جک کلارک، هم‌بنیان‌گذار انتروپیک: به‌زودی یک میلیارد دانشمند مجازی خواهیم داشت؛ شاید هم ۱۰ میلیارد
نویسنده: برایان بانتز |
امروزه یافتن هر ایده علمی جدید معمولاً بیش از ایده قبلی هزینه دارد. مطالعه‌ای اقتصادی و مهم در سال ۲۰۲۰ نشان داد که حفظ روند دوبرابر شدن تراکم تراشه‌ها، در مقایسه با اوایل دهه ۱۹۷۰، به بیش از ۱۸ برابر پژوهشگر نیاز داشته است؛ به این معنا که بهره‌وری پژوهش در صنعت تراشه تقریباً به همان نسبت کاهش یافته است. در کشف دارو نیز روند مشابهی دیده می‌شود: از سال ۱۹۵۰، تعداد داروهای جدید تأییدشده به ازای هر یک میلیارد دلار هزینه تحقیق و توسعه، تقریباً هر ۹ سال به نصف رسیده است. تحلیلگران این روند را «قانون ای‌روم» (Eroom’s Law) نامیده‌اند. بخش بزرگی از علوم با وضعیتی مشابه روبه‌روست. میوه‌های در دسترس و آسانِ درخت اکتشافات علمی تا حد زیادی چیده شده‌اند و هرچند هنوز کشف‌های بی‌شماری در انتظار بشر است، دسترسی به آن‌ها در شاخه‌های بالاتر معمولاً ارزان تمام نمی‌شود. تاکنون راهکار اصلی، افزودن بر شمار پژوهشگران بوده است؛ اما تربیت پژوهشگران جدید سال‌ها زمان می‌برد.
جک کلارک، هم‌بنیان‌گذار انتروپیک، معتقد است هوش مصنوعی می‌تواند این معادله را در سراسر علوم تغییر دهد. او ۱۷ اکتبر، در نشست سالانه صندوق بین‌المللی پول و بانک جهانی در بانکوک، گفت نقطه‌ای که در آن هوش مصنوعی چنان سرعت پیشرفت علمی و فنی را افزایش می‌دهد که دنبال کردن آن برای انسان دشوار می‌شود، آغاز شده است. کلارک از حاضران خواست خود را برای جهانی آماده کنند که در آن حدود ۱۰ میلیون دانشمند انسانی، یک میلیارد دانشمند مجازی یا حتی بیشتر را هدایت می‌کنند. او پرسید: «اگر می‌توانستم نسخه‌هایی از خودم بسازم و از آن‌ها بخواهم زیر نظر من کار کنند، شیوه کارم چقدر تغییر می‌کرد؟» به گفته او، در چند سال آینده بخش‌های بزرگی از اقتصاد با چنین وضعیتی روبه‌رو خواهند شد و امکان تقویت نیروی کار انسانی در حوزه‌های پیشرو، مانند علم، به شکلی فراهم می‌شود که پیش از این سابقه نداشته است.
کلارک سخنرانی سال ۲۰۲۶ بنیاد پر جاکوبسون را با عنوان «درون افق رویداد: چرا همه باید پیشرفت هوش مصنوعی را جدی بگیرند» برای حاضران، از جمله اقتصاددانان، بانکداران و سیاست‌گذاران، ایراد کرد. او متن این سخنرانی را دو روز بعد در خبرنامه خود، Import AI، منتشر کرد و سخنانش را با توضیحی درباره صلاحیت‌های شخصی خود آغاز کرد.
«من یک انسانم. فقط یک نسخه از من وجود دارد. تقریباً ۴۰ سال طول کشیده است تا تجربه لازم برای ارائه این سخنرانی را به دست بیاورم.»
کلارک حدود دو دهه پیش، در مقام روزنامه‌نگار، درباره مراکز داده گزارش تهیه می‌کرد. او در سال ۲۰۱۶ روزنامه‌نگاری را کنار گذاشت و به اوپن‌ای‌آی پیوست و چند سال بعد انتروپیک را بنیان گذاشت. چارچوب فکری او از آثار ورنور وینج، نویسنده داستان‌های علمی‌تخیلی، گرفته شده است؛ کسی که در سال ۱۹۹۳ پیش‌بینی کرده بود هوشی فراتر از هوش انسان، روند پیشرفت را به سطحی می‌رساند که دنبال کردن آن برای بشر دشوار خواهد شد.
«به این پدیده تکینگی می‌گویند. من معتقدم امسال شواهد قانع‌کننده‌ای به دست آورده‌ایم که نشان می‌دهد این روند واقعاً آغاز شده است.»
کلارک گفت در این سخنرانی بر مزایای هوش مصنوعی تمرکز خواهد کرد و بخش عمده این مزایا از مسیر علم به دست می‌آیند.
«من معتقدم ابداع‌های علمی مبتنی بر هوش مصنوعی مسیر اقتصاد جهانی را تغییر خواهند داد، شیوه برنامه‌ریزی و ساخت زیرساخت‌ها در کشورها را دگرگون خواهند کرد، سلامت همه ما را بهبود خواهند بخشید و به ما امکان خواهند داد زمان بیشتری را در کنار عزیزانمان بگذرانیم...»
از افزایش بهره‌وری برنامه‌نویسی تا حل مسائل علمی
نخستین نمونه‌ای که کلارک ارائه کرد، نرم‌افزار بود. به گفته او، پژوهشگران انتروپیک اکنون تقریباً ۱۰ برابر بیشتر از چهار سال نخست فعالیت این شرکت کد می‌نویسند. همین پیشرفت‌ها توانایی سامانه‌های هوش مصنوعی را هم در دفاع سایبری و هم در حملات سایبری افزایش داده است.
«این توانایی‌ها به برنامه‌نویسی محدود نخواهند ماند؛ همین اتفاق در علم و رباتیک نیز رخ خواهد داد. این روند از همین حالا آغاز شده است.»
کلارک گفت آزمون «آخرین آزمون بشریت» (Humanity’s Last Exam) که حوزه‌هایی از شیمی تا ادبیات کلاسیک را پوشش می‌دهد، در ژانویه ۲۰۲۵ آغاز شد و بالاترین امتیاز هوش مصنوعی در آن زمان فقط ۸ درصد بود. به گفته او، مدل Claude Opus 5.5 که در ۲۲ سپتامبر منتشر شد، با استفاده از ابزارها به امتیاز ۶۷٫۷ درصد رسید و در زمان سخنرانی بالاترین امتیاز را در اختیار داشت.
کلارک برای تکمیل شواهد خود به مقاله TheoPhysEval اشاره کرد که در ۹ اکتبر منتشر شده بود. در این پژوهش، فیزیک‌دانان ۵۰ مسئله منتشرنشده از تحقیقات خود را در اختیار پژوهشگران گذاشته بودند. کلارک به نوشته سُورات راجو، یکی از نویسندگان مقاله، درباره نتایج آزمون نیز استناد کرد: امتیاز مدل GPT-6 Astra از محدوده بالای ۸۰ درصد به ۹۸ درصد، معادل ۴۹ پاسخ درست از ۵۰ مسئله، افزایش یافت؛ این اتفاق پس از آن رخ داد که مدل‌ها پاسخ‌های متخصصان را نادرست دانستند و خود متخصصان نیز خطاهایی را در محاسباتشان پیدا کردند.
«برخی از برجسته‌ترین متخصصان علمی جهان آزمونی طراحی کردند که شامل مسائلی بود که هوش مصنوعی به هیچ وجه نمی‌توانست پاسخ آن‌ها را قبلاً خوانده باشد. وقتی هوش مصنوعی را آزمایش کردند، نه‌تنها امتیاز بالایی گرفت، بلکه با پیدا کردن اشتباه‌های پاسخ‌هایی که انسان‌ها روی آن‌ها کار کرده بودند، امتیاز خود را نیز بالاتر برد!»
نویسندگان مقاله این مسائل را نمونه‌هایی از پژوهش‌های موسوم به «اجرای گام‌به‌گام محاسبات» توصیف کردند؛ مسائلی که در آن‌ها از روش‌های شناخته‌شده برای تعمیم دادن یک نتیجه موجود استفاده می‌شود. آن‌ها گزارش دادند که در چند مورد، پاسخ‌های متخصصان نیز اشتباه بوده است. مدل Claude Opus 5.5 در این آزمون به ۴۶ پاسخ درست از ۵۰ مسئله رسید. نویسندگان همچنین نوشتند که به نظر می‌رسد عامل‌های هوش مصنوعی در انتخاب مسائل پژوهشی، «سلیقه» یکسانی با انسان‌ها ندارند.
یک میلیارد دانشمند مجازی و آزمایشگاه‌هایی که به آن‌ها نیاز خواهند داشت
کلارک به یافته اقتصاددانان اشاره کرد که بر اساس آن، «پیدا کردن ایده‌های خوب روزبه‌روز دشوارتر می‌شود». او گفت آموزش یک نسل جدید از پژوهشگران به «۱۰ تا ۱۵ سال تحصیل هدفمند و میلیون‌ها دلار هزینه» نیاز دارد. سپس بار دیگر به تجربه شخصی خود بازگشت.
«اگر می‌توانستیم صدها یا هزاران نسخه از من را به‌طور هم‌زمان به کار بگیریم، چه معنایی داشت؟ اگر نسخه‌های جدیدی از من می‌توانستند فوراً ساخته شوند، به‌جای آنکه ۴۰ سال منتظر بمانیم، چه اتفاقی می‌افتاد؟»
کلارک با استناد به اطلاعات یونسکو، شمار دانشمندان جهان را حدود ۱۰ میلیون نفر برآورد کرد. بر اساس آخرین گزارش علمی یونسکو، شمار پژوهشگران در سال ۲۰۱۸، با محاسبه معادل اشتغال تمام‌وقت، ۸٫۸۵۴ میلیون نفر بود. کلارک گفت حتی همین نیروی پژوهشی نیز با کمبود آزمایشگاه، آزمایشگاه‌های زیست‌شناسی و تجهیزات بزرگ موردنیاز برای اجرای آزمایش‌های مدنظر خود روبه‌روست.
«اگر به‌جای ۱۰ میلیون دانشمند، یک میلیارد دانشمند مجازی داشته باشیم که همان ۱۰ میلیون دانشمند انسانی آن‌ها را هدایت کنند، چه می‌شود؟ یا ۱۰ میلیارد؟ چنین جهانی با سرعت به سوی ما می‌آید. باید برای آن آماده شویم.»
افزایش داروهای پیشنهادی، در کنار ظرفیت محدود آزمایش
کلارک گفت اگر کشف‌های علمی به‌وفور در دسترس قرار گیرند، جهان باید از ایجاد گلوگاه در مراحل بعدی جلوگیری کند. به گفته او، سیاست‌گذاران باید روند انتقال کشف‌ها از آزمایشگاه به درمانگاه، کارخانه و مزرعه را سرعت ببخشند.
«اگر فقط تعداد انگشت‌شماری از داروهای پیشنهادی جدید امکان آزمایش پیدا کنند، موج عظیمی از پیشنهادهای دارویی فایده چندانی نخواهد داشت.»
ورود هوش مصنوعی به آزمایشگاه‌های فیزیکی
کلارک پیش‌تر در سخنرانی خود گفته بود که سامانه‌های هوش مصنوعی «به‌طور فزاینده‌ای قادر شده‌اند تجهیزات آزمایشگاهی را از راه دور و به‌صورت خودکار به کار بگیرند»؛ از جمله تجهیزاتی که برای پژوهش روی باتری‌ها و پیل‌های سوختی استفاده می‌شوند. انتروپیک در ماه اوت، استاندارد سخت‌افزار مدل (Model Hardware Standard) را منتشر کرد؛ رابطی آزمایشی که با همکاری پردیس پژوهشی جنلیا وابسته به مؤسسه پزشکی هوارد هیوز (HHMI) توسعه یافته است. این رابط به عامل‌های هوش مصنوعی امکان می‌دهد هر دستگاه آزمایشگاهی دارای رابط برنامه‌پذیر را کنترل کنند. گزارش R&D World درباره این طرح نیز به این موضوع پرداخته است.
انتروپیک گزارش داد که این فناوری به یک گروه پژوهشی در دانشگاه کارنگی ملون کمک کرده است آزمایش‌های پاسخ به دوز با رقیق‌سازی سریالی را تقریباً سه برابر سریع‌تر انجام دهد. همچنین، پژوهشگران شرکت جننتک ناچار شدند به کلود راهنمایی بدهند تا تشخیص دهد خطاهای ناشی از ایجاد کف در نمونه‌ها، مشکلات فیزیکی آزمایش هستند، نه اشکال‌های نرم‌افزاری. خبرگزاری رویترز در ماه سپتامبر گزارش داد که انتروپیک آزمایشگاهی زیستی در منطقه خلیج سان‌فرانسیسکو راه‌اندازی کرده است. اریک کادرر-آبرامز، رئیس بخش علوم زیستی این شرکت، به رویترز گفت: «آزمون نهایی همچنان، و برای مدتی نیز، کار واقعی در آزمایشگاه خواهد بود.»
«اینکه یک سامانه هوش مصنوعی داریم که می‌تواند کار علمی انجام دهد، به این معنا نیست که باید آن را بدون نظارت به حال خود رها کنیم تا علم انجام دهد.»
کلارک سخنرانی خود را با اشاره به کارل سیگن به پایان رساند. سیگن در کتاب نقطه آبی کم‌رنگ نوشته بود انسان‌هایی که روزی به ستارگان دیگر سفر خواهند کرد، «گونه‌ای بسیار شبیه ما خواهند بود، اما با نقاط قوت بیشتر و ضعف‌های کمتر».
«سیگن تصور می‌کرد صدها هزار سال فرصت داریم تا به این هدف برسیم و به مردمی بهتر و خردمندتر تبدیل شویم؛ اما در عوض، فقط چند سال فرصت داریم. من معتقدم می‌توانیم از پس این کار برآییم.»