دراسة هارفارد وجوجل: GPT-6 Astra يحل 98% من مسائل الفيزياء
أثار تعاون بحثي بين جامعة هارفارد وجوجل ضجة في الأوساط الأكاديمية بمعيار تقييم يختبر الذكاء الاصطناعي المتطور على مسائل فيزياء نظرية غير منشورة. ووفقًا لتقارير متداولة في وسائل الإعلام التقنية الصينية، فإن التقييم المسمى TheoPhysEval طلب من نماذج متقدمة معالجة مسائل جديدة يُقال إن كبار الخبراء البشريين يحتاجون يومًا كاملًا لحلها. وكان النجم البارز نموذج يُشار إليه باسم GPT-6 Astra، والذي ذكرت التقارير أنه حل 98% من المسائل.
التفصيل الأكثر إثارة ليس النتيجة شبه المثالية بل كيفية وصول النموذج إليها. تقول التقارير إن GPT-6 Astra حصل في البداية على 88%، ثم أشار إلى خطأ حسابي في إحدى المسائل التي وضعها الخبراء البشريون الذين صمموا الاختبار. وبعد أن راجع الخبراء الخطأ واعترفوا به، ارتفعت نتيجة النموذج إلى 98%. تلك الحادثة، إن كانت دقيقة، تمثل لحظة رمزية: نظام ذكاء اصطناعي لا يجيب فقط على سؤال متطور بل يصحح من كتبه.
صُمم TheoPhysEval لتجنب مشكلة التلوث التي تعاني منها العديد من معايير تقييم الذكاء الاصطناعي. فبدلًا من الاعتماد على أوراق منشورة ربما رآها النموذج أثناء التدريب، يستخدم مسائل غير منشورة ومكتوبة حديثًا. والفكرة هي اختبار الاستدلال الحقيقي بدلًا من التذكر. فإذا استطاع نموذج معالجة فيزياء نظرية جديدة دون أن يصادف المسألة نفسها من قبل، فهذا يشير إلى قدرة أكثر عمومية.
تأتي النتيجة وسط تسارع أوسع في قدرات الذكاء الاصطناعي الرياضية والعلمية. في أوائل أكتوبر، ادعت OpenAI أن أنظمتها أثبتت فرضية ريمان شبه الكاملة، وهي نتيجة وصفها علماء الرياضيات بأنها تستحق وسام فيلدز لو أنتجها إنسان. وفي غضون أيام، أفاد باحثون بأن علماء رياضيات، بمساعدة الذكاء الاصطناعي، أثبتوا صيغة من فرضية ريمان المعممة. وقد أثارت هذه الوتيرة حماس بعض الأكاديميين وقلق آخرين.
كما أدلى باحثو MIT بدلوهم، حيث نقلت التقارير عن اختباراتهم الخاصة التي تظهر أن الذكاء الاصطناعي المتطور حقق مكاسب سريعة في حل مسائل العلوم النظرية خلال العامين الماضيين. وتشير خطوط الاتجاه إلى أن الذكاء الاصطناعي يتحول من أداة تساعد العلماء إلى مشارك يمكنه اقتراح النتائج والتحقق منها. وهذا التحول يثير أسئلة حول كيفية عمل الفضل والتحقق ومراجعة الأقران عندما تكون الآلة في الحلقة.
يحذر المتشككون من أن نتائج معايير التقييم يمكن المبالغة فيها، خاصة عندما تُفلتر التفاصيل عبر التغطية الصحفية بدلًا من أوراق محكمة. فالتكوين الدقيق لـ TheoPhysEval، وعدد المسائل المختبرة، واستقلالية التقييم لم تُفصّل بالكامل علنًا. وحتى تُنشر المنهجية وتُكرر، ينبغي التعامل مع رقم 98% كادعاء يستحق المتابعة وليس كحقيقة مستقرة.
ومع ذلك، تلتقط القصة مزاجًا عامًا. فعلى مدى عقود، كانت الفيزياء النظرية من أكثر المساعي إنسانية، تتطلب حدسًا وطلاقة رياضية وسنوات من التدريب. ونموذج يُقال إنه يستطيع رصد زلة حسابية لخبير يشير إلى أن تلك الجدران أقل مما افترضه كثيرون. وسواء كان هذا اختراقًا أم عنوانًا صحفيًا في وقته، فقد انتقل الحديث عن الذكاء الاصطناعي في العلم من ما إذا كان يمكنه المساعدة إلى مقدار العمل الذي سينجزه في النهاية.