پرش به محتوای اصلی
پرش به محتوای مقاله

سیستم Get Physics Done مسیر جدیدی برای رسیدن به آلفا سنتوری یافت

·۱۱ شهریور ۱۴۰۵۵ دقیقه مطالعه
نقشه‌برداری هوش مصنوعی برای سفر میان‌ستاره‌ای به آلفا قنطورس
نقشه‌برداری هوش مصنوعی برای سفر میان‌ستاره‌ای به آلفا قنطورس
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

گذار از استفاده از AI برای تحلیل داده‌های فیزیک به استفاده از آن برای «طراحی خلاقانه» سیستم‌های فیزیکی؛ جایی که مدل یک راهکار مهندسی (مانور خورشیدی) را پیشنهاد داد که متخصصان انسانی نادیده گرفته بودند.

تصور کنید یک کاوشگر کوچک، بدون نیاز به بودجه‌های میلیارد دلاری، بتواند به نزدیک‌ترین ستاره منظومه ما برسد. این رویایی که سال‌ها در تئوری‌های پیچیده فیزیک محبوس بود، اکنون با کمک یک سیستم هوش مصنوعی به یک برنامه عملیاتی تبدیل شده است. یک فضاپیمای طراحی شده توسط «مأموریت کاوشگر فرمی» (Fermi Explorer Mission) می‌تواند با استفاده از مسیر پروازی که کاملاً توسط یک سیستم هوش مصنوعی کشف شده است، به آلفا سنتوری برسد. هدف این مأموریت این است که تا پایان سال ۲۰۲۹ پرتاب شود و این امر نشان‌دهنده تغییری بنیادین از مفاهیم تئوریک میان‌ستاره‌ای به یک تلاش عینی برای پرتاب با بودجه کم است.

سفرهایی میان‌ستاره‌ای همیشه در انحصار رویاهای گران‌قیمت و فیزیک نظری بوده‌اند. در سال ۲۰۱۶، یوری میلنر، سرمایه‌گذار میلیاردر حوزه فناوری، پروژه Breakthrough Starshot را معرفی کرد که پیشنهاد می‌داد از لیزرهای بسیار قدرتمند برای راندن کاوشگرهای ریز به سرعتی معادل یک‌پنجم سرعت نور استفاده شود. هدف این بود که طی ۲۰ سال به آلفا سنتوری برسند و میلنر ۱۰۰ میلیون دلار برای اثبات این مفهوم متعهد شد. با این حال، یک دهه بعد، هنوز هیچ چیزی پرتاب نشده است.

فیلیپ جانستون، هم‌بنیان‌گذار و رئیس مأموریت کاوشگر فرمی می‌گوید: «ما نمی‌خواستیم یک Breakthrough Starshot دیگر بسازیم. ما مصمم هستیم چیزی را واقعاً پرتاب کنیم.» همان‌طور که در تحلیل‌های قبلی ما درباره‌ی گذار عامل‌های هوش مصنوعی از تولید متن به اقدامات خودمختار اشاره کردیم، اکنون می‌بینیم که این عامل‌ها در حال مقابله با محدودیت‌های فیزیکی جهان هستند. این تحول در توانمندی‌های عامل‌ها با پیشرفت‌های سخت‌افزاری همسو است؛ برای مثال، پردازنده‌های جدید انویدیا در حال حذف گلوگاه‌های پردازشی برای سیستم‌های هوش مصنوعی عامل‌محور هستند تا چنین محاسبات پیچیده‌ای ممکن شود.

آزمایشگاه فیزیک بومیِ هوش مصنوعی

در ۱ سپتامبر ۲۰۲۶، آزمایشگاه Physical Superintelligence (PSI) با جذب ۵۸ میلیون دلار سرمایه اولیه از گروه Breakthrough Energy Ventures — یک گروه سرمایه‌گذاری متمرکز بر اقلیم که توسط بیل گیتس، هم‌بنیان‌گذار مایکروسافت تأسیس شده — فعالیت خود را آغاز کرد. این آزمایشگاه در کمبریج ماساچوست مستقر است و در واقع یک مرکز فیزیک بومیِ هوش مصنوعی است که توسط «فیزیکدانان مجازی» اداره می‌شود.

هدف PSI مهندسی سیستم‌های فیزیکی فراتر از طراحی انسانی و کشف قوانین جدید فیزیک است. برای دستیابی به این هدف، آن‌ها نرم‌افزار متن‌بازی به نام Get Physics Done را توسعه دادند. این سامانه یک سوال پژوهشی پیچیده در حوزه فیزیک را می‌گیرد، آن را به تکالیف کوچک‌تر تقسیم می‌کند و تصمیم می‌گیرد که کدام شبیه‌سازی‌ها با استفاده از مدل‌های هوش مصنوعی، از جمله Claude شرکت آنتروپیک یا GPT شرکت اوپن‌ای‌آی، اجرا شوند. این رویکرد در استفاده از مدل‌های زبانی برای پژوهش‌های علمی، یادآور معماری‌های جدیدی است که با جایگزینی یادگیری تقویتی با حجم انبوه داده‌ها، در حل مسائل پیچیده پژوهشی از مدل‌های پیشین پیشی گرفته‌اند.

حل پارادوکس قدرت-وزن

مأموریت Fermi Explorer Mission به ریاست فیلیپ جانستون، یک سال است که برای یافتن مسیری عملی برای یک کاوشگر کوچک با انرژی خورشیدی تلاش می‌کرد. تیم با یک گره مهندسی کلاسیک روبرو بود: تأمین انرژی کافی برای سفری به طول ۲۵ تریلیون مایل، بدون اینکه وزن فضاپیما بیش از حد زیاد شود؛ زیرا افزایش وزن باعث مصرف سوخت بیشتر می‌شد.

برای درک این فاصله، کافی است بدانید کاوشگر Voyager 1 — یکی از سریع‌ترین اشیاء ساخته دست بشر — از سال ۱۹۷۷ در حال پرواز است و هنوز کمتر از ۱٪ مسیر تا آلفا سنتوری را طی کرده است. با سرعت فعلی، این سفر بیش از ۷۰ هزار سال طول می‌کشد.

پس از اینکه جانستون این مشکل را در یک پادکست به میزبانی الکس ویسنر-گراس (یکی از بنیان‌گذاران PSI) مطرح کرد، ویسنر-گراس مسئله را در سامانه Get Physics Done قرار داد. این هوش مصنوعی تنها در سه روز و با مصرف یک میلیارد توکن — تکه‌های کوچکی از متن که مدل مانند برش‌های کیک می‌خورد — مسیری را پیشنهاد داد که تیم انسانی هرگز به آن فکر نکرده بود.

مکانیزم «شیرجه به خورشید»

راهکار هوش مصنوعی شامل ترکیبی خلاقانه از مانورهای مداری شناخته شده است. طبق مقاله‌ای که هنوز داوری همتا (Peer-review) نشده است، این مکانیزم به شرح زیر عمل می‌کند:

  • فضاپیما ابتدا سرعت خود را کم می‌کند تا مدارش بسیار نزدیک به خورشید — حتی نزدیک‌تر از سیاره عطارد — شود.
  • در هر گذر نزدیک، فضاپیما موتورهای خود را برای کسب تکانه (Momentum) شلیک می‌کند.
  • این نزدیکی به خورشید اجازه می‌دهد پنل‌های خورشیدی چهار برابر بیشتر نور دریافت کنند؛ به این معنی که یک رانش سریع در سرعت بالا، انرژی بیشتری نسبت به همان رانش در هر جای دیگر فراهم می‌کند.
  • چون موتورها فقط در نزدیکی خورشید کار می‌کنند، پنل‌های خورشیدی می‌توانند کوچک بمانند و در نتیجه وزن کلی فضاپیما سبک باشد.

مشخصات مأموریت

برخلاف پروژه‌های متکبرانه قبلی، این مأموریت برای یک بودجه سخت‌گیرانه ۱۵ میلیون دلاری طراحی شده است که توسط حامیان خصوصی تأمین می‌شود. برای پایبندی به این بودجه، تیم پروژه پذیرفته است که جدول زمانی مأموریت از طول عمر یک انسان فراتر رود. جانستون می‌گوید: «ما خودمان را به انجام این کار در طول یک عمر انسانی محدود نمی‌کنیم. بیایید فقط راه رسیدن به ستاره‌ای دیگر را پیدا کنیم.»

سفر به آلفا سنتوری که ۴.۴ سال نوری فاصله دارد، ممکن است تا ۸۰ هزار سال طول بکشد. این کاوشگر حداقل یک کیلوگرم محموله را با خود می‌برد، شامل:

  • محموله‌های علمی و هنری.
  • پیام‌هایی برای تمدن‌های احتمالی بیگانه.
  • نسخه‌ای از «گلدن رکورد» سال ۱۹۷۷؛ دیسک روکش‌طلا شده‌ای از صداها و تصاویر زمین که در ابتدا به دو کاوشگر وویاجر ناسا متصل شده بود.

محدودیت‌های قضاوت هوش مصنوعی

با وجود این موفقیت، مت پیرز، مدیرعامل PSI، اشاره می‌کند که هوش مصنوعی هنوز فاقد «سلیقه» و قضاوت انسانی است. مدل‌ها اغلب مسیرهای بن‌بست را دنبال می‌کنند یا در بررسی رویکردهای مختلف شکست می‌خورند، زیرا نمی‌توانند به صورت داخلی بازنمایی کنند که کدام مسائل واقعاً جالب یا ارزشمند هستند. پیرز درباره قضاوت پژوهشی می‌گوید: «فکر نمی‌کنم هنوز فهمیده باشیم که این مدل‌ها چگونه می‌توانند چیزی شبیه به این را درونی کنند.»

به همین دلیل، حضور یک اخترفیزیکدان انسانی در کادر PSI ضروری بود تا هوش مصنوعی را هدایت کند، درخواست تحلیل‌های هزینه نماید، نمودارهای واضح‌تری بخواهد و خروجی‌ها را برای یافتن خطاها تأیید کند. پیرز خاطرنشان کرد که غافلگیرکننده‌ترین جنبه این بود که هوش مصنوعی یک پروفایل مأموریت کاملاً متفاوت و خلاقانه ارائه داد که تیم فرمی هرگز به آن فکر نکرده بود.

فیلتر بزرگ

این مأموریت در لایه‌ای عمیق‌تر به دنبال پاسخ به «پارادوکس فرمی» است. در سال ۱۹۵۰، فیزیکدان انریکو فرمی معمایی را مطرح کرد: کهکشان دارای صدها میلیارد ستاره است که اکثر آن‌ها قدیمی‌تر از خورشید ما هستند. حتی تمدنی که به کندی سفر کند، می‌توانست در عرض چند میلیون سال در سراسر کهکشان گسترش یابد. اگر حیات هوشمند وجود دارد، ما باید تا به حال نشانه‌هایی از آن می‌دیدیم.

این موضوع دو احتمال را مطرح می‌کند: یا رسیدن به ستاره‌های دیگر بیش از حد سخت است، یا گونه‌های دیگر صرفاً تمایلی به این کار نداشته‌اند. با پرتاب این کاوشگر، بشر به تمدنی تبدیل می‌شود که «می‌تواند» و «می‌خواهد» به ستاره‌های دیگر برسد، به این معنی که هیچ‌کدام از این دو توضیح، مانع اصلی نیستند.

این امر به احتمالات تکان‌دهنده‌تری اشاره دارد. ممکن است به این معنی باشد که زندگی شبیه ما به طور تصورناپذیری نادر است، یا یک «فیلتر بزرگ» وجود دارد. جانستون پیشنهاد می‌کند که شاید وقتی یک تمدن به ابرهوش می‌رسد، خودتخریب‌گر شود. او می‌گوید: «شاید در ۵۰ سال آینده، فیلتر بزرگی وجود داشته باشد که ما از آن عبور نکنیم.»

حتی اگر کاوشگر پرتاب شود، جانستون مطمئن است که آن‌ها اولین موجوداتی نخواهند بود که به مقصد می‌رسند. اگر موتوری که ۱۰۰۰ سال دیگر توسعه یابد، تنها ۲۰٪ سریع‌تر از امروز باشد، بیش از ۱۰ هزار سال زودتر از کاوشگر فرمی به آلفا سنتوری می‌رسد.

این چرخش در پژوهش‌های فیزیک نشان می‌دهد که هوش مصنوعی دیگر فقط ابزاری برای تحلیل داده نیست، بلکه شریکی خلاق در مکانیک مداری است. اثر ثانویه این تحول، کاهش شدید هزینه «شکست‌های اکتشافی» است و به سازمان‌های غیرانتفاعی کوچک اجازه می‌دهد مأموریت‌هایی را امتحان کنند که پیش‌تر فقط در توان ابرقدرت‌ها بود.

منتظر فرآیند داوری همتا (Peer-review) مقاله مسیر پروازی باشید تا ببینید آیا مانور «شیرجه به خورشید» در برابر بررسی‌های سخت‌گیرانه آکادمیک دوام می‌آورد یا خیر.

گام بعدی شما

  • نتایج داوری همتا (Peer-review) مقاله مسیر پروازی را دنبال کنید تا ببینید آیا مانور «شیرجه به خورشید» از نظر علمی تأیید می‌شود یا خیر.
  • درباره مفهوم «فیلتر بزرگ» در پارادوکس فرمی مطالعه کنید تا ابعاد فلسفی این مأموریت را بهتر درک کنید.
  • ابزارهای متن‌باز شبیه‌سازی فیزیک را بررسی کنید تا ببینید چگونه می‌توانید از مدل‌های زبانی برای بهینه‌سازی مسائل مهندسی استفاده کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این دستاورد با تکیه بر اعتبار متخصصان PSI و مدل‌های پیشرفته، نشان می‌دهد که هوش مصنوعی می‌تواند در حل مسائل فیزیکی با محدودیت‌های سخت‌افزاری شدید، راهکارهای غیرمتعارف اما عملی ارائه دهد. این تغییر، نقش AI را از یک دستیار محاسباتی به یک معمار استراتژیک در علوم پایه تبدیل می‌کند.

تأثیر برای ایران

این خبر بیشتر برای پژوهشگران مدل‌های بنیادی و فیزیکدانان ایرانی اهمیت دارد تا بازار مصرف؛ چرا که نشان می‌دهد چگونه می‌توان با ابزارهای نرم‌افزاری ارزان، مسائل پیچیده مهندسی را بدون نیاز به زیرساخت‌های عظیم حل کرد.

·نگاه ما
تحریریه دات‌هوش

استفاده از هوش مصنوعی برای کشف مسیرهای مداری، پارادایم «طراحی مبتنی بر شهود انسانی» را در فیزیک می‌شکند. نکته کلیدی اینجاست که AI به جای بهینه‌سازی مسیرهای موجود، یک استراتژی کاملاً متفاوت (شیرجه به خورشید) را پیشنهاد داد که نشان‌دهنده توانایی مدل‌ها در خروج از کلیشه‌های مهندسی است. این یعنی هزینه آزمون و خطای علمی به شدت کاهش می‌یابد و دموکراتیزه شدن اکتشافات فضایی آغاز می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.