جائزة نوبل للفيزياء تذهبُ إلى الثنائي الذي اخترع تقنياتِ الذكاء الاصطناعي الرئيسة
ذهبت جائزةُ نوبل للفيزياء للعام 2024 إلى جون هوبفيلد John Hopfield وجيفري هينتون Geoffrey Hinton لاكتشافاتٍ مكنت تعلُّم الآلة Machine learning وكانت مفتاحاً لتطوير نماذج الذكاء الاصطناعي مثل تشات جي بي تي ChatGPT.
وقال هينتون للجنة نوبل، عند سماعه الخبر: «أنا مذهول، لم أكن أعلم أن هذا سيحدث. أنا مندهش جداً». كما أكد هينتون، الذي كان صريحاً في مخاوفه بشأن تطوير الذكاء الاصطناعي، أنه غير نادم على العمل الذي قام به. وتابع قائلاً: «لو عادت الأيام، كنت سأفعل الشيء نفسه مرة أخرى، لكنني قلِقٌ من أن العواقب الإجمالية لهذا قد تكون أنظمةً أكثر ذكاءً منا تتولى في النهاية السيطرةَ على الأمور».
وبينما قد لا يبدو الذكاء الاصطناعي منافساً واضحاً للحصول على جائزة نوبل للفيزياء، إلا أن اكتشاف الشبكات العصبية Artificial neural networks القادرة على التعلُّم وتطبيقاتِها مرتبطةٌ ارتباطاً وثيقاً بالفيزياء، كما قالت إلين مونز Ellen Moons، رئيسة لجنة نوبل للفيزياء. «لقد استُخدِمت هذه الشبكات العصبية الاصطناعية لتطوير الأبحاث عبْر مواضيع الفيزياء، مثل فيزياء الجسيمات وعلوم المواد والفيزياء الفلكية».
كانت العديد من المناهج المبكِّرة للذكاء الاصطناعي تتضمن إعطاءَ برامج الحاسوب قواعدَ منطقية لتتبعها من أجل المساعدة على حل المشكلات، لكن كان يصعُب عليها التعرُّف على معلومات جديدة، أو حلُّ مسائل لم ترَها من قبل. في العام 1982 ابتكر هوبفيلد، في جامعة برينستون Princeton University، بنيةً Architecture لجهاز حاسوب يُدعَى شبكة هوبفيلد Hopfield network، وهي عبارة عن مجموعة من Node، أو الخلايا العصبية الاصطناعية، التي يمكنها تغيير قوة اتصالاتها باستخدام خوارزمية التعلُّم Learning algorithm التي طوّرها هوبفيلد.
استُوحيت هذه الخوارزمية من الدراسات الفيزيائية التي تعثُر على طاقة النظام المغناطيسي من خلال وصفه كمجموعة من المغانط الصغيرة. وتتضمن هذه التقنيةُ تغييرَ قوة الوصلات بين المغانط بنحو متكرر في محاولة لإيجاد قيمة دنيا لطاقة النظام.
في العام نفسه بدأ هينتون، في جامعة تورنتو University of Toronto، في تطوير فكرة هوبفيلد للمساعدة على إنشاء بنية تعلُّم آلة وثيقة الصلة تُسمى آلة بولتزمان Boltzmann machine. وقال: «أتذكر أنني ذهبتُ إلى اجتماع في روتشستر حيث تحدَّث جون هوبفيلد، وسمعتُ لأول مرة عن الشبكات العصبية. بعد ذلك عملتُ أنا وتيري سينوفسكي Terry Sejnowski بجدٍّ لمعرفة كيفية تعميم الشبكات العصبية».
لقد أظهر هينتون وزملاؤه أنه على العكس من بنيات تعلُّم الآلة السابقة، يمكن لآلات بولتزمان أن تتعلم وتستخرج الأنماط من مجموعات البيانات الكبيرة. وقد أدى هذا المبدأ، عندما يقترن بكميات كبيرة من البيانات وقوة الحوسبة، إلى نجاح عديد من أنظمة الذكاء الاصطناعي حالياً، مثل أدوات التعرُّف على الصور Image recognition وترجمة اللغة.
ومع ذلك، في حين أثبتت آلة بولتزمان قدرتَها، إلا أنها كانت أيضاً غير فعّالة وبطيئة، ولا تُستخدَم في الأنظمة الحديثة حالياً. بدلاً من ذلك تُستخدَم بنيات تعلُّم الآلة الحديثة الأسرع مثل نماذج المحولات Transformer model، التي تعمل على تشغيل نماذج اللغة الكبيرة مثل ChatGPT.
في مؤتمر جائزة نوبل كان هينتون متفائلاً بشأن التأثير الذي قد تُحدثه اكتشافاته واكتشافات هوبفيلد. وقال: «ستكون قابلة للمقارنة بالثورة الصناعية، ولكن بدلاً من تجاوُز الناس في القوة البدنية، ستتجاوزهم في القدرة الفكرية. لا خبرة لنا في كيف يكون الأمر عندما تكون لدينا أشياء أذكى منا. سيكون الأمر رائعاً في كثير من النواحي… ولكن علينا أيضاً أن نقلَق بشأن عدد من العواقب السلبية، وخاصة التهديدَ بخروج هذه الأشياء عن السيطرة».
