MIT يشرح كيف يعزّز الذكاء الاصطناعي والعلوم الرياضية والفيزيائية بعضهما بعضًا

صاغت MIT تصورًا لكيفية تعزيز الذكاء الاصطناعي والعلوم الأساسية بعضهما بعضًا بدلًا من أن يتطور كل منهما على حدة. وبحسب البروفيسور جيسي ثالر، لا تعتمد المرحلة المقبلة من الذكاء الاصطناعي على إدخال النماذج في العلم فحسب، بل أيضًا على مدى مساهمة العلم نفسه في فهم هذه الأنظمة وتحسينها والتحكم بها.

منطق الجسر ثنائي الاتجاه

جاءت المناسبة لهذا النقاش من ورشة عمل AI+MPS التي نظّمتها MIT في عام 2025 بالتعاون مع باحثين في الفيزياء والرياضيات والكيمياء وعلوم المواد والفلك. ومن تلك النقاشات خرجت ورقة بيضاء (white paper) تتضمن توصيات للجامعات والباحثين والجهات المموّلة للمنح، ثم نُشرت لاحقًا في مجلة Machine Learning: Science and Technology.

والخلاصة الرئيسية أن الذكاء الاصطناعي مدين بالكثير للعلوم الرياضية والفيزيائية، لأنها هي التي وفّرت المسائل المعقدة والبيانات عالية الجودة والأفكار التي قامت عليها أساليب التعلم الآلي الحديثة.

ويقترح ثالر النظر إلى هذه العلاقة بصورة أوسع. فالمسألة لا تقتصر على أن تساعد الشبكات العصبية في البحث عن مواد جديدة أو تحليل بيانات المصادمات أو حل مسائل رياضية. فالمناهج العلمية يمكنها أيضًا تحسين الذكاء الاصطناعي نفسه: تفسير سلوك النماذج، والإيحاء بمعماريات جديدة، وجعل الأنظمة أكثر قابلية للتحكم. وترى MIT أن اتجاهًا مستقلًا يتشكّل الآن عند التقاء العالمين، وسيؤثر في سرعة الاكتشافات العلمية وفي جودة الأنظمة الذكية المستقبلية على السواء.

«يجب أن تكون هذه حركة في الاتجاهين».

ماذا يقدّم العلم للذكاء الاصطناعي

تسمّي MIT هذا التوجه science of AI، أي نظرة علمية إلى الأنظمة الذكية ذاتها. ويقسّمه ثالر في مقاله إلى ثلاثة اتجاهات: العلم بوصفه أساسًا للذكاء الاصطناعي، والعلم بوصفه مصدرًا لخوارزميات جديدة، والعلم بوصفه أداة لتفسير كيفية عمل النماذج. وبالنسبة إلى التخصصات الأساسية، ليس هذا نظرية مجرّدة، بل مسار عملي قد يُسرّع الاكتشافات ويرفع موثوقية الذكاء الاصطناعي في آن واحد، ولا سيما حيث يُنتظر من النماذج ليس الدقة وحدها، بل قابلية التفسير أيضًا.

وسرعان ما برز إجماع في نقاشات المجتمعات العلمية الخمسة: لا يمكن بناء الجسر بين الذكاء الاصطناعي والعلم بجهود مختبرات منفردة أو بتجارب مرة واحدة. المطلوب ظروف مشتركة تعمل لصالح تخصصات متعددة في آن واحد، وتحظى بدعم مستدام على مستوى المؤسسات. وقد اختصر المشاركون في الورشة هذا الحد الأدنى في عدة أولويات عملية مهمة للجامعات والجهات المموّلة وفرق البحث نفسها:

• الاستثمار في البنية التحتية الحاسوبية وبنية البيانات؛
• مناهج بحثية متعددة التخصصات؛
• إعداد أكثر صرامة للمتخصصين عند تقاطع المجالات؛
• دعم طويل الأمد للمشاريع التي يتطور فيها الذكاء الاصطناعي والعلم معًا.

ومن الأمثلة الخاصة فيزياء الطاقات العالية. فهناك يبني الباحثون خوارزميات تعمل في الزمن الفعلي للتعامل مع تدفق البيانات القادم من المصادمات. وهذه الحلول ضرورية للبحث عن فيزياء جديدة، لكنها قد تتجاوز لاحقًا حدود تخصص واحد وتؤثر في حزمة الذكاء الاصطناعي (AI stack) الأوسع. والمنطق هنا بسيط: كلما كانت المسألة العلمية أصعب، زادت احتمالات أن تثبت الأساليب المطوَّرة لها فائدتها في مجالات أخرى، من تحليل الإشارات إلى تدريب النماذج بكفاءة أكبر.

الكوادر واستراتيجية MIT

الفكرة الثانية التي تتكرر في الطرح هي أن النماذج والحوسبة وحدهما لا تكفيان. فالتقدم الحقيقي يحتاج إلى أشخاص يتمتعون بالثقة نفسها في الحوسبة وفي تخصصهم العلمي. ويسمّيهم ثالر «العلماء الكنتاورات». والمقصود ليس قلّة نادرة من أصحاب المعارف الشاملة العاملين منفردين، بل إعداد منهجي: من المقررات المتكاملة للطلاب إلى مسارات الدكتوراه متعددة التخصصات، والتعيينات المشتركة لأعضاء هيئة التدريس، ووظائف ما بعد الدكتوراه الخاصة التي يستطيع فيها الباحثون الشباب العمل بين المجالات دون عقوبة وظيفية على هذه الهجانة.

وترى MIT أن جزءًا من هذه البنية التحتية موجود لديها بالفعل. ويستشهد ثالر بمعهد IAIFI ومعهد A3D3 والبرامج الجامعية التي تعلّم الطلاب أن يكونوا «ثنائيي اللغة» في الحوسبة وفي تخصصهم الأساسي. ويركّز بوجه خاص على النهج المنظومي: ستكون الغلبة للجامعات التي تنسّق التوظيف والتعليم والموارد الحاسوبية وتمويل البحوث بوصفها استراتيجية واحدة. وكدليل على هذا التوجه، أطلقت MIT بالفعل أول عملية بحث مشتركة عن أعضاء هيئة تدريس بين Schwarzman College of Computing وقسم الفيزياء.

ما معنى ذلك

يتضح من موقف MIT أن الجولة المقبلة من الذكاء الاصطناعي ترتبط بصورة متزايدة ليس بالمنتجات وتوسيع نطاق النماذج فحسب، بل بالعلم الأساسي أيضًا. وهذه إشارة للسوق وللجامعات: الميزة التنافسية ستكون في الغالب لمن يستطيع الربط بين الخوارزميات والخبرة العلمية والبيانات والبنية التحتية وإعداد فرق متعددة التخصصات.