این برای پژوهش و صنعت چه معنایی دارد؟ انتظارات را بازتعریف می‌کند. مدل‌های زبانی همکاران قدرتمندی برای کارهای سنگین الگو، پیش‌نویس‌نویسی، تصحیح و پالایش فرضیه و بررسی حالت‌های گوناگون هستند. آن‌ها مکمل، نه جایگزین، جرقه انسانی‌ای هستند که سؤال‌ها و ابزارهای مفهومی را می‌آفریند. به عبارت دیگر: برای ساختن چارچوب‌ها عالی‌اند. هنوز آماده نیستند که انقلاب‌ها را آغاز کنند.

مقیاس محاسباتی جایگزین شهود بدنی نیست؛ تخیل انسانی هنوز جهش را انجام می‌دهد.

راهی باز در پیش است. رویکردهای ترکیبی که مدل‌ها را به حسگرها، آزمایش‌ها و محیط‌های تعاملی پیوند می‌دهند می‌توانند شکاف را کاهش دهند. اما تا وقتی ماشین‌ها اشکال فهم موقعیتی و شهود علیتی فراتر از متن را به دست نیاورند، جسورانه‌ترین ایده‌های علمی همچنان در قلمرو ذهن‌های انسانی باقی خواهند ماند.