با نزدیک شدن به زمان اعلام جوایز نوبل 2023 که قرار است از 10 مهر آغاز شود، یک سوال ذهن همه را درگیر کرده است: چه کسی برنده خواهد شد؟ در جستجوی سرنخ‌ها، فیزیکدان سانتو فورتوناتو به GPT Chat، یک چت ربات هوش مصنوعی روی می‌آورد.
به گزارش ایسنا، فورتوناتو، محقق دانشگاه بلومینگتون در ایندیانا، از نسخه رایگان GPT Chat پرسید که آیا می تواند برندگان جایزه نوبل امسال را پیش بینی کند و چت بات پاسخ داد: «من نمی توانم آینده را از جمله برندگان نوبل پیش بینی کنم. 2023 یا یک سال دیگر.” پیش بینی کنید
سپس فورتوناتو از هوش مصنوعی خواست تا سه اکتشاف مهم در شیمی، فیزیک و فیزیولوژی یا پزشکی توسط دانشمندان زنده‌ای را که قبلاً جایزه نوبل دریافت نکرده بودند، شناسایی کند. جوایز نوبل در این سه زمینه در بخش علمی اعطا می شود. شاگردان فورتانو نیز عنصر مشابهی را از چت ربات گوگل، ابر درخواست کردند.
هر دو چت ربات توانستند اکتشافات مهمی از توسعه ابزار ویرایش ژنوم CRISPR تا کشف ماده دو بعدی گرافن را ارائه دهند، اما پاسخ آنها دارای اشکالات زیادی بود.
در برخی موارد، ربات‌های گفتگو اکتشافاتی را شناسایی کرده‌اند که قبلاً جایزه‌های نوبل را برای دانشمندان به ارمغان آورده‌اند. و این تنها مشکل نبود. فورتوناتو می گوید: «من در مورد دانشمندان زنده سؤال کردم و آنها نمونه هایی از گذشته آوردند.
قدرت پیش بینی
جیمز ایوانز، دانشمند علوم اجتماعی محاسباتی در دانشگاه شیکاگو می‌گوید: «مدل‌های زبان‌شناختی در مقیاس بزرگ (LLM) مانند GPT و Cloud Chat این پتانسیل را دارند که پیش‌بینی‌کننده‌های قدرتمند جایزه نوبل، اگر نگوییم عالی، در شکل فعلی‌شان باشند. ابزارهای پیش بینی وجود دارد.
وی می افزاید: اما باید تلاش کرد تا برای این منظور مناسب شوند. برای ایجاد هوش مصنوعی پیش بینی کننده جایزه نوبل، مدل های زبان بزرگ موجود باید اصلاح شوند و بر اساس داده های مربوطه آموزش ببینند.
هوش مصنوعی همچنین می‌تواند تلاش‌های موجود برای پیش‌بینی برندگان آینده را بهبود بخشد.
یک مورد خاص
راسموس بیورک، فیزیکدان دانشگاه فنی دانمارک که برندگان جایزه نوبل را تجزیه و تحلیل می‌کند، می‌گوید که فقط یک استناد برای نشان دادن اینکه چه کسی ممکن است در آینده برنده جایزه نوبل شود، کافی است. Björk می گوید برای دریافت جایزه، محققان باید کارهای پیشگامانه ای انجام دهند که زمینه ای را پیشرفت دهد یا تأثیر زیادی بر جامعه داشته باشد. او می گوید: «این باید یک مورد خاص باشد. البته اندازه گیری این ویژگی می تواند دشوار باشد.
بنو تورگلر، اقتصاددان رفتاری در دانشگاه فناوری کوئینزلند در بریزبن که برندگان جایزه نوبل را مطالعه می‌کند، می‌گوید مدل‌های زبانی بزرگ می‌توانند کمک کنند زیرا می‌توانند منابع و آرشیوهای آنلاین را برای اطلاعاتی که سایر شاخص‌های تأثیر را ارائه می‌دهند جستجو کنند. . اینها ممکن است شامل ذکر مقاله در اخبار، شبکه های مشارکتی محققان و روابط آنها با برندگان قبلی جایزه نوبل باشد. تغذیه مدل های زبان بزرگ با این داده های با کیفیت می تواند به پیش بینی های دقیق تری منجر شود.
بیورک می گوید که ابزارهای هوش مصنوعی ممکن است تعصباتی را که زمانی جوایز نوبل را احاطه کرده بود، تداوم بخشند. از زمان معرفی جوایز نوبل بیش از یک قرن پیش، تنها 60 زن برنده این جایزه شده اند. زمانی که مدل‌های بزرگ زبانی بر اساس داده‌های برندگان گذشته ساخته می‌شوند، مردان را بیشتر از زنان به‌عنوان برندگان احتمالی آینده انتخاب می‌کنند. او می‌گوید: «ما باید مدل‌های زبانی بزرگی را برای غلبه بر این تعصبات ایجاد کنیم.
آربیتراژ با هوش مصنوعی
پندلبری می‌گوید وقتی صحبت از برنده شدن جایزه نوبل می‌شود، هیچ جایگزینی برای قضاوت انسانی وجود ندارد. می گوید: آخرش ذوق می خواهی. فکر می کنم این چیزی است که جایزه نوبل را فوق العاده می کند.
اما ایوانز معتقد است که مدل‌های زبانی بزرگ روزی می‌توانند با جوایز دنیای علم برابری کنند، زیرا می‌توانند راه را برای انواع جدیدی از جوایز بر اساس تحلیل‌های کمتر مغرضانه و مبتنی بر هوش مصنوعی و نه نظرات کمیته‌های انسانی هموار کنند. او گفت که چنین جوایزی می تواند به برجسته کردن تحقیقاتی کمک کند که علم را به گونه ای تغییر داده است که در حال حاضر به رسمیت شناخته نشده است.
