איך סוכני קוד מסייעים למדענים לדמות חורים שחורים ולפרוץ גבולות במחשוב מדעי
האסטרופיזיקאי צ'י-קוואן צ'אן משתמש ב-Codex כדי לפתח ולבדוק אלגוריתמים חדשים לסימולציה של פלזמה סביב חורים שחורים. מעבר לסיפור מדעי מרתק, זהו סימן ברור לכך שכלי AI לקוד הופכים לשותפים משמעותיים במחקר חישובי מתקדם.
Codex עובר מהנדסת תוכנה אל קצה הפיזיקה
הדיון סביב כלי בינה מלאכותית לכתיבת קוד מתמקד לרוב בפרודוקטיביות של מפתחים, קיצור מחזורי פיתוח ותיקון באגים. אבל המקרה של האסטרופיזיקאי צ'י-קוואן צ'אן מאוניברסיטת אריזונה וממצפה סטיוארד מציג שימוש עמוק יותר: AI כזרז לגילוי מדעי. בפרסום של OpenAI מתואר כיצד Codex מסייע לצ'אן ולצוותו לנסח, לממש ולבחון אלגוריתמים שמטרתם לשפר סימולציות של פלזמה סביב חורים שחורים.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
חורים שחורים הם אחת המעבדות הקיצוניות ביותר לבחינת תורת היחסות הכללית של איינשטיין. מכיוון שאור אינו יכול להימלט מעבר לאופק האירועים, החוקרים אינם צופים בחור השחור עצמו אלא בחומר הלוהט שמסתחרר סביבו. אותה פלזמה, המורכבת מאלקטרונים ויונים טעונים, פולטת קרינה שאפשר למדוד, להשוות לתחזיות ולתרגם להבנה פיזיקלית.
הבעיה החישובית: טריליוני חלקיקים ותנועות זעירות
צ'אן הוא חלק משיתוף הפעולה הבינלאומי טלסקופ אופק האירועים, הגוף המדעי שפרסם ב-2019 את התמונה הראשונה של חור שחור. כעת הקהילה המדעית מנסה להתקדם מתמונה סטטית לווידאו ראשון של חור שחור על-מסיבי, בין היתר זה שבמרכז הגלקסיה M87. המעבר הזה דורש לא רק טלסקופים טובים יותר, אלא גם סימולציות מציאותיות בהרבה.
האתגר המרכזי הוא שבאזורים מסוימים ליד חורים שחורים על-מסיביים הפלזמה חמה ודלילה כל כך, עד שחלקיקים כמעט אינם מתנגשים זה בזה. במקום זאת, הם נעים בספירלות מהירות סביב קווי שדה מגנטי. סימולציה מדויקת אמורה לעקוב אחרי התנועה הזו עבור כמויות עצומות של אלקטרונים ויונים, אך חישוב כל סיבוב זעיר מאלץ גם מחשבי-על חזקים לעבוד בצעדי זמן קטנים מאוד. התוצאה היא צוואר בקבוק שמגביל במשך עשורים את רמת המציאותיות של המודלים.
למה דווקא AI יכול לעזור כאן
הערך של Codex במקרה הזה אינו בכך שהוא “מגלה את האמת” במקום המדען, אלא בכך שהוא מרחיב את מרחב החיפוש. צ'אן משתמש בו כדי להציע סכמות נומריות, לכתוב מימושים ראשוניים ולבדוק אותם מול פתרונות ידועים. חלק מההצעות שגויות, וזה צפוי לחלוטין בעולם המחקר. היתרון הוא שהרעיונות ניתנים לבדיקה, לקריאה, לשחזור ולהפרכה.
זו נקודה קריטית עבור תעשיית ה-AI: במדע חישובי, מודל שפה אינו צריך להיות סמכות בלתי מעורערת. הוא צריך להיות עוזר מחקר שמייצר מועמדים לפתרון, בעוד שהאימות נשאר מתמטי, פיזיקלי וניסויי. במובן הזה, תחומים כמו אסטרופיזיקה, כימיה חישובית, ביולוגיה מבנית והנדסת חומרים עשויים להפוך לשוק משמעותי עבור כלי AI לקוד, מפני שבהם כל רעיון ניתן למדידה מול מודל, ניסוי או נתונים.
המשמעות העסקית והמדעית הרחבה
אם הגישות שצ'אן בוחן יצליחו, הן עשויות לאפשר סימולציה של טריליוני חלקיקים סביב חורים שחורים ולפתוח חלון לתהליכים שלא ניתן היה לחקור ברזולוציה מספקת. אך מעבר לאסטרופיזיקה, הסיפור מצביע על שינוי עמוק יותר: כלי AI מתחילים לעבור משכבת האוטומציה הארגונית אל ליבת המחקר הבסיסי.
עבור חברות AI, זהו כיוון אסטרטגי חשוב. הערך הגבוה ביותר לא יגיע רק מכתיבת קוד מהירה יותר לאפליקציות, אלא מהאצה של תהליכי גילוי בתחומים שבהם כל שיפור אלגוריתמי חוסך שנות מחשוב ומשאבים אדירים. Codex, במקרה הזה, אינו עוד עורך קוד חכם. הוא חלק ממגמה שבה בינה מלאכותית הופכת למיקרוסקופ מתמטי חדש: כלי שמאפשר למדענים לראות אפשרויות שקודם לכן היו קבורות בתוך סבך של משוואות, מגבלות מחשוב וניסוי וטעייה אנושי.