مکعب‌های اورانیوم؛ چرا رویاهای اتمی هایزنبرگ در هایگرلوخ فرو ریخت؟

وقتی تاریخ در یک مکعب فلزی حبس می‌شود

داستان این مکعب‌های اورانیوم، ماجرایی نیست که فقط در کتاب‌های تاریخ جنگ جهانی دوم پیدا کنید؛ این یک درسِ بزرگ در مورد اهمیت «داده‌های دقیق» و «فرهنگ همکاری» در پروژه‌های پیچیده است. تیم تحقیقاتی به سرپرستی تیموتی کوث (Timothy Koeth) از دانشگاه مریلند، سال‌ها پیش با یک مکعب سنگین و مرموز روبرو شدند که مسیر تحقیقاتشان را عوض کرد. این مکعب، تنها یکی از ۶۶۴ قطعه‌ای بود که در رآکتور B8 در شهر هایگرلوخ (Haigerloch) توسط تیم ورنر هایزنبرگ (Werner Heisenberg) استفاده شده بود. اما چرا این قطعات کوچک، نمادی از یک شکست بزرگ استراتژیک هستند؟

در حالی که جهان دهه‌ها تصور می‌کرد آلمان نازی تنها با یک هل دادنِ کوچک می‌توانست به انرژی هسته‌ای دست یابد، تحقیقات جدید منتشر شده در PNAS Nexus نشان می‌دهد که هایزنبرگ در یک توهم محاسباتی غرق شده بود. او فکر می‌کرد با کمی اورانیوم بیشتر، چرخ‌های رآکتور B8 به چرخش در می‌آیند؛ اما واقعیت فنی ماجرا با ادعاهای او فرسنگ‌ها فاصله داشت.

معمای مدیریت و جزیره‌های علمی

یکی از جذاب‌ترین بخش‌های این پژوهش، بررسی چرایی عدمِ اشتراک‌گذاری منابع است. دانشمندان هسته‌ای آلمان به سه گروه مجزا در برلین، گوتو (Gottow) و لایپزیگ (Leipzig) تقسیم شده بودند. تصور کنید در عصر ترنسفورمرها و هوش مصنوعی مولد، وقتی ما از «همگرایی داده‌ها» صحبت می‌کنیم، هایزنبرگ و تیمش در یک فضای کاملاً ایزوله فعالیت می‌کردند. این «سیاستِ درهای بسته» تنها یک انتخاب اشتباه نبود، بلکه میخ آخر بر تابوت پروژه هسته‌ای آن‌ها بود.

اگر این تیم‌ها به جای رقابت‌های شخصی و حسادت‌های علمی، داده‌های خود را به اشتراک می‌گذاشتند و موجودی اورانیوم گروه گوتو را با پروژه B8 ترکیب می‌کردند، شاید تاریخ شکل دیگری به خود می‌گرفت. این دقیقاً همان جایی است که ما در مدیریت ایجنت‌های خودمختار و توسعه مدل‌های زبانی بزرگ امروزی هم با آن دست و پنجه نرم می‌کنیم: فقدان یک اکوسیستم یکپارچه برای تبادل منابع و هوش، می‌تواند حتی بزرگترین نوابغ را هم به بن‌بست برساند.

گرافیت ناخالص؛ مانعی که دیدنِ آن دشوار بود

تکنولوژی فقط در تئوری خلاصه نمی‌شود؛ گاهی یک ناخالصی کوچک در مواد اولیه، کل یک سیستم را فلج می‌کند. در آمریکا، دانشمندان پروژه منهتن (Manhattan Project) با وسواس زیاد به دنبال گرافیت خالص بودند. آن‌ها متوجه شدند که گرافیتِ حاوی بور (Boron)، نوترون‌ها را جذب کرده و واکنش زنجیره‌ای را خفه می‌کند. آلمان‌ها اما به دلیل محاصره دریایی بریتانیا، مجبور به استفاده از متالورژی کک شدند که ناخالصی بسیار بیشتری نسبت به نمونه‌های آمریکایی داشت.

این ناتوانی در دسترسی به متریال استاندارد، در کنار کمبود شدید آب سنگین (Heavy Water) که تنها منبع تأمین آن کارخانه نورسک هیدرو (Norsk Hydro) در نروژ بود، باعث شد رآکتور B8 عملاً شبیه به یک لوستر تزئینی عمل کند تا یک مرکز تولید انرژی. محاسبات جدید نشان می‌دهد که هایزنبرگ برای رسیدن به مرحله بحرانی، به بیش از دو برابر آب سنگین در دسترس و حدود ۱,۳۰۰ تا ۱,۷۷۵ مکعب اورانیوم نیاز داشت؛ رقمی که با منابع در دسترس آن‌ها، یک رویا بیش نبود.

درس‌هایی برای عصر هوش مصنوعی

شاید بپرسید چرا سحر تهرانی باید از رآکتورهای شکست‌خورده آلمان بگوید؟ پاسخ در «استدلال زنجیره‌ای» نهفته است. هایزنبرگ با وجود نبوغش، دچار همان خطای هالوسینیشنی شد که گاهی مدل‌های زبانی کوچک در تحلیل‌های چندمرحله‌ای دچارش می‌شوند: او پیش‌فرض‌های غلطی را وارد محاسباتش کرد و به نتایجی رسید که با واقعیت فیزیکی همخوانی نداشت.

پروژه B8 به ما یادآوری می‌کند که در مواجهه با سیستم‌های پیچیده، دست‌کم گرفتنِ نیازمندی‌های پایه (مثل کیفیت داده یا توان پردازشی در مدل‌های LLM) می‌تواند یک پروژه چند میلیارد دلاری یا یک تلاش استراتژیک ملی را به راحتی از ریل خارج کند. امروز ما در کورس رقابت غول‌های هوش مصنوعی، نباید فراموش کنیم که بدون زیرساخت شفاف، داده‌های باکیفیت و فرهنگِ به اشتراک‌گذاریِ دانش، حتی بهترین مدل‌ها هم ممکن است در نهایت به یک «لوسترِ اتمی» در غاری در هایگرلوخ تبدیل شوند.