🧪 آیا هوش مصنوعی واقعاً می‌تواند دانشمند باشد؟

یک مقاله جدید بدون هیاهو به یکی از مهم‌ترین سوالات دنیای فناوری پاسخ داده است: آیا مدل‌های زبانی بزرگ واقعاً توانایی «کشف علمی» دارند یا فقط خوب حرف می‌زنند؟ این تحقیق به جای سوالات تکراری، مدل‌ها را در یک چرخه کامل علمی واقعی به چالش کشیده است.

نکات کلیدی و نتایج شوکه‌کننده:

🔹 محققان مدل‌ها را در چرخه کامل کشف علمی (فرضیه ⬅️ آزمایش ⬅️ مشاهده ⬅️ بازنگری) و در علومی مثل زیست‌شناسی و فیزیک با داده‌های ناقص و نویزی تست کردند.

🔸 نتیجه نشان داد که مدل‌های زبانی در «پیشنهاد فرضیه» عالی هستند، اما در مراحل بعدی یعنی آزمایش و نتیجه‌گیری به شدت شکننده و ضعیف عمل می‌کنند.

🔹 مدل‌ها تمایل دارند داده‌ها را با الگوهای سطحی تطبیق دهند (Overfit) و حتی وقتی شواهد مستقیماً فرضیه آن‌ها را رد می‌کند، به سختی حاضر می‌شوند اشتباه خود را بپذیرند یا فرضیه را رها کنند.

🔸 آن‌ها همبستگی را با علیت اشتباه می‌گیرند و چون برای «محتمل بودن» و «راضی کردن مخاطب» آموزش دیده‌اند، وقتی آزمایش شکست می‌خورد، شروع به ساختن توضیحات توهمی می‌کنند تا منطقی به نظر برسند.

🔹 نکته عجیب اینجاست که نمرات بالا در بنچمارک‌های مشهور هوش مصنوعی، هیچ همبستگی خاصی با توانایی کشف علمی ندارد؛ برخی مدل‌های بسیار قوی در تست‌های استاندارد، در این آزمون‌های علمی و تکرارپذیر کاملاً شکست خوردند.

🔸 پیام اصلی مقاله این است که «هوش علمی» با «هوش زبانی» تفاوت دارد. علم واقعی نیاز به استدلال علی، حافظه دقیق و توانایی گفتنِ «اشتباه کردم» دارد؛ تا زمانی که مدل‌ها این ویژگی‌ها را نداشته باشند، ادعای وجود «دانشمندان هوش مصنوعی» نابه‌هنگام است.

🔗 منبع: دانشگاه اوهایو، تورونتو

🧠 @NovinAIplus