نموذج ذكاء اصطناعي صيني تعلّم نفسه مبادئ الفيزياء الأساسية — ما الأبحاث التي قد يكتشفها في المستقبل؟ قام باحثون صينيون بتطوير نموذج ذكاء اصطناعي يُسمى "AI-Newton"، قادر على استخلاص مبادئ فيزيائية أساسية — مثل قانون نيوتن الثاني الذي يربط القوة والكتلة والتسارع — من خلال تحليل بيانات تجريبية، دون تدخل بشري مباشر. يُعد هذا التطور خطوة مهمة نحو تمكين الذكاء الاصطناعي من اكتشاف مفاهيم علمية جديدة بنفسه، بدلًا من مجرد التنبؤ بناءً على أنماط مسبقة. النظام، الذي طوّرته فرقة بقيادة الفيزيائي يان-تشينغ ما من جامعة بكين، يُقلّد عملية التفكير العلمي البشري من خلال بناء معرفة تدريجية: يبدأ بفهم مفاهيم بسيطة، ثم يُستخدم هذا المعرفة لاستخلاص قوانين أكثر تعقيدًا. وفقًا لما أكّدته ما، فإن القدرة على اكتشاف مفاهيم مفيدة — بدلًا من مجرد تحليل البيانات — تُمكّن النموذج من اكتشاف اكتشافات علمية دون الحاجة إلى برمجة مسبقة. يستخدم AI-Newton تقنية تُعرف بـ"الانحدار الرمزي" (symbolic regression)، حيث يبحث النموذج عن أفضل معادلة رياضية تفسر الظواهر الفيزيائية. ويعتبر خبراء مثل كايون فافا من جامعة هارفارد أن هذه الطريقة واعدة جدًا، لأنها تُشجع النموذج على اشتقاق مفاهيم حقيقية بدلًا من التعلّم الميكانيكي. في التجربة، استخدم الباحثون مُحاكاة لـ46 تجربة فيزيائية تشمل حركة كرات ونابضات، واصطدامات بين الأجسام، وظواهر اهتزاز واهتزازات مماثلة لحركة البندول. وتم إدخال أخطاء إحصائية على البيانات لمحاكاة الواقع الحقيقي. على سبيل المثال، أعطي النموذج بيانات عن موقع كرة في لحظات زمنية مختلفة، وطلب منه اشتقاق العلاقة الرياضية بين الزمن والموقع. استطاع النموذج التوصل إلى معادلة تمثل السرعة، ثم استخدم هذه المعرفة في خطوة لاحقة لاستخلاص كتلة الكرة باستخدام قانون نيوتن الثاني. النتائج لم تخضع بعد للمراجعة العلمية، لكنها تفتح آفاقًا واعدة في مجال الاكتشاف العلمي التلقائي. وفي تجارب سابقة، مثل مشروع "AI كوبيرنيكوس" الذي طوّرته جامعة ETH زوريخ عام 2019، استخدم الذكاء الاصطناعي بيانات رصد كوكبية لاستخلاص معادلات حركة الكواكب، لكن البشر كانوا ضروريين لفهم المعنى العلمي للنتائج. أما في دراسة حديثة من MIT، فقد أظهرت نماذج أساسية كبيرة مثل GPT وClaude وLlama أنها لا تستطيع التحويل من التنبؤ بمسارات الكواكب إلى استخلاص قوانين فيزيائية معقولة، بل أنتجت قوانين جاذبية غير منطقية. AI-Newton، بخلاف هذه النماذج، يُظهر قدرة حقيقية على التطور المعرفي — من مفهوم إلى قانون — ما يفتح الباب أمام احتمالات مذهلة: من اكتشاف قوانين فيزياء جديدة، إلى تسريع اكتشافات في علوم الكون، والفيزياء الجسيمية، وحتى تفسير ظواهر غير مفهومة حتى الآن.
طور باحثون صينيون نموذجًا ذكيًا يُدعى AI-Newton، قادرًا على استخلاص مبادئ فيزيائية أساسية من بيانات تجريبية دون تدخل بشري مباشر. في تجربة مبتكرة، قدم الفريق بيانات من 46 تجربة فيزيائية تشمل حركة كرات ونظام ربيع، وتصادمات بين الأجسام، واهتزازات وحركة مماثلة لحركة البندول. استخدم الباحثون محاكيًا لمحاكاة هذه التجارب، مع إدخال أخطاء إحصائية لمحاكاة البيانات الواقعية. أثناء التدريب، طُلب من النموذج استخلاص علاقة رياضية بين متغيرين، مثل الزمن والموقع، وتمكّن من اشتقاق معادلة تصف السرعة. ثم استخدم هذا المعرفة المكتسبة لاحقًا لاستنتاج كتلة الكرة باستخدام قانون نيوتن الثاني، الذي يربط القوة بالكتلة والتسارع. يُعد هذا التقدم مميزًا لأنه يُقلد عملية الاكتشاف العلمي البشري، حيث يبني النموذج معرفته خطوة بخطوة، من خلال تجميع المفاهيم وصياغة القوانين. يُستخدم في AI-Newton أسلوب يُسمى "الانحدار الرمزي"، وهو تقنية تُمكّن النموذج من البحث عن الصيغة الرياضية الأفضل التي تفسر الظواهر الفيزيائية. وفقًا للخبير في علوم الحاسوب كايوين فافا من جامعة هارفارد، فإن هذه الطريقة واعدة جدًا لأنها تشجع النموذج على استخلاص مفاهيم علمية حقيقية، وليس فقط التنبؤ بالنتائج. في تجربة سابقة، استخدم باحثون من معهد التقنية الفيدرالية السويسري (ETH زوريخ) نموذجًا يُسمى "AI كوبيرنيكوس" للتنبؤ بمسارات الكواكب باستخدام ملاحظات من الأرض. لكنهم احتاجوا إلى تدخل بشري لفهم المعاني الكامنة وراء المعادلات الناتجة. أما في دراسة حديثة أجرتها فريق من مختبرات ماساتشوستس للتكنولوجيا (MIT)، فقد جربوا نماذج أساسية كبيرة مثل GPT وClaude وLlama على بيانات مسارات كواكب. ورغم قدرتها على التنبؤ بالمسارات، لم تتمكن هذه النماذج من استخلاص قانون جاذبية معقول، بل أنتجت قوانين غير منطقية، مما يشير إلى أن التنبؤ لا يعني الفهم. ما يميز AI-Newton هو قدرته على التعلم التدريجي، والاحتفاظ بالمفاهيم المستخلصة، واستخدامها في مهام متعددة. هذا يفتح آفاقًا واعدة لاستخدام الذكاء الاصطناعي في اكتشاف قوانين فيزيائية جديدة، خاصة في مجالات معقدة لا يمكن للبشر استكشافها بسرعة. ومع أن النتائج لم تخضع بعد لمراجعة الأقران، فإن النموذج يمثل خطوة مهمة نحو نماذج ذكية قادرة على التفكير العلمي المستقل، وربما تُسهم يومًا في اكتشافات عظيمة في الفيزياء والعلوم الطبيعية.
