Det var en uge, der efterlod matematikere lamslåede. Lige efter en bølge af sager, hvor kunstig intelligens avancerede feltet, hævdede OpenAI en stor sejr: deres nyeste AI-model havde løst et Millennium Prize-problem, en gåde med en pris på 1 million dollars, som havde forvirret mennesker i årtier.
Præstationen lignede slet ikke, hvordan matematiske problemer normalt løses. En privat virksomhed værd næsten en billion dollars havde sluppet 10.000 agenter løs – AI-systemer, der udfører opgaver på egen hånd – på problemet. Omkostningerne blev anslået til 15 millioner dollars.
Vejen mod AI, der er i stand til overmenneskelig matematik, har længe været klar, men at løse et så betydningsfuldt problem så hurtigt sendte chokbølger gennem feltet. Matematikere spørger, hvad der vil være tilbage til dem, hvis igangværende arbejde bliver fejet op og gjort krav på af andre, og hvordan de skal uddanne den næste generation, når selv de sværeste opgaver kan løses ved et tryk på en knap.
"Jeg føler mig en smule chokeret," sagde professor Colva Roney-Dougal, leder af ren matematik ved University of St Andrews. Ved en nylig offentlig forelæsning sagde hun, at hun troede, det var usandsynligt, at AI ville gøre noget bemærkelsesværdigt snart. "Tre måneder senere tog jeg fuldstændig fejl," siger hun. "Vi venter alle bare på at se, hvad der sker. Det kommer så hurtigt."
Professor David Silvester, matematiker ved University of Manchester, sagde, at feltet føles "meget ustabilt" i betragtning af ændringshastigheden. "Alle de åbne matematiske problemer kunne falde med nok ressourcer," sagde han. "Dette er irreversibelt. Dette kommer ikke til at ændre sig."
Professor James Robinson, matematiker ved University of Warwick, sagde, at svære problemer er matematikkens brændstof, der driver kreative tilgange gennem generationer. "Det er frustrerende at se disse store teknologivirksomheder brænde dette brændstof op, bare for at de kan prale af, hvor fantastisk deres nyeste model er," sagde han. "Det virker som umoden praleri i børnehaven i stor skala, bakket op af milliarder af dollars og potentialet for betydelig miljøskade i en tid, hvor klimaforandringer sandsynligvis er den største udfordring, vi står over for."
En grund til, at Silvester gik ind i matematik, var spændingen ved at knække et problem. For mange matematikere er det de uger, måneder og år, der bruges på at kredse om et problem, nedbryde det, prøve den ene tilgang efter den anden og aldrig give op, der tiltrækker. "Uden det virker emnet fuldstændig anderledes for mig," sagde Silvester.
Matematikere bruger allerede betydelig tid på at verificere hinandens beviser. Det var denne form for gennemgang, der fandt et hul i Andrew Wiles' arbejde med Fermats sidste sætning i 1993, hvilket udløste et års yderligere indsats for at rette fejlen. Silvester har en mistanke om, at matematikere kan komme til at granske stadig flere beviser, der er hurtigt skrevet ned af AI. "Det er mere som at blive revisor, du reviderer, du tjekker," sagde han.
Der er afledte effekter i hele feltet. Matematikere ansættes baseret på deres publicerede artikler, men problemer, de har arbejdet på i månedsvis, kan nu blive løst af AI på dage. "Der er en virkelig følelse af 'Jeg kunne bruge den næste måned på at tænke over noget, og nogen andre gør det ved at trykke på en knap,'" siger Roney-Dougal. "Det er forfærdeligt, og jeg tror, det bliver forfærdeligt i et par år."
Det er også en hovedpine at undervise bachelorstuderende. Universiteter giver rutinemæssigt studerende problemer og quizzer, som de skal arbejde med derhjemme. Den slags kursusarbejde er nu dødt. "Der er ingen pointe i at gøre det, fordi vi ikke kan garantere dets ægthed," siger Silvester. Undervisere skal nu fortælle studerende, at de ikke må bruge AI til nogle problemer, mens de sikrer, at de kan bruge det til andre: når alt kommer til alt, er AI-assisteret matematik fremtiden.
For al omvæltningen mener professor Alexander Paseau, der studerer matematikkens filosofi ved University of Oxford, ikke, at matematik vil miste meget af sin tiltrækningskraft. "Udfordringen vil stadig være der, selv hvis AI til sidst bliver bedre end mennesker til forskning," sagde han. "Du vil stadig gerne forstå matematikken selv. Og vi vil stadig nyde det og værdsætte dets skønhed: den rene fornøjelse og skønhed ved et matematisk bevis vil altid være der. AI vil ikke tage noget af det væk."
Meget af AI'ens matematik løser ikke problemer fra bunden, men bygger på menneskeligt arbejde, tilføjede han. OpenAIs gennembrud var for eksempel i høj grad afhængigt af arbejde af de Madrid-baserede matematikere Diego Córdoba og Luis Martinez-Zoroa.
OpenAIs arbejde beskrev en løsning på Navier-Stokes-problemet, som involverer ligninger, der forudsiger, hvordan væsker og endda vejret opfører sig. Det er et af syv Millennium Prize-problemer offentliggjort af Clay Mathematics Institute i 2000. Virksomhedens meddelelse i tirsdags har ført til yderligere bekymringer i miljøet. OpenAI satte sin nyeste model i arbejde, efter at have hørt rygter om, at to Millennium-problemer var blevet løst af matematikere. Professor Tristan Buckmaster ved New York University og Levent Alpöge ved Anthropic arbejdede på relateret arbejde om Navier-Stokes og havde brugt OpenAIs produkter i processen. De havde mistanke om, at OpenAIs model havde lært af deres igangværende arbejde. Efter en undersøgelse benægtede OpenAI, at dette var tilfældet.
Nogle matematikere er dog stadig på vagt. "Den store historie i matematik nu er, at ingen vil dele noget," sagde Buckmaster til Guardian. "Matematik er anderledes i dag, end den var for blot få dage siden. Vi er nødt til at beslutte, hvad vi skal gøre ved det."
Ofte stillede spørgsmål
FAQs Umodent praleri i børnehaven Matematikere urolige over OpenAIs seneste erobring
Begynderspørgsmål
Hvad betyder umodent praleri i børnehaven her
Det er en sætning, kritikere bruger, når AI-virksomheder praler af at løse svære problemer på en måde, der føles som børn, der siger min far kan tæve din far mere om at vinde opmærksomhed end at fremme ægte forståelse
Hvad gjorde OpenAI egentlig
OpenAI meddelte, at en af deres AI-modeller hjalp med at løse eller bidrage til et mangeårigt åbent problem i matematik Matematikere reagerede med en blanding af interesse og irritation
Hvorfor er matematikere oprørte
Ikke fordi AI hjalp med matematik men på grund af måden resultatet blev annonceret Mange føler, at indramningen overdrev AI'ens rolle sprang over menneskelige bidrag og gjorde seriøs forskning til et PR-stunt
Løste AI'en virkelig et matematisk problem på egen hånd
Normalt nej I de fleste tilfælde som dette genererede AI'en kandidatidéer eller delvise beviser, og menneskelige matematikere verificerede forfinede og færdiggjorde arbejdet
Er dette bare hype, eller sker der noget virkeligt
Begge dele AI kan genuint hjælpe med matematisk udforskning, men meddelelserne overdriver ofte, hvad der skete
Mellemliggende spørgsmål
Hvad er forskellen mellem et bevis og et kandidatbevis
Et bevis er et komplet logisk vandtæt argument, som andre matematikere kan verificere Et kandidatbevis er et foreslået argument, der stadig skal tjekkes det kan have huller fejl eller skjulte antagelser
Hvorfor betyder verifikation så meget i matematik
Matematik er bygget på sikkerhed Et resultat accepteres ikke, før eksperter kan tjekke hvert trin AI-output, der ligner et bevis, er ikke det samme som et bevis
Hvad er et konkret eksempel på dette mønster
Da DeepMinds AlphaGeometry og senere systemer tacklede geometriproblemer, var resultaterne ægte, men snævre systemerne blev trænet på specifikke problemtyper Mediedækning slørede ofte denne forskel
Hvorfor fremstiller virksomheder AI-matematikresultater så dramatisk
Fordi AI løser uløst matematikproblem er en stærk overskrift Det tiltrækker investorer talent og offentlig opmærksomhed Omhyggelig ærlig indramning får langt mindre dækning
Hvad er skaden ved lidt praleri
Det forvrænger den offentlige forståelse af både AI og matematik overskygger de involverede menneskelige forskere og kan vildlede beslutningstagere og finansieringskilder om, hvad AI faktisk kan gøre
Avancerede spørgsmål
