در هفتهای که ریاضیدانان را مبهوت کرد. درست پس از موجی از مواردی که در آن هوش مصنوعی این حوزه را پیش برد، OpenAI ادعای پیروزی بزرگی کرد: جدیدترین مدل هوش مصنوعی آن یکی از مسائل جایزه هزاره را حل کرده بود، معمایی با جایزه ۱ میلیون دلاری که دههها انسانها را ناتوان کرده بود.
این دستاورد هیچ شباهتی به روش معمول حل مسائل ریاضی نداشت. یک شرکت خصوصی به ارزش نزدیک به یک تریلیون دلار، ۱۰٬۰۰۰ عامل—سیستمهای هوش مصنوعی که وظایف را بهتنهایی انجام میدهند—را روی مسئله رها کرده بود. هزینه آن حدود ۱۵ میلیون دلار برآورد شد.
مسیر رسیدن به هوش مصنوعی قادر به ریاضیات فوقانسانی مدتها روشن بود، اما حل چنین مسئله مهمی به این سرعت، موج شوک را در این حوزه ایجاد کرد. ریاضیدانان میپرسند اگر کارهای در دست انجام توسط دیگران برداشته و ادعا شود، چه چیزی برای آنها باقی خواهد ماند، و چگونه باید نسل بعدی را آموزش دهند وقتی حتی سختترین تکالیف را میتوان با فشار یک دکمه حل کرد.
پروفسور کولوا رونی-دوگال، رئیس ریاضیات محض در دانشگاه سنت اندروز، گفت: «کمی شوکه شدهام.» او در سخنرانی عمومی اخیر گفت که باور داشت هوش مصنوعی بهزودی کار قابل توجهی انجام نخواهد داد. او میگوید: «سه ماه بعد، کاملاً اشتباه میکردم. همه ما فقط منتظریم ببینیم چه اتفاقی میافتد. اینقدر سریع پیش میآید.»
پروفسور دیوید سیلوستر، ریاضیدان دانشگاه منچستر، گفت که این حوزه با توجه به سرعت تغییرات «بسیار ناپایدار» به نظر میرسد. او گفت: «همه مسائل باز ریاضی میتوانند با منابع کافی سقوط کنند. این برگشتناپذیر است. این تغییر نخواهد کرد.»
پروفسور جیمز رابینسون، ریاضیدان دانشگاه واریک، گفت مسائل سخت سوخت ریاضیات هستند و رویکردهای خلاقانه را در طول نسلها پیش میبرند. او گفت: «دیدن اینکه این شرکتهای بزرگ فناوری این سوخت را میسوزانند فقط برای اینکه خودنمایی کنند که مدل جدیدشان چقدر عالی است، ناامیدکننده است. به نظر میرسد مانند خودنمایی نابالغ در زمین بازی است که با میلیاردها دلار و پتانسیل آسیب زیستمحیطی قابل توجه در عصری که تغییر اقلیم احتمالاً بزرگترین چالشی است که با آن روبرو هستیم، تقویت شده است.»
یکی از دلایل ورود سیلوستر به ریاضیات، هیجان شکستن یک مسئله بود. برای بسیاری از ریاضیدانان، هفتهها، ماهها و سالهایی که صرف دور یک مسئله میچرخند، آن را تجزیه میکنند، یکی پس از دیگری رویکردی را امتحان میکنند و هرگز تسلیم نمیشوند، جذاب است. سیلوستر گفت: «بدون آن، موضوع برای من کاملاً متفاوت به نظر میرسد.»
ریاضیدانان در حال حاضر زمان قابل توجهی را صرف تأیید برهانهای یکدیگر میکنند. همین نوع بازبینی بود که در سال ۱۹۹۳ شکافی در کار اندرو وایلز روی آخرین قضیه فرما پیدا کرد و یک سال تلاش بیشتر برای رفع نقص را برانگیخت. سیلوستر گمان میکند ریاضیدانان ممکن است خود را در حال بررسی برهانهای بیشتری بیابند که هوش مصنوعی با عجله نوشته است. او گفت: «بیشتر شبیه حسابدار شدن است، شما حسابرسی میکنید، بررسی میکنید.»
اثرات زنجیرهای در سراسر این حوزه وجود دارد. ریاضیدانان بر اساس مقالات منتشرشدهشان استخدام میشوند، اما مسائلی که ماهها روی آن کار کردهاند ممکن است اکنون توسط هوش مصنوعی در چند روز حل شود. رونی-دوگال میگوید: «یک حس واقعی وجود دارد که "میتوانم ماه بعد را صرف فکر کردن به چیزی کنم و شخص دیگری آن را با فشار یک دکمه انجام میدهد." این وحشتناک است، و فکر میکنم برای چند سال وحشتناک خواهد بود.»
این همچنین برای آموزش دانشجویان کارشناسی سردردآور است. دانشگاهها معمولاً به دانشجویان مسائل و آزمونهایی میدهند تا در خانه کار کنند. این نوع تکالیف درسی اکنون مرده است. سیلوستر میگوید: «انجام آن بیفایده است زیرا نمیتوانیم اصالت آن را تضمین کنیم.» مدرسان اکنون باید به دانشجویان بگویند برای برخی مسائل از هوش مصنوعی استفاده نکنند، در حالی که مطمئن شوند میتوانند برای مسائل دیگر از آن استفاده کنند: به هر حال، ریاضیات با کمک هوش مصنوعی آینده است.
با وجود همه این تحولات، پروفسور الکساندر پاسو، که فلسفه ریاضیات را در دانشگاه آکسفورد مطالعه میکند، معتقد است ریاضیات بخش زیادی از جذابیت خود را از دست نخواهد داد. او گفت: «چالش هنوز باقی است، حتی اگر هوش مصنوعی در نهایت در پژوهش بهتر از انسان شود. شما هنوز میخواهید ریاضیات را خودتان بفهمید. و ما هنوز از آن لذت خواهیم برد و زیبایی آن را درک خواهیم کرد: لذت محض و زیبایی یک برهان ریاضی همیشه وجود خواهد داشت. هوش مصنوعی هیچکدام از اینها را از بین نخواهد برد.»
او افزود که بخش زیادی از ریاضیات هوش مصنوعی مسائل را از صفر حل نمیکند بلکه بر کار انسان بنا میشود. برای مثال، پیشرفت OpenAI heavily بر کار ریاضیدانان مادریدی دیگو کوردوبا و لوئیس مارتینز-زوروآ تکیه داشت.
کار OpenAI راهحلی برای مسئله ناویر-استوکس توصیف کرد، که شامل معادلاتی است که پیشبینی میکنند سیالات و حتی آبوهوا چگونه رفتار میکنند. این یکی از هفت مسئله جایزه هزاره است که توسط مؤسسه ریاضیات کلی در سال ۲۰۰۰ منتشر شد. اعلامیه شرکت در روز سهشنبه نگرانیهای بیشتری در جامعه ایجاد کرده است. OpenAI جدیدترین مدل خود را پس از شنیدن شایعاتی مبنی بر حل دو مسئله هزاره توسط ریاضیدانان، به کار گرفت. پروفسور تریستان باکمستر در دانشگاه نیویورک و لونت آلپوگه در Anthropic روی کار مرتبط با ناویر-استوکس کار میکردند و در این فرآیند از محصولات OpenAI استفاده کرده بودند. آنها گمان کردند مدل OpenAI از کار در دست انجام آنها یاد گرفته است. پس از تحقیقات، OpenAI این موضوع را رد کرد.
با این حال، برخی ریاضیدانان هنوز محتاط هستند. باکمستر به گاردین گفت: «داستان بزرگ اکنون در ریاضیات این است که هیچکس نمیخواهد چیزی را به اشتراک بگذارد. ریاضیات امروز با فقط چند روز پیش متفاوت است. ما باید تصمیم بگیریم در این مورد چه کنیم.»
پرسشهای متداول
پرسشهای متداول خودنمایی نابالغ در زمین بازی ریاضیدانان از آخرین فتح OpenAI ناراحت هستند
پرسشهای مبتدی
عبارت خودنمایی نابالغ در زمین بازی در اینجا به چه معناست
این عبارتی است که منتقدان وقتی شرکتهای هوش مصنوعی به حل مسائل سخت به شکلی افتخار میکنند که شبیه بچههایی است که میگویند بابای من میتواند بابای تو را کتک بزند—بیشتر درباره جلب توجه است تا پیشبرد درک واقعی
OpenAI واقعاً چه کرد
OpenAI اعلام کرد که یکی از مدلهای هوش مصنوعی آن به حل یا کمک به یک مسئله باز دیرینه در ریاضیات کمک کرد ریاضیدانان با ترکیبی از علاقه و آزردگی پاسخ دادند
چرا ریاضیدانان ناراحت هستند
نه به این دلیل که هوش مصنوعی به ریاضیات کمک کرد—بلکه به دلیل نحوه اعلام نتیجه بسیاری احساس میکنند چارچوببندی نقش هوش مصنوعی را اغراق کرد، مشارکتهای انسانی را نادیده گرفت و پژوهش جدی را به یک نمایش تبلیغاتی تبدیل کرد
آیا هوش مصنوعی واقعاً یک مسئله ریاضی را بهتنهایی حل کرد
معمولاً نه در بیشتر مواردی مانند این، هوش مصنوعی ایدههای نامزد یا برهانهای جزئی تولید کرد و ریاضیدانان انسانی کار را تأیید، اصلاح و تکمیل کردند
آیا این فقط هیاهو است یا چیز واقعی در حال وقوع است
هر دو هوش مصنوعی واقعاً میتواند به کاوش ریاضی کمک کند اما اعلامیهها اغلب آنچه اتفاق افتاده را بیش از حد بزرگ میکنند
پرسشهای متوسط
تفاوت بین یک برهان و یک برهان نامزد چیست
یک برهان یک استدلال کامل و منطقاً بینقص است که سایر ریاضیدانان میتوانند تأیید کنند یک برهان نامزد یک استدلال پیشنهادی است که هنوز نیاز به بررسی دارد—ممکن است شکاف، خطا یا فرضهای پنهان داشته باشد
چرا تأیید در ریاضیات اینقدر مهم است
ریاضیات بر یقین بنا شده است یک نتیجه تا زمانی که متخصصان نتوانند هر مرحله را بررسی کنند پذیرفته نمیشود خروجی هوش مصنوعی که شبیه برهان به نظر میرسد با یک برهان یکسان نیست
یک مثال عینی از این الگو چیست
وقتی AlphaGeometry دیپمایند و بعداً سیستمهای دیگر مسائل هندسه را حل کردند، نتایج واقعی اما محدود بودند—سیستمها روی انواع مسائل خاص آموزش دیده بودند پوشش رسانهای اغلب آن تمایز را محو میکرد
چرا شرکتها نتایج ریاضی هوش مصنوعی را اینقدر نمایشی چارچوببندی میکنند
زیرا «هوش مصنوعی مسئله حلنشده ریاضی را حل کرد» یک تیتر قدرتمند است این سرمایهگذاران، استعدادها و توجه عمومی را جذب میکند چارچوببندی دقیق و صادقانه پوشش بسیار کمتری دریافت میکند
آسیب کمی خودنمایی چیست
درک عمومی از هم هوش مصنوعی و هم ریاضیات را تحریف میکند، پژوهشگران انسانی درگیر را تحتالشعاع قرار میدهد و میتواند سیاستگذاران و تأمینکنندگان مالی را درباره آنچه هوش مصنوعی واقعاً میتواند انجام دهد گمراه کند
پرسشهای پیشرفته
