در طول ۱۵ سالی که از دوران دانشجویی کایمینگ هی در مقطع دکتری گذشته، تغییرات زیادی رخ داده است.
او می‌گوید: «وقتی در مقطع دکتری بودم، بین رشته‌ها و موضوعات مختلف دیوارهای بلندی وجود داشت و حتی در علوم کامپیوتر هم چنین دیوارهایی دیده می‌شد. ممکن بود فردی که کنار من نشسته باشد، کارهایی انجام دهد که من کاملاً از درک آن عاجز باشم.»
اما حالا که هفت ماه از پیوستن او به دانشکده محاسبات MIT Schwarzman به عنوان استاد توسعه شغلی داگلاس راس (۱۹۵۴) در حوزه فناوری نرم‌افزار در دپارتمان مهندسی برق و علوم کامپیوتر گذشته، وی شاهد چیزی است که آن را «بسیار نادر در تاریخ علمی بشر» توصیف می‌کند: کاهش دیوارهای میان رشته‌های مختلف علمی.
او می‌گوید: «هیچ‌وقت نمی‌توانم فیزیک انرژی بالا، شیمی یا آخرین یافته‌های زیست‌شناسی را به طور کامل درک کنم، اما حالا شاهد چیزی هستیم که کمک می‌کند این دیوارها فرو بریزند، و آن “خلق یک زبان مشترک” است که در هوش مصنوعی پیدا شده است.»
ساخت پلی میان علوم از طریق هوش مصنوعی
به گفته هی، این تغییر از سال ۲۰۱۲ و در پی “انقلاب یادگیری عمیق” آغاز شد؛ دوره‌ای که مشخص شد روش‌های یادگیری ماشین مبتنی بر شبکه‌های عصبی چنان قدرتمند هستند که می‌توانند در حوزه‌های گسترده‌تری به کار گرفته شوند.
او توضیح می‌دهد: «در این مقطع، بینایی کامپیوتری – یعنی توانایی کمک به رایانه‌ها برای دیدن و درک جهان مانند انسان‌ها – به‌سرعت رشد کرد، زیرا مشخص شد که می‌توان از همین روش در حل مسائل مختلف و در حوزه‌های گوناگون استفاده کرد. بنابراین، جامعه بینایی کامپیوتری خیلی سریع رشد کرد، چرا که پژوهشگران در شاخه‌های مختلف حالا می‌توانستند با زبانی مشترک صحبت کنند و از ابزارهای مشترکی بهره ببرند.»
به گفته او، این روند بعداً به سایر زمینه‌های علوم کامپیوتر، از جمله پردازش زبان طبیعی، تشخیص گفتار و رباتیک گسترش یافت و پایه‌ای برای فناوری‌هایی مانند ChatGPT و دیگر پیشرفت‌ها در مسیر هوش مصنوعی عمومی (AGI) ایجاد کرد.
او می‌گوید: «تمام این تحولات طی یک دهه گذشته رخ داده و من مشتاق دیدن روند جدیدی هستم که در حال ظهور است: تماشای گسترش متدولوژی‌های هوش مصنوعی به سایر حوزه‌های علمی.»
یکی از نمونه‌های شاخص این روند، AlphaFold است، برنامه‌ای مبتنی بر هوش مصنوعی که توسط گوگل دیپ‌مایند توسعه یافته و برای پیش‌بینی ساختار پروتئین‌ها به کار می‌رود.
هی می‌گوید: «این یک حوزه علمی کاملاً متفاوت و مسئله‌ای کاملاً متمایز است، اما دانشمندان برای حل این مسائل، از همان مجموعه ابزارها و متدهای هوش مصنوعی استفاده می‌کنند، و فکر می‌کنم این تازه آغاز ماجراست.»
آینده هوش مصنوعی در علوم مختلف
از زمان پیوستن او به MIT در فوریه ۲۰۲۴، هی با اساتید تقریباً تمام دپارتمان‌ها صحبت کرده است. او برخی روزها در حال گفت‌وگو با دو یا چند استاد از زمینه‌های کاملاً متفاوت است.
او توضیح می‌دهد: «قطعاً حوزه پژوهشی آن‌ها را به‌طور کامل درک نمی‌کنم، اما آن‌ها مقدمه‌ای از موضوعات مطرح می‌کنند و سپس می‌توانیم درباره یادگیری عمیق، یادگیری ماشین و مدل‌های شبکه عصبی در مسائل آن‌ها صحبت کنیم. از این نظر، ابزارهای هوش مصنوعی مانند یک زبان مشترک میان حوزه‌های علمی عمل می‌کنند: ابزارهای یادگیری ماشین، اصطلاحات و مفاهیم آن‌ها را به مفاهیمی که من می‌توانم درک کنم ترجمه می‌کنند، سپس من می‌توانم درباره مسائل آن‌ها اطلاعات کسب کنم، تجربه‌ام را به اشتراک بگذارم و گاهی حتی راه‌حل‌ها یا فرصت‌های جدیدی برای آن‌ها پیشنهاد دهم.»
گسترش استفاده از هوش مصنوعی در علوم مختلف پتانسیل گسترده‌ای دارد؛ از تحلیل ویدئو برای پیش‌بینی روندهای آب‌وهوایی و تغییرات اقلیمی گرفته تا تسریع فرآیند تحقیق و کاهش هزینه‌های کشف داروهای جدید.
در حالی که ابزارهای هوش مصنوعی به وضوح برای دانشمندان مزایای زیادی دارد، هی همچنین به اثر متقابل آن‌ها در توسعه و پیشرفت خود هوش مصنوعی نیز اشاره می‌کند.
او می‌گوید: «دانشمندان مسائل و چالش‌های جدیدی ارائه می‌کنند که به ما کمک می‌کند این ابزارها را توسعه دهیم، اما همچنین باید به یاد داشته باشیم که بسیاری از ابزارهای هوش مصنوعی امروزی از حوزه‌های علمی پیشین نشأت گرفته‌اند – به عنوان مثال، شبکه‌های عصبی مصنوعی از مشاهدات زیستی الهام گرفته شده‌اند و مدل‌های انتشار تصویر مبتنی بر مفاهیم فیزیکی هستند.»
او در پایان می‌گوید: «علم و هوش مصنوعی، حوزه‌های مجزایی نیستند. ما از زوایای مختلف به یک هدف واحد نزدیک شده‌ایم و حالا به نقطه‌ای رسیده‌ایم که در کنار هم قرار گرفته‌ایم.»
و چه جایی بهتر از MIT برای این همکاری؟
او تصریح می‌کند: «جای تعجب ندارد که MIT زودتر از بسیاری از مراکز دیگر این تغییرات را مشاهده کرده است. کالج محاسباتی MIT Schwarzman محیطی را ایجاد کرده که افراد مختلف را به هم متصل می‌کند و به آن‌ها اجازه می‌دهد کنار هم بنشینند، صحبت کنند، همکاری داشته باشند، ایده‌هایشان را تبادل کنند و از زبانی مشترک بهره ببرند – و من شاهد آغاز این روند هستم.»
در مورد این‌که چه زمانی دیوارها به طور کامل فرو می‌ریزند، او تاکید می‌کند که این یک سرمایه‌گذاری بلندمدت است و یک‌شبه اتفاق نمی‌افتد.
هی می‌گوید: «دهه‌ها پیش، رایانه‌ها فناوری پیشرفته‌ای محسوب می‌شدند که برای درک آن‌ها به دانش تخصصی نیاز بود، اما حالا همه از آن‌ها استفاده می‌کنند. فکر می‌کنم در ۱۰ سال یا بیشتر، همه به نوعی از هوش مصنوعی برای پژوهش‌های خود استفاده خواهند کرد – این ابزارهای پایه و زبان اساسی آن‌ها خواهد بود و از هوش مصنوعی برای حل مشکلات خود بهره خواهند گرفت.»