Det var en uke som etterlot matematikere lamslått. Rett etter en bølge av tilfeller der kunstig intelligens førte feltet fremover, hevdet OpenAI en stor seier: deres nyeste AI-modell hadde løst et Millenniumsprisproblem, en gåte med en premie på 1 million dollar som hadde forbløffet mennesker i tiår.
Bragden så ikke ut som hvordan matematiske problemer vanligvis løses. Et privat selskap verdt nesten en billion dollar hadde sluppet løs 10 000 agenter – AI-systemer som utfører oppgaver på egen hånd – på problemet. Kostnaden ble anslått til 15 millioner dollar.
Veien mot AI som er i stand til overmenneskelig matematikk har lenge vært klar, men å løse et så betydningsfullt problem så raskt sendte sjokkbølger gjennom feltet. Matematikere spør hva som vil være igjen for dem hvis pågående arbeid blir feid opp og krevd av andre, og hvordan de skal utdanne neste generasjon når selv de vanskeligste oppgavene kan løses med et knappetrykk.
«Jeg føler meg litt sjokkert,» sa professor Colva Roney-Dougal, leder for ren matematikk ved University of St Andrews. På et nylig offentlig foredrag sa hun at hun mente det var usannsynlig at AI ville gjøre noe bemerkelsesverdig snart. «Tre måneder senere tar jeg fullstendig feil,» sier hun. «Vi venter alle bare på å se hva som skjer. Det kommer så fort.»
Professor David Silvester, en matematiker ved University of Manchester, sa at feltet føles «svært ustabilt» gitt endringstakten. «Alle de åpne matematiske problemene kan falle med nok ressurser,» sa han. «Dette er irreversibelt. Dette kommer ikke til å endre seg.»
Professor James Robinson, en matematiker ved University of Warwick, sa at vanskelige problemer er matematikkens drivstoff, og driver kreative tilnærminger på tvers av generasjoner. «Det er frustrerende å se disse store teknologiselskapene brenne opp dette drivstoffet bare for å kunne skryte av hvor fantastisk deres nyeste modell er,» sa han. «Det virker som umoden skolegårdsskryt i stor skala, støttet av milliarder av dollar og potensialet for betydelig miljøskade i en tid da klimaendringer sannsynligvis er den største utfordringen vi står overfor.»
En grunn til at Silvester gikk inn i matematikk var spenningen ved å knekke et problem. For mange matematikere er det ukene, månedene og årene brukt på å kretse rundt et problem, bryte det ned, prøve én tilnærming etter den andre, og aldri gi opp, som appellerer. «Uten det virker faget helt annerledes for meg,» sa Silvester.
Matematikere bruker allerede betydelig tid på å verifisere hverandres bevis. Det var denne typen gjennomgang som fant et hull i Andrew Wiles' arbeid med Fermats siste teorem i 1993, noe som førte til et år med ytterligere innsats for å rette feilen. Silvester mistenker at matematikere kan komme til å granske stadig flere bevis som AI har klasket sammen. «Det er mer som å bli regnskapsfører, du reviderer, du sjekker,» sa han.
Det er ringvirkninger i hele feltet. Matematikere ansettes basert på publiserte artikler, men problemer de har jobbet med i månedsvis kan nå løses av AI i løpet av dager. «Det er en reell følelse av 'Jeg kunne brukt neste måned på å tenke på noe, og noen andre gjør det ved å trykke på en knapp,'» sier Roney-Dougal. «Det er forferdelig, og jeg tror det kommer til å være forferdelig i noen år.»
Det er også en hodepine for undervisning av studenter. Universiteter gir rutinemessig studenter problemer og quizer å jobbe med hjemme. Den typen kursarbeid er nå dødt. «Det er ingen vits i å gjøre det fordi vi kan ikke garantere autentisiteten,» sier Silvester. Forelesere må nå fortelle studenter at de ikke skal bruke AI til noen problemer, samtidig som de sørger for at de kan bruke det til andre: tross alt er AI-assistert matematikk fremtiden.
Til tross for all omveltningen, mener professor Alexander Paseau, som studerer matematikkens filosofi ved University of Oxford, at matematikk ikke vil miste mye av sin appell. «Utfordringen vil fortsatt bestå, selv om AI til slutt blir bedre enn mennesker til forskning,» sa han. «Du vil fortsatt ønske å forstå matematikken selv. Og vi vil fortsatt nyte det og sette pris på skjønnheten: den rene gleden og skjønnheten ved et matematisk bevis vil alltid være der. AI vil ikke ta noe av det bort.»
Mye av AI-ens matematikk løser ikke problemer fra bunnen av, men bygger på menneskelig arbeid, la han til. OpenAIs gjennombrudd var for eksempel sterkt avhengig av arbeid av de Madrid-baserte matematikerne Diego Córdoba og Luis Martinez-Zoroa.
OpenAIs arbeid beskrev en løsning på Navier-Stokes-problemet, som involverer ligninger som forutsier hvordan væsker, og til og med været, oppfører seg. Det er ett av syv Millenniumsprisproblemer publisert av Clay Mathematics Institute i 2000. Selskapets kunngjøring på tirsdag har ført til ytterligere bekymringer i miljøet. OpenAI satte sin nyeste modell i arbeid etter å ha hørt rykter om at to Millennium-problemer var blitt løst av matematikere. Professor Tristan Buckmaster ved New York University og Levent Alpöge ved Anthropic jobbet med relatert arbeid om Navier-Stokes og hadde brukt OpenAIs produkter i prosessen. De mistenkte at OpenAIs modell hadde lært av deres pågående arbeid. Etter en undersøkelse benektet OpenAI at dette var tilfelle.
Noen matematikere er likevel fortsatt skeptiske. «Den store historien nå i matematikk er at ingen vil dele noe,» sa Buckmaster til Guardian. «Matematikk er annerledes i dag enn det var bare for noen dager siden. Vi må bestemme oss for hva vi skal gjøre med det.»
Ofte stilte spørsmål
FAQs Umoden skolegårdsskryt Matematikere urolige for OpenAIs nyeste erobring
Nybegynnerspørsmål
Hva betyr umoden skolegårdsskryt her
Det er et uttrykk kritikere bruker når AI-selskaper skryter av å løse vanskelige problemer på en måte som føles som barn som sier faren min kan banke faren din mer om å vinne oppmerksomhet enn å fremme reell forståelse
Hva gjorde OpenAI egentlig
OpenAI kunngjorde at en av deres AI-modeller hjalp til med å løse eller bidra til et langvarig åpent problem i matematikk Matematikere reagerte med en blanding av interesse og irritasjon
Hvorfor er matematikere opprørte
Ikke fordi AI hjalp til med matematikk men på grunn av hvordan resultatet ble kunngjort Mange føler at innrammingen overdriver AI-ens rolle hoppet over menneskelige bidrag og gjorde seriøs forskning til et PR-stunt
Løste AI-en virkelig et matematisk problem på egen hånd
Vanligvis nei I de fleste tilfeller som dette genererte AI-en kandidatideer eller delvise bevis og menneskelige matematikere verifiserte raffinerte og fullførte arbeidet
Er dette bare hype eller skjer det noe reelt
Begge deler AI kan genuint bistå med matematisk utforskning men kunngjøringene overdriver ofte hva som skjedde
Mellomliggende spørsmål
Hva er forskjellen mellom et bevis og et kandidatbevis
Et bevis er et fullstendig logisk vanntett argument som andre matematikere kan verifisere Et kandidatbevis er et foreslått argument som fortsatt trenger å sjekkes det kan ha hull feil eller skjulte antakelser
Hvorfor betyr verifisering så mye i matematikk
Matematikk er bygget på sikkerhet Et resultat aksepteres ikke før eksperter kan sjekke hvert steg AI-output som ser ut som et bevis er ikke det samme som et bevis
Hva er et konkret eksempel på dette mønsteret
Da DeepMinds AlphaGeometry og senere systemer taklet geometriproblemer var resultatene reelle men smale systemene ble trent på spesifikke problemtyper Mediedekning visket ofte ut den forskjellen
Hvorfor rammer selskaper inn AI-matematikkresultater så dramatisk
Fordi AI løser uløst matematisk problem er en kraftfull overskrift Det tiltrekker investorer talent og offentlig oppmerksomhet Forsiktig ærlig innramming får langt mindre dekning
Hva er skaden ved litt skryt
Det forvrenger offentlig forståelse av både AI og matematikk overskygger de menneskelige forskerne som er involvert og kan villede beslutningstakere og finansieringskilder om hva AI faktisk kan gjøre
Avanserte spørsmål
