Τον περασμένο μήνα, μίλησα με μαθηματικούς που αναζητούσαν ένα πολύ παράξενο σύνολο ζαριών. Όχι επειδή υπήρχε κάποια πρακτική ανάγκη, αλλά γιατί το πρόβλημα τους φαινόταν ενδιαφέρον. Είχαν ψάξει για πέντε ζάρια που θα μπορούσαν να καθορίσουν ποιος θα παίξει πρώτος σε ένα επιτραπέζιο παιχνίδι. Το βασικό ζητούμενο ήταν κάθε ζάρι να έχει τις ίδιες πιθανότητες νίκης και καμία ρίψη να μην οδηγεί σε ισοπαλία. Η αναζήτησή τους κράτησε περισσότερο από μια δεκαετία, αλλά τελικά βρήκαν τη λύση.
Έχω επίσης περάσει πολύ χρόνο γράφοντας για τη διαρκώς αυξανόμενη ικανότητα της τεχνητής νοημοσύνης να λύνει μαθηματικά προβλήματα, μεταξύ άλλων και για την πρόσφατη επίσημη διατύπωση του τελευταίου θεωρήματος του Φερμά αυτή την εβδομάδα. Οι δύο αυτές ιδέες άρχισαν να συνδέονται στο μυαλό μου μόλις έκλεισα το τηλέφωνο με τους ερευνητές των ζαριών. Μπορεί η τεχνητή νοημοσύνη, αναρωτήθηκα, να πάει ένα βήμα παραπέρα και να βρει λύση για έξι παίκτες, με έξι ζάρια που θα κρίνουν ποιος θα ξεκινήσει;
Η λύση της τεχνητής νοημοσύνης στο γρίφο των 87 ετών προκαλεί έκπληξη στους μαθηματικούς
Η ωμή δύναμη δεν ήταν η απάντηση: υπάρχουν περισσότερα πιθανά σχέδια για πέντε ζάρια από όσα άτομα υπάρχουν στο σύμπαν. Έτσι, άνοιξα το ChatGPT, περιέγραψα το πρόβλημα και ζήτησα μια λύση. Το διόρθωσα και το διευκρίνισα δύο φορές και συνολικά «σκέφτηκε» για περίπου 13 λεπτά. Ύστερα έδωσε την απάντηση.
Έστειλα αμέσως τη λύση στον Eric Harshbarger από το Auburn University, στην Αλαμπάμα, έναν από τους ερευνητές που εργάζονται πάνω στο πρόβλημα με τα πέντε ζάρια. «Έλεγξα τους υπολογισμούς σου», μου είπε. Ήταν σωστοί.
Αναγνωρίζω ότι η λύση μου δεν ήταν ιδιαίτερα κομψή ή αισθητικά όμορφη. Πέντε από τα ζάρια μου είχαν 720 πλευρές και ένα είχε 20. Δοκιμάστε να ρίξετε στην πραγματικότητα ένα ζάρι 720 πλευρών ή να πείσετε παίκτες ότι ένα τόσο άνισο σύνολο είναι δίκαιο.
Ούτε η λύση που προέκυψε από την τεχνητή νοημοσύνη ήταν η καλύτερη που γνωρίζουμε. Ο Harshbarger και οι συνεργάτες του έχουν ήδη καταφέρει να προσαρμόσουν τη λύση για τα πέντε ζάρια, ώστε να δημιουργήσουν μία για έξι ζάρια, με όλα τα ζάρια να έχουν 360 πλευρές, όπως μου είπαν. Αυτό δεν αρκεί για δημόσια ανακοίνωση και παραμένει μη πρακτικό, αν και είναι αναμφίβολα πολύ καλύτερο από το δικό μου αποτέλεσμα.
Ωστόσο, ένας μη ειδικός σαν εμένα, με περιορισμένες μαθηματικές γνώσεις, βρήκε λύση σε ένα δύσκολο, έστω και όχι σοβαρό, πρόβλημα σε λίγα λεπτά, χωρίς να κάνει τίποτα περισσότερο από το να το περιγράψει με απλά αγγλικά σε ένα μοντέλο τεχνητής νοημοσύνης. Κάτι θεμελιώδες στα μαθηματικά έχει αλλάξει και νέα μοντέλα, όπως το GPT-6, εμφανίζονται συνεχώς με όλο και καλύτερες επιδόσεις στα τεστ αναφοράς. Ζούμε ενδιαφέρουσες εποχές.
Η επόμενη γενιά μοντέλων τεχνητής νοημοσύνης υποτίθεται ότι θα εκπαιδεύεται από ανθρώπους που πληρώνονται για να συνομιλούν μαζί τους, όμως αρκετοί από αυτούς τους εργαζομένους έχουν παραδεχθεί στο New Scientist ότι στην πράξη αφήνουν απλώς τα chatbot να το κάνουν αντί γι’ αυτούς. Αυτή η «αιμομιξία της AI», όπως τη χαρακτηρίζουν οι ειδικοί, μπορεί να μειώσει τη δύναμη και τη χρησιμότητα των μελλοντικών μοντέλων.
Όταν μετέφερα την είδηση, ο Paul Meyer, μηχανικός λογισμικού στη Google και ακόμη ένας ερευνητής του ζητήματος που συνεργάζεται με τον Harshbarger, αναρωτήθηκε αν η τεχνητή νοημοσύνη είχε πραγματικά καταλήξει στο πρόβλημα ή αν απλώς το βρήκε σε κάποια σκοτεινή γωνιά του διαδικτύου. Όμως η αναζήτηση δεν έδειξε κανένα ίχνος.
Η καλύτερη εξήγηση στην οποία καταλήξαμε με τον Harshbarger, τον Meyer και εμένα σε μια τηλεφωνική επικοινωνία είναι ότι η λύση για τα πέντε ζάρια είναι δημοσιευμένη στον ιστότοπο που χρησιμοποιούν οι ερευνητές για να παρακολουθούν τη δουλειά τους, όπως και μια περιγραφή μιας μεθόδου που γνωρίζουν εδώ και καιρό πως μπορεί να «επαγάγει» μια λύση για περισσότερα ζάρια από μια λύση με λιγότερα. Ίσως το μοντέλο τεχνητής νοημοσύνης εντόπισε αυτά τα δύο στοιχεία, συμπλήρωσε τα κενά και έκανε τη δική του δουλειά.
«Νομίζω ότι είναι κάτι πολύ σημαντικό», λέει ο Harshbarger, ο οποίος υποστηρίζει ότι δεν έχει χρησιμοποιήσει ποτέ συνειδητά κανένα μοντέλο τεχνητής νοημοσύνης. «Ένας άνθρωπος που δεν είναι μαθηματικός, τουλάχιστον, αν διάβαζε αυτά τα δύο στοιχεία, ίσως να μην μπορούσε να το κάνει μόνος του. Διστάζω να πω ότι υπάρχει νοημοσύνη εκεί μέσα, αλλά ίσως να κατάφερε να καταλάβει κάτι. Είναι εντυπωσιακό – και λίγο τρομακτικό, σε ορισμένα σημεία – αλλά είναι εντυπωσιακό».
Ο Meyer, που χρησιμοποιεί τεχνητή νοημοσύνη στην καθημερινή του εργασία, είναι ακόμη πιο αισιόδοξος. «Προσωπικά πιστεύω ότι υπάρχει κάποια νοημοσύνη εκεί. Είμαι σχεδόν διαρκώς εντυπωσιασμένος – έκπληκτος και εντυπωσιασμένος – από όσα μπορεί να κάνει σε καθημερινή βάση, επειδή έχει προχωρήσει τόσο πολύ μόνο τον τελευταίο χρόνο ή τους τελευταίους έξι μήνες».
Με έναν περίεργο τρόπο, όμως, νιώθω σχεδόν άβολα που το έκανα. Δεν χρειάστηκε καμία δεξιότητα από την πλευρά μου. Νιώθω επίσης ότι, κατά κάποιον τρόπο, υπονομεύει τη δουλειά των ανθρώπων μαθηματικών για τους οποίους έγραφα και φοβάμαι ότι μπορεί να είναι η αρχή μιας τάσης με μειωμένη ανθρώπινη συμβολή στον κλάδο. Τι θα γίνει με τις αγαπημένες μαθηματικές ιδέες όταν ένα δωρεάν διαδικτυακό chatbot μπορεί να τις αποδομεί σιγά σιγά; Είναι άραγε έτσι που θα νιώθουν στο μέλλον μαθηματικοί, φυσικοί και επιστήμονες υλικών όταν θα δημοσιεύεται η εργασία τους για έρευνα αιχμής που προήλθε από την τεχνητή νοημοσύνη;
Ίσως όχι. «Θα ενθουσιαζόμουν», λέει ο Harshbarger. «Δεν με νοιάζει με ποιον τρόπο βρίσκεται μια λύση. Σίγουρα θα ήθελα να ξέρω, αν μπορούσαμε, πώς το έκανε η τεχνητή νοημοσύνη».
Αλλά πόσο πιο εξελιγμένα θα γίνουν αυτά τα μοντέλα; Έχουμε δει εντυπωσιακή πρόοδο τους τελευταίους έξι μήνες ως προς τις μαθηματικές τους ικανότητες. Πρόκειται για στασιμότητα ή για μέρος μιας μακροπρόθεσμης τάσης;
Ο Sébastien Bubeck της OpenAI είναι, όπως θα περίμενε κανείς, αρκετά θετικός για το μέλλον της τεχνητής νοημοσύνης και, όταν του εξηγώ τι μόλις έκανα με ένα από τα μοντέλα του, δεν φαίνεται ούτε έκπληκτος ούτε εντυπωσιασμένος.
«Η εντύπωσή μου είναι ότι η πρόοδος που είδαμε τους τελευταίους έξι μήνες, περιμένω να τη δούμε ξανά στο ίδιο μέγεθος και τους επόμενους έξι μήνες», λέει ο Bubeck. «Πιστεύω ότι πραγματικά θα μπορέσουμε να ανεβάσουμε τις φιλοδοξίες μας, ειδικά στα μαθηματικά, αλλά και γενικότερα στην επιστήμη».
Προς το παρόν, τα μοντέλα τεχνητής νοημοσύνης δείχνουν ικανά να βρίσκουν αντιπαραδείγματα ή λύσεις σε ήδη υπάρχοντα προβλήματα, αλλά δεν έχουν ακόμη δείξει ότι μπορούν να δημιουργήσουν νέες έννοιες, ιδέες ή πεδία μαθηματικών. Και εκεί ακριβώς βρίσκεται η θεαματική πρόοδος.
Δέκα γρίφοι που είχαν αφήσει τους ανθρώπους μαθηματικούς άφωνους για χρόνια λύθηκαν από το μοντέλο Astra της OpenAI, συνεχίζοντας μια περίοδο έντονων επιτυχιών της τεχνητής νοημοσύνης που αναταράσσουν τον κλάδο
«Ακόμη δεν έχουμε μοντέλα που να μπορούν να το κάνουν αυτό. Δεν νομίζω ότι υπάρχει κανένα, αλλά είναι μια φυσική εξέλιξη», λέει ο Bubeck. «Θα γίνει μέχρι το τέλος αυτής της χρονιάς ή του χρόνου; Δεν το ξέρω, αλλά είναι ξεκάθαρο ότι θα γίνει».
Ο Bubeck παραδέχεται ότι τα πράγματα θα αλλάξουν και αυτό ίσως προκαλέσει αναστάτωση. Η χαρά που προκύπτει από το να δουλεύεις χειροκίνητα πάνω σε ένα πρόβλημα και να βρίσκεις τη λύση μπορεί να ανήκει στο παρελθόν. Η κοινότητα θα χρειαστεί επίσης να αντιμετωπίσει δύσκολα ζητήματα, όπως αν οι άνθρωποι μπορούν να διεκδικούν credit για δουλειά που κάνει η τεχνητή νοημοσύνη ή αν είναι απλώς οι διαμεσολαβητές που φέρνουν αυτά τα ευρήματα στη δημόσια σφαίρα. Ο Bubeck λέει ότι οι ανθρώπινοι μαθηματικοί ίσως δικαιούνται μια περίοδο πένθους.
Στο μεταξύ, ο ίδιος απολαμβάνει τη δουλειά του και λέει ότι, κατά κάποιον τρόπο, η εργασία πάνω σε νέα μοντέλα τεχνητής νοημοσύνης μοιάζει σαν να σπρώχνεις μια ανοιχτή πόρτα. «Έχω περάσει χρόνια, δεκαετίες, κολλημένος σε μαθηματικά προβλήματα, όπου είναι εξαιρετικά δύσκολο να κάνεις έστω και μικρή πρόοδο», λέει ο Bubeck. «Η έρευνα στην τεχνητή νοημοσύνη είναι το ακριβώς αντίθετο από αυτό».
Το παρόν κείμενο δημιουργήθηκε με τη χρήση τεχνητής νοημοσύνης.
