Η OpenAI δημοσίευσε 722 μαθηματικές εργασίες με αποδείξεις και αναιρέσεις για μια σειρά προβλημάτων, σε μια κλίμακα που, όπως λένε ακαδημαϊκοί, είναι εξίσου εντυπωσιακή και αινιγματική.
Για μήνες, η ικανότητα των μοντέλων τεχνητής νοημοσύνης να λύνουν μαθηματικά προβλήματα βελτιώνεται συνεχώς. Μόλις το 2019, τα μοντέλα AI δυσκολεύονταν να πιάσουν τη βάση σε θέματα μαθηματικών GCSE. Τον περασμένο μήνα, όμως, η OpenAI έλυσε ένα πρόβλημα που σχετίζεται με τις εξισώσεις Navier-Stokes της ρευστοδυναμικής, ένα από τα πιο δύσκολα και ανθεκτικά αινίγματα στα μαθηματικά.
Μετά το βάθος, τώρα ήρθε το εύρος. Η OpenAI έδωσε στη δημοσιότητα εκατοντάδες μαθηματικές ανακαλύψεις μονομιάς. Η εταιρεία δεν αποκάλυψε ποιο AI σύστημα έκανε τις ανακαλύψεις, λέγοντας μόνο ότι επρόκειτο για ένα «internal frontier model».
Ο Francis Johnson από το University College London εργάστηκε για πολλά χρόνια πάνω στο πρόβλημα D(2) του Wall, ένα από τα εκατοντάδες ζητήματα που λύθηκαν στο πακέτο εργασιών της OpenAI.
«Δούλεψα πάνω σε αυτό το πρόβλημα για 25 χρόνια. Έβγαλα δύο βιβλία γι’ αυτό. Προσωπικά, τα παράτησα», λέει ο Johnson. «Εκπλήσσομαι που [η AI] το έκανε τόσο γρήγορα, αλλά δεν εκπλήσσομαι που το έκανε».
Ο Johnson αναφέρει ότι τους τελευταίους μήνες δούλεψε με μοντέλα AI και έμεινε «έκπληκτος από την πολυπλοκότητα και τη σαφήνεια της ανάλυσης που έδιναν».
«Μας βάζει όλους σε μια πολύ παράξενη θέση», λέει ο Johnson. «Ας το παραδεχτούμε, το τζίνι βγήκε από το μπουκάλι. Θα χρειαστεί να ζήσουμε με αυτό. Οι άνθρωποι υποτίθεται ότι προσαρμόζονται, άρα θα πρέπει να προσαρμοστούμε. Προς το παρόν, νομίζω ότι απλώς στεκόμαστε πίσω και μένουμε άναυδοι».
Ο Kevin Buzzard από το Imperial College London λέει, ωστόσο, ότι χρειάζεται προσοχή. Όπως σημειώνει, η δημοσίευση περιλάμβανε 30 papers που αφορούσαν τον τομέα του, τη θεωρία αριθμών, αλλά μόνο επτά από αυτά φάνηκαν εντυπωσιακά και μόλις ένα είχε επαληθευτεί επίσημα στο Lean, ένα είδος υπολογιστικής ανάλυσης που μπορεί να αποδείξει μαθηματικά αποτελέσματα πέρα από λογική αμφιβολία.
«Δυστυχώς, η αποδοχή αυτών των αποτελεσμάτων από την κοινότητα θα πάρει χρόνο, και οι δημοσιογράφοι θα χρειαστεί να περιμένουν μέχρι να κάνουν οι μαθηματικοί τη δουλειά τους», λέει ο Buzzard. «Τα έξι μη τυποποιημένα αποτελέσματα θα πρέπει να περιμένουν είτε μέχρι να παρακινηθεί ένας ειδικός να διαβάσει και να ελέγξει το κείμενο, είτε μέχρι να παραχθεί μια τυπική διατύπωση στο Lean».
Από τα παρασκήνια, μαθηματικοί και AI συγκρούονται για το τι είναι αληθινό.
Αν και είναι σημαντικό να μην προτρέχουμε ως προς την εγκυρότητα των αποτελεσμάτων, ο Buzzard λέει ότι η γενική ανοδική τάση της AI στα μαθηματικά είναι εντυπωσιακή. Υποστηρίζει ότι, αν τα νέα αποτελέσματα αποδειχθούν ως επί το πλείστον σωστά, τότε θα αποκτήσουμε μια εικόνα για το ποια είναι η νέα κανονικότητα. «Έχει περάσει πολύς καιρός από τότε που υπήρχαν άνθρωποι ειδικοί σε όλα τα μαθηματικά, αλλά τώρα φαίνεται να έχουμε μηχανές με αυτή την ιδιότητα», λέει.
Ο Ben Allanach από το University of Cambridge λέει ότι οι εταιρείες AI έχουν προσλάβει μαθηματικούς και έχουν επενδύσει χρόνο και πόρους στην έρευνα, με εντυπωσιακά αποτελέσματα να ακολουθούν. «Τα μαθηματικά ευρήματα θεωρούνται ένα πνευματικό τρόπαιο, ένα εφικτό πνευματικό τρόπαιο, από τις εταιρείες», λέει.
«Είναι συγχρόνως μπερδεμένο και ανατρεπτικό», λέει ο Allanach. «Σίγουρα χαίρομαι που δεν είμαι καθαρός μαθηματικός, γιατί θα έλεγες: “Εντάξει, ποιο το νόημα;”».
Ο Allanach, πάντως, ασκεί κριτική και στην κλίμακα των αποτελεσμάτων που δόθηκαν στη δημοσιότητα, αλλά και στην έλλειψη προσπάθειας να εξηγηθούν. «Εντάσσονται αυτά στο σώμα της ανθρώπινης γνώσης;» αναρωτιέται. «Συνήθως, στους μαθηματικούς αρέσει αυτό που κάνουν και τους αρέσει η διαδικασία επίλυσης γρίφων. Το να ελέγχουν ή να καταλαβαίνουν το πώς λειτουργούν οι μηχανές πιθανότατα δεν είναι εξίσου ελκυστικό».
Ασυνήθιστα για μαθηματική έρευνα, οι εργασίες δημοσιεύτηκαν στο GitHub, μια διαδικτυακή βάση δεδομένων που χρησιμοποιείται πιο συχνά για κοινή χρήση κώδικα. Νωρίτερα αυτή την εβδομάδα, ο επιστημονικός προδημοσιευτικός διακομιστής arXiv ανακοίνωσε ότι εισάγει όρια στις αναρτήσεις, για να περιορίσει το κύμα «χαμηλής αξίας» υποβολών.
Τους τελευταίους μήνες, η OpenAI έχει δεχθεί κριτική για τον τρόπο με τον οποίο δημοσιοποιεί τη μαθηματική της έρευνα. Ο Terence Tao από το University of California, Los Angeles, είπε τον περασμένο μήνα ότι ο τρόπος με τον οποίο οι ανακαλύψεις γίνονται και «πετιούνται» στην μαθηματική κοινότητα μπορεί να βλάψει το πεδίο. Σε απάντηση, συστάθηκε μια ανεξάρτητη Advisory Group on Mathematics and Artificial Intelligence, που θα συμβουλεύει τις εταιρείες AI για τις βέλτιστες πρακτικές.
Η OpenAI έχει δηλώσει στο παρελθόν ότι θα λάβει υπόψη αυτές τις συμβουλές, όμως η πιο πρόσφατη δημοσίευσή της φαίνεται να αντιβαίνει σε πολλές από τις συστάσεις της ομάδας. Για παράδειγμα, η ομάδα προτείνει να δημοσιοποιούνται το όνομα του μοντέλου, τα prompts που χρησιμοποιήθηκαν και το εκτιμώμενο κόστος υπολογισμού. Προτείνει επίσης, στο μέτρο του δυνατού, μια απόδειξη που δημοσιεύεται από εργαστήριο AI να τυποποιείται. Επιπλέον, εισηγείται οι εταιρείες να αποκαλύπτουν πόσα άλλα προβλήματα αντίστοιχης δυσκολίας δοκίμασαν τα μοντέλα και δεν κατάφεραν να λύσουν, καθώς και τον τρόπο επιλογής των προβλημάτων.
Η Lindsay McCallum Rémy από την OpenAI δήλωσε στο New Scientist, σε email για την ανακοίνωση των αποτελεσμάτων, ότι «συνεχίζουμε να εξερευνούμε άλλες επιλογές, φιλοξενούμενες από την κοινότητα, για αυτή την έκδοση, που να ανταποκρίνονται στις κατευθυντήριες γραμμές της επιτροπής. Για μελλοντικές εκδόσεις, δεσμευόμαστε να βελτιώσουμε περαιτέρω την ποιότητα των papers μέσα από τις παραπομπές, τη μαθηματική έκθεση και την παρουσίαση των αποτελεσμάτων για καλύτερη κατανόηση. Θέλουμε να δώσουμε στην μαθηματική κοινότητα χρόνο και χώρο για να αξιολογήσει αυτή τη δουλειά».
Το παρόν κείμενο δημιουργήθηκε με τη χρήση τεχνητής νοημοσύνης.
