في التقليد البطيء للفيزياء، تنتظر بعض الأسئلة بصبر لأجيال. تبقى هذه الأسئلة في هوامش الكتب الدراسية والأبحاث، تُنقل بهدوء من عصر من العلماء إلى آخر. تضيف كل جيل محاولاته الخاصة - معادلات مُعاد كتابتها، افتراضات مُعاد النظر فيها، تجارب مُتخيلة - ومع ذلك، يبقى اللغز، غير متغير مع مرور الوقت.
ومع ذلك، فإن وصول أداة جديدة يغير هذا الإيقاع.
مؤخراً، أفاد الباحثون أن نظام ذكاء اصطناعي يُعرف باسم THOR تمكن من حل مشكلة فيزيائية طويلة الأمد - واحدة كانت قد تحدت العلماء لمدة تقارب القرن - في غضون ثوانٍ. يُظهر هذا التطور كيف بدأت أنظمة التعلم الآلي في مساعدة الفيزيائيين في التنقل عبر المناظر الرياضية المعقدة التي كانت تتطلب سابقًا فترات طويلة من الاستكشاف اليدوي.
تنتمي المشكلة نفسها إلى عالم الفيزياء النظرية الكثيف، حيث تصف المعادلات غالبًا التفاعلات بين الجسيمات والقوى بطرق تصبح بسرعة معقدة للغاية. على مر العقود، طور الفيزيائيون العديد من التقنيات لتقريب الحلول، لكن بعض الحسابات ظلت صعبة التعامل معها بشكل ملحوظ.
يتعامل THOR مع هذه التحديات بشكل مختلف. بدلاً من الاعتماد فقط على الصيغ المبرمجة مسبقًا، تم تصميم النظام للتفكير من خلال العلاقات الرياضية والبحث عن أنماط ضمن مساحات كبيرة من الحلول المحتملة. عندما تم تقديم مشكلة كانت قد قاومت الأساليب التقليدية لسنوات، حدد نظام الذكاء الاصطناعي بسرعة مسار حل لم يتم التعرف عليه سابقًا.
بالنسبة للباحثين البشر المعتادين على وتيرة العمل النظرية المتأنية، كانت سرعة النتيجة لافتة للنظر. كانت الحسابات التي كانت تتطلب سابقًا تفكيرًا يدويًا مكثفًا تُنتج تقريبًا على الفور، مما يوفر منظورًا جديدًا حول كيفية الاقتراب من المشكلات المعقدة.
ومع ذلك، فإن القصة ليست قصة استبدال، بل قصة مساعدة.
قام الفيزيائيون بفحص النتيجة بعناية للتحقق من الحل الذي أنتجه نظام الذكاء الاصطناعي، مؤكدين أنه استوفى شروط المشكلة الأصلية. بهذه الطريقة، تصبح مساهمة الآلة جزءًا من العملية العلمية الأوسع: اقتراح تم توليده بسرعة استثنائية، ولكن تم اختباره في النهاية والتحقق منه من خلال الخبرة البشرية.
تعكس ظهور أدوات مثل THOR تحولًا أوسع يجري عبر العلوم. أصبحت أنظمة الذكاء الاصطناعي قادرة بشكل متزايد على استكشاف العلاقات الرياضية، وتوليد الفرضيات، وحتى اقتراح الصيغ التي تصف الظواهر الفيزيائية. في مجالات مثل فيزياء الجسيمات، ونظرية المادة المكثفة، وعلم الكونيات، بدأ الباحثون في تجربة كيفية تكامل هذه الأدوات مع العمل التحليلي التقليدي.
بالنسبة للفيزيائيين، الجاذبية ليست مجرد السرعة. غالبًا ما تتضمن المشكلات النظرية الحديثة مساحات شاسعة من المعادلات أو النماذج المحتملة، العديد منها سيستغرق سنوات للباحث البشري لاستكشافه بشكل شامل. يمكن لأنظمة الذكاء الاصطناعي مسح هذه الاحتمالات بسرعة أكبر بكثير، مقترحة اتجاهات يمكن للعلماء بعد ذلك التحقيق فيها بالتفصيل.
في الوقت نفسه، يؤكد الباحثون أن الفهم لا يزال أمرًا أساسيًا. نادراً ما تكون الإجابة الصحيحة وحدها كافية في الفيزياء؛ يريد العلماء أيضًا أن يعرفوا لماذا يعمل الحل، وما الافتراضات التي يعتمد عليها، وكيف يرتبط بالنظريات المعتمدة.
من هذه الناحية، تعود الرؤى التي تولدها الذكاء الاصطناعي إلى الأراضي المألوفة لتفسير البشر. قد تُضيء الآلات طرقًا جديدة عبر الرياضيات، لكن الفيزيائيين يظلون مسؤولين عن نسج تلك الطرق في الإطار الأوسع للمعرفة العلمية.
تُبرز التجربة الأخيرة التي تتضمن THOR كيف يمكن أن تتكشف هذه التعاون. من خلال حل مشكلة استمرت في الأدبيات لعقود، أظهر نظام الذكاء الاصطناعي كيف يمكن أن يسرع التفكير الحسابي بعض جوانب العمل النظري.
أفاد الباحثون أن THOR كان قادرًا على تحديد حل صالح للتحدي الفيزيائي الطويل الأمد في غضون ثوانٍ، بعد أن تم إعطاؤه الهيكل الرياضي للمشكلة. لا يزال العلماء يواصلون تحليل النتيجة واستكشاف كيفية مساعدة أنظمة مماثلة في أسئلة أخرى غير محلولة في الفيزياء النظرية.
تنبيه صورة الذكاء الاصطناعي الصور المرفقة بهذا المقال هي تمثيلات تم إنشاؤها بواسطة الذكاء الاصطناعي تهدف إلى توضيح الموضوع.
المصادر
Scientific American Nature Physics World The Quantum Insider New Scientist
نُشر بواسطة Banx Network. هذا المقال جزء من برنامج الوسائط اللامركزية من Banx، مدعومًا برمز BXE على شبكة XRP Ledger.
