Egy hét volt, amely sokkolta a matematikusokat. Nem sokkal azután, hogy a mesterséges intelligencia előretöréséről szóló esetek hulláma végigsöpört a területen, az OpenAI jelentős győzelmet jelentett be: legújabb MI-modellje megoldott egy Millenniumi Díj problémát, egy 1 millió dolláros jutalommal járó rejtvényt, amely évtizedek óta próbára tette az embereket.
A teljesítmény egyáltalán nem úgy nézett ki, ahogy a matematikai problémákat általában megoldják. Egy csaknem egybillió dollárt érő magáncég 10 000 ügynököt – önállóan feladatokat végrehajtó MI-rendszereket – szabadított rá a problémára. A költséget 15 millió dollárra becsülték.
Az emberfeletti matematikára képes MI felé vezető út régóta világos volt, de egy ilyen jelentős probléma ilyen gyors megoldása sokkhullámot küldött végig a területen. A matematikusok azt kérdezik, mi marad számukra, ha a folyamatban lévő munkát mások elsöprik és magukénak követelik, és hogyan képezzék ki a következő generációt, amikor még a legnehezebb feladatok is megoldhatók egy gombnyomásra.
„Kicsit sokkos állapotban érzem magam” – mondta Colva Roney-Dougal professzor, a St Andrews-i Egyetem tiszta matematika tanszékének vezetője. Egy nemrég tartott nyilvános előadáson azt mondta, úgy vélte, valószínűtlen, hogy az MI hamarosan bármi figyelemre méltót tenne. „Három hónappal később teljesen tévedek” – mondja. „Mindannyian csak várjuk, hogy mi fog történni. Olyan gyorsan jön.”
David Silvester professzor, a Manchesteri Egyetem matematikusa szerint a terület „nagyon instabilnak” tűnik a változás üteme miatt. „Minden nyitott matematikai probléma elbukhat, ha elegendő erőforrás áll rendelkezésre” – mondta. „Ez visszafordíthatatlan. Ez nem fog megváltozni.”
James Robinson professzor, a Warwicki Egyetem matematikusa szerint a nehéz problémák a matematika üzemanyaga, generációkon át kreatív megközelítéseket hajtva. „Frusztráló látni, hogy ezek a nagy technológiai cégek elégetik ezt az üzemanyagot csak azért, hogy henceghessenek vele, mennyire nagyszerű a legújabb modelljük” – mondta. „Ez úgy tűnik, mint az éretlen játszótéri hencegés nagyban, milliárdokkal és jelentős környezeti kár lehetőségével a hátuk mögött egy olyan korban, amikor a klímaváltozás valószínűleg a legnagyobb kihívás, amellyel szembesülünk.”
Silvester egyik oka, amiért matematikára adta a fejét, egy probléma megfejtésének izgalma volt. Sok matematikus számára azok a hetek, hónapok és évek vonzók, amelyeket egy probléma körül forgva, azt lebontva, egyik megközelítést a másik után kipróbálva és soha fel nem adva töltenek. „Enélkül a téma teljesen másnak tűnik számomra” – mondta Silvester.
A matematikusok már most is jelentős időt töltenek egymás bizonyításainak ellenőrzésével. Ez a fajta felülvizsgálat találta meg a hiányosságot Andrew Wiles Fermat utolsó tételéről szóló 1993-as munkájában, ami egy év további erőfeszítést váltott ki a hiba kijavítására. Silvester gyanítja, hogy a matematikusok egyre több, MI által összecsapott bizonyítást fognak tanulmányozni. „Ez inkább olyan, mintha könyvelővé válnál, auditálsz, ellenőrzöl” – mondta.
Az egész területen tovagyűrűző hatások vannak. A matematikusokat publikált cikkeik alapján alkalmazzák, de a problémákat, amelyeken hónapokig dolgoztak, most az MI napok alatt megoldhatja. „Van egy valódi érzés, hogy »a következő hónapban gondolkodhatnék valamin, és valaki más megnyom egy gombot«” – mondja Roney-Dougal. „Ez szörnyű, és azt hiszem, néhány évig szörnyű lesz.”
Ez fejfájást okoz az egyetemi hallgatók tanításában is. Az egyetemek rutinszerűen adnak a diákoknak problémákat és kvízeket, hogy otthon dolgozzanak rajtuk. Ez a fajta tananyag most halott. „Nincs értelme csinálni, mert nem tudunk kezeskedni a hitelességéért” – mondja Silvester. Az oktatóknak most azt kell mondaniuk a diákoknak, hogy ne használjanak MI-t bizonyos problémákhoz, miközben biztosítják, hogy másokhoz használhassák: végül is az MI-segített matematika a jövő.
Minden felfordulás ellenére Alexander Paseau professzor, aki az Oxfordi Egyetemen a matematika filozófiáját tanulmányozza, úgy véli, a matematika nem veszíti el vonzerejének nagy részét. „A kihívás megmarad, még akkor is, ha az MI végül jobb lesz az embereknél a kutatásban” – mondta. „Még mindig meg akarod majd érteni a matematikát magad. És még mindig élvezni fogjuk, és értékelni fogjuk a szépségét: a matematikai bizonyítás puszta élvezete és szépsége mindig ott lesz. Az MI ebből semmit nem vesz el.”
Az MI matematikájának nagy része nem a nulláról old meg problémákat, hanem az emberi munkára épül – tette hozzá. Az OpenAI áttörése például nagymértékben támaszkodott a madridi matematikusok, Diego Córdoba és Luis Martinez-Zoroa munkájára.
Az OpenAI munkája a Navier–Stokes-probléma megoldását írta le, amely olyan egyenleteket foglal magában, amelyek megjósolják, hogyan viselkednek a folyadékok, sőt az időjárás. Ez a Clay Mathematics Institute által 2000-ben közzétett hét Millenniumi Díj probléma egyike. A cég keddi bejelentése további aggodalmakat váltott ki a közösségben. Az OpenAI azután állította munkába legújabb modelljét, hogy hallotta a pletykákat, miszerint matematikusok két Millenniumi Díj problémát megoldottak. Tristan Buckmaster professzor a New York-i Egyetemen és Levent Alpöge az Anthropicnál kapcsolódó munkát végzett a Navier–Stokes-ról, és eközben az OpenAI termékeit használták. Gyanították, hogy az OpenAI modellje a folyamatban lévő munkájukból tanult. Vizsgálat után az OpenAI tagadta, hogy ez volt a helyzet.
Néhány matematikus azonban még mindig óvatos. „A nagy történet most a matematikában az, hogy senki sem akar semmit megosztani” – mondta Buckmaster a Guardiannek. „A matematika ma más, mint csupán néhány nappal ezelőtt. El kell döntenünk, mit tegyünk ezzel kapcsolatban.”
Gyakran Ismételt Kérdések
GYIK Éretlen Játszótéri Hencegés A Matematikusok Nyugtalanok az OpenAI Legújabb Hódítása Miatt
Kezdő Kérdések
Mit jelent itt az éretlen játszótéri hencegés
Ez egy kifejezés, amelyet a kritikusok akkor használnak, amikor az MI-cégek azzal dicsekszenek, hogy nehéz problémákat oldottak meg, olyan módon, ami olyan érzést kelt, mintha gyerekek azt mondanák, az én apukám meg tudja verni a te apukádat – inkább a figyelem megnyeréséről szól, mint a valódi megértés előmozdításáról
Mit tett valójában az OpenAI
Az OpenAI bejelentette, hogy egyik MI-modellje segített megoldani vagy hozzájárulni egy régóta nyitott matematikai problémához. A matematikusok érdeklődéssel és irritációval vegyesen reagáltak
Miért dühösek a matematikusok
Nem azért, mert az MI segített a matematikában – hanem azért, ahogy az eredményt bejelentették. Sokan úgy érzik, a megfogalmazás eltúlozta az MI szerepét, átugrotta az emberi hozzájárulásokat, és komoly kutatást reklámfogássá változtatott
Az MI valóban egyedül oldott meg egy matematikai problémát
Általában nem. A legtöbb ilyen esetben az MI jelölt ötleteket vagy részleges bizonyításokat generált, és emberi matematikusok ellenőrizték, finomították és fejezték be a munkát
Ez csak hype, vagy valami valódi történik
Mindkettő. Az MI valóban képes segíteni a matematikai felfedezésben, de a bejelentések gyakran túlzottan felnagyítják, mi történt
Középszintű Kérdések
Mi a különbség egy bizonyítás és egy jelölt bizonyítás között
A bizonyítás egy teljes, logikailag légmentes érvelés, amelyet más matematikusok ellenőrizhetnek. A jelölt bizonyítás egy javasolt érvelés, amelyet még ellenőrizni kell – lehetnek hiányosságai, hibái vagy rejtett feltevései
Miért olyan fontos az ellenőrzés a matematikában
A matematika a bizonyosságra épül. Egy eredményt nem fogadnak el, amíg a szakértők minden lépést ellenőrizni nem tudnak. Az MI kimenete, amely bizonyításnak tűnik, nem ugyanaz, mint egy bizonyítás
Mi egy konkrét példa erre a mintára
Amikor a DeepMind AlphaGeometry és későbbi rendszerei geometriai problémákkal foglalkoztak, az eredmények valódiak, de szűkek voltak – a rendszereket meghatározott problématípusokra képezték ki. A médiavisszhang gyakran elmosta ezt a különbséget
Miért fogalmazzák meg a cégek az MI matematikai eredményeit olyan drámaian
Mert az „az MI megoldott egy megoldatlan matematikai problémát” erős cím. Vonzza a befektetőket, a tehetségeket és a nyilvánosság figyelmét. A gondos, őszinte megfogalmazás sokkal kevesebb visszhangot kap
Mi a kár egy kis hencegésben
Eltorzítja a nyilvánosság megértését mind az MI-ről, mind a matematikáról, háttérbe szorítja a részt vevő emberi kutatókat, és félrevezetheti a döntéshozókat és a finanszírozókat azzal kapcsolatban, mire képes valójában az MI
Haladó Kérdések
