Byl to týden, který matematiky ohromil. Hned po vlně případů, kdy umělá inteligence posunula obor kupředu, OpenAI tvrdila, že dosáhla významného vítězství: její nejnovější model AI vyřešil problém z Millennium Prize, hádanku s odměnou 1 milion dolarů, která lidi mátla po desetiletí.
Dosažení tohoto výsledku nevypadalo vůbec jako to, jak se matematické problémy obvykle řeší. Soukromá společnost v hodnotě téměř bilionu dolarů na problém vypustila 10 000 agentů – systémů AI, které vykonávají úkoly samostatně. Náklady se odhadovaly na 15 milionů dolarů.
Cesta k AI schopné nadlidské matematiky byla dlouho jasná, ale vyřešení tak významného problému tak rychle vyslalo do oboru šokové vlny. Matematici se ptají, co jim zbude, pokud jejich rozpracovanou práci smete a přivlastní si ji někdo jiný, a jak mají vzdělávat další generaci, když i ty nejtěžší úlohy lze vyřešit stisknutím tlačítka.
„Cítím se mírně v šoku,“ řekla profesorka Colva Roney-Dougal, vedoucí katedry čisté matematiky na University of St Andrews. Na nedávné veřejné přednášce uvedla, že věřila, že AI pravděpodobně brzy nedokáže nic pozoruhodného. „O tři měsíce později se naprosto mýlím,“ říká. „Všichni jen čekáme, co se stane. Přichází to tak rychle.“
Profesor David Silvester, matematik na University of Manchester, řekl, že obor působí „velmi nestabilně“ vzhledem k tempu změn. „Všechny otevřené matematické problémy by mohly padnout, pokud bude dost zdrojů,“ řekl. „To je nevratné. To se nezmění.“
Profesor James Robinson, matematik na University of Warwick, řekl, že těžké problémy jsou palivem matematiky a pohánějí kreativní přístupy napříč generacemi. „Je frustrující vidět, jak tyto velké technologické společnosti toto palivo spalují jen proto, aby se mohly předvádět, jak skvělý je jejich nejnovější model,“ řekl. „Vypadá to jako nezralé chlubení na pískovišti ve velkém, podpořené miliardami dolarů a potenciálem významných environmentálních škod v době, kdy změna klimatu je pravděpodobně největší výzvou, které čelíme.“
Jedním z důvodů, proč se Silvester dal na matematiku, bylo vzrušení z rozlousknutí problému. Pro mnoho matematiků je přitažlivé právě to, že týdny, měsíce a roky krouží kolem problému, rozkládají ho, zkoušejí jeden přístup za druhým a nikdy se nevzdávají. „Bez toho mi ten obor připadá úplně jiný,“ řekl Silvester.
Matematici už nyní tráví značné množství času ověřováním důkazů ostatních. Právě tento druh kontroly našel v roce 1993 mezeru v práci Andrewa Wilese o Velké Fermatově větě, což vedlo k dalšímu roku úsilí o opravu této chyby. Silvester tuší, že matematici možná budou muset probírat stále více důkazů, které AI rychle vyplodí. „Je to spíš jako stát se účetním, provádíte audit, kontrolujete,“ řekl.
V celém oboru to má řetězové důsledky. Matematici jsou najímáni na základě svých publikovaných článků, ale problémy, na kterých pracovali měsíce, teď může AI vyřešit za dny. „Je tu skutečný pocit, že ‚mohl bych strávit příští měsíc přemýšlením o něčem a někdo jiný to udělá stisknutím tlačítka,‘“ říká Roney-Dougal. „To je hrozné a myslím, že to bude hrozné několik let.“
Je to také bolest hlavy pro výuku bakalářů. Univerzity běžně dávají studentům problémy a kvízy, aby je vypracovávali doma. Ten druh práce je teď mrtvý. „Nemá smysl to dělat, protože nemůžeme ručit za její autenticitu,“ říká Silvester. Přednášející teď musí studentům říkat, aby u některých problémů AI nepoužívali, a zároveň se ujistit, že ji u jiných používat mohou: koneckonců matematika s asistencí AI je budoucnost.
Přes všechny tyto otřesy profesor Alexander Paseau, který na University of Oxford studuje filozofii matematiky, věří, že matematika neztratí mnoho ze svého kouzla. „Výzva stále zůstává, i kdyby se AI nakonec stala v výzkumu lepší než lidé,“ řekl. „Stejně budete chtít matematice rozumět sami. A stejně si ji budeme užívat a oceňovat její krásu: čisté potěšení a krása matematického důkazu tu budou vždy. AI vám nic z toho nevezme.“
Mnoho matematiky AI neřeší problémy od nuly, ale staví na lidské práci, dodal. Například průlom OpenAI se silně opíral o práci madridských matematiků Diega CórdoBy a Luise Martineze-Zoroy.
Práce OpenAI popisovala řešení Navierova-Stokesova problému, který zahrnuje rovnice předpovídající chování tekutin a dokonce i počasí. Je to jeden ze sedmi problémů Millennium Prize vyhlášených Clayovým matematickým institutem v roce 2000. Oznámení společnosti v úterý vedlo v komunitě k dalším obavám. OpenAI nasadila svůj nejnovější model do práce poté, co zaslechla zvěsti, že dva problémy Millennium Prize vyřešili matematici. Profesor Tristan Buckmaster z New York University a Levent Alpöge z Anthropic na Navierově-Stokesově problému pracovali na souvisejícím tématu a při tom používali produkty OpenAI. Pojali podezření, že se model OpenAI učil z jejich rozpracované práce. Po vyšetřování OpenAI popřela, že by tomu tak bylo.
Někteří matematici jsou však stále obezřetní. „Velký příběh v matematice teď je, že nikdo nechce nic sdílet,“ řekl Buckmaster pro Guardian. „Matematika je dnes jiná než ještě před několika dny. Musíme se rozhodnout, co s tím uděláme.“
Často kladené otázky
FAQs Nezralé chlubení na pískovišti Matematici znepokojeni nejnovějším triumfem OpenAI
Otázky pro začátečníky
Co zde znamená nezralé chlubení na pískovišti
Je to fráze, kterou kritici používají, když se AI společnosti chlubí vyřešením těžkých problémů způsobem, který působí jako děti říkající můj táta dokáže zbít tvého tátu jde víc o získání pozornosti než o posun skutečného porozumění
Co OpenAI vlastně udělala
OpenAI oznámila, že jeden z jejích modelů AI pomohl vyřešit nebo přispěl k dlouho otevřenému problému v matematice Matematici reagovali směsicí zájmu a podráždění
Proč jsou matematici rozrušení
Ne proto, že AI pomohla s matematikou ale kvůli tomu, jak byl výsledek oznámen Mnozí cítí, že rámování přehnalo roli AI přeskočilo lidské přispění a proměnilo seriózní výzkum v reklamní trik
Vyřešila AI skutečně matematický problém sama
Obvykle ne Ve většině podobných případů AI vygenerovala kandidátní nápady nebo částečné důkazy a lidští matematici práci ověřili upřesnili a dokončili
Je to jen humbuk nebo se děje něco skutečného
Obojí AI skutečně může pomáhat s matematickým zkoumáním ale oznámení často přehánějí to, co se stalo
Středně pokročilé otázky
Jaký je rozdíl mezi důkazem a kandidátním důkazem
Důkaz je úplný logicky neprůstřelný argument, který mohou ostatní matematici ověřit Kandidátní důkaz je navrhovaný argument, který ještě musí být zkontrolován může mít mezery chyby nebo skryté předpoklady
Proč je ověřování v matematice tak důležité
Matematika je postavena na jistotě Výsledek není přijat, dokud odborníci nemohou zkontrolovat každý krok Výstup AI, který vypadá jako důkaz, není totéž jako důkaz
Jaký je konkrétní příklad tohoto vzorce
Když se DeepMind AlphaGeometry a pozdější systémy pustily do geometrických problémů, výsledky byly skutečné, ale úzké systémy byly trénovány na specifické typy problémů Mediální pokrytí tento rozdíl často stíralo
Proč společnosti rámují výsledky AI v matematice tak dramaticky
Protože AI vyřešila nevyřešený matematický problém je silný titulek Přitahuje investory talenty a veřejnou pozornost Pečlivé poctivé rámování dostane mnohem méně prostoru
Jaká je škoda na troše chlubení
Zkresluje veřejné chápání jak AI, tak matematiky zastiňuje lidské výzkumníky, kteří se na tom podíleli, a může uvádět tvůrce politik a poskytovatele financí v omyl ohledně toho, co AI skutečně dokáže
Pokročilé otázky
