È stata una settimana che ha lasciato i matematici sbalorditi. Subito dopo un'ondata di casi in cui l'intelligenza artificiale ha fatto avanzare il campo, OpenAI ha rivendicato una vittoria importante: il suo ultimo modello di IA aveva risolto un Problema del Millennio, un enigma con un premio di 1 milione di dollari che aveva lasciato perplessi gli esseri umani per decenni.
Il risultato non assomigliava per nulla a come vengono solitamente risolti i problemi matematici. Un'azienda privata del valore di quasi un trilione di dollari aveva scatenato 10.000 agenti—sistemi di IA che svolgono compiti da soli—sul problema. Il costo è stato stimato in 15 milioni di dollari.
Il percorso verso un'IA capace di matematica superumana è da tempo chiaro, ma risolvere un problema così significativo così rapidamente ha inviato onde d'urto attraverso il campo. I matematici si chiedono cosa resterà per loro se il lavoro in corso verrà spazzato via e rivendicato da altri, e come dovrebbero formare la prossima generazione quando anche i compiti più difficili possono essere risolti premendo un pulsante.
"Mi sento leggermente sotto shock," ha detto la Prof.ssa Colva Roney-Dougal, direttrice di matematica pura all'Università di St Andrews. In una recente conferenza pubblica, ha detto di credere che fosse improbabile che l'IA facesse qualcosa di straordinario presto. "Tre mesi dopo, mi sbagliavo completamente," dice. "Stiamo tutti aspettando di vedere cosa succede. Sta arrivando così velocemente."
Il Prof. David Silvester, matematico all'Università di Manchester, ha detto che il campo sembra "molto instabile" dato il ritmo del cambiamento. "Tutti i problemi matematici aperti potrebbero cadere con sufficienti risorse," ha detto. "Questo è irreversibile. Questo non cambierà."
Il Prof. James Robinson, matematico all'Università di Warwick, ha detto che i problemi difficili sono il carburante della matematica, guidando approcci creativi attraverso le generazioni. "È frustrante vedere queste grandi aziende tecnologiche bruciare questo carburante solo per potersi vantare di quanto sia fantastico il loro ultimo modello," ha detto. "Sembra una vanteria immatura da cortile di scuola su larga scala, sostenuta da miliardi di dollari e dal potenziale di danni ambientali significativi in un'epoca in cui il cambiamento climatico è probabilmente la più grande sfida che affrontiamo."
Una ragione per cui Silvester è entrato in matematica è stata l'emozione di risolvere un problema. Per molti matematici, sono le settimane, i mesi e gli anni spesi a girare intorno a un problema, scomporlo, provare un approccio dopo l'altro e non arrendersi mai che attrae. "Senza quello, la materia mi sembra completamente diversa," ha detto Silvester.
I matematici già dedicano molto tempo a verificare le dimostrazioni altrui. È stato questo tipo di revisione che ha trovato una lacuna nel lavoro di Andrew Wiles sull'Ultimo Teorema di Fermat nel 1993, spingendo a un anno di ulteriori sforzi per correggere il difetto. Silvester sospetta che i matematici potrebbero ritrovarsi a esaminare sempre più dimostrazioni buttate giù dall'IA. "È più come diventare un contabile, stai facendo revisione, stai controllando," ha detto.
Ci sono effetti a catena in tutto il campo. I matematici vengono assunti in base ai loro articoli pubblicati, ma problemi su cui hanno lavorato per mesi potrebbero ora essere risolti dall'IA in giorni. "C'è un vero senso di 'Potrei passare il prossimo mese a pensare a qualcosa e qualcun altro lo fa premendo un pulsante,'" dice Roney-Dougal. "È orribile, e penso che sarà orribile per alcuni anni."
È anche un grattacapo per l'insegnamento agli studenti universitari. Le università assegnano regolarmente agli studenti problemi e quiz da svolgere a casa. Quel tipo di lavoro di corso ora è morto. "Non ha senso farlo perché non possiamo garantire la sua autenticità," dice Silvester. I docenti ora devono dire agli studenti di non usare l'IA per alcuni problemi, assicurandosi allo stesso tempo che possano usarla per altri: dopotutto, la matematica assistita dall'IA è il futuro.
Nonostante tutto il tumulto, il Prof. Alexander Paseau, che studia la filosofia della matematica all'Università di Oxford, crede che la matematica non perderà molto del suo fascino. "La sfida rimane comunque, anche se l'IA alla fine diventerà migliore degli umani nella ricerca," ha detto. "Vorrai comunque capire la matematica da solo. E continueremo a goderne e ad apprezzarne la bellezza: il puro godimento e la bellezza di una dimostrazione matematica ci saranno sempre. L'IA non porterà via nulla di tutto ciò."
Gran parte della matematica dell'IA non risolve problemi da zero ma si basa sul lavoro umano, ha aggiunto. Il risultato di OpenAI, per esempio, si è basato pesantemente sul lavoro dei matematici di Madrid Diego Córdoba e Luis Martinez-Zoroa.
Il lavoro di OpenAI descriveva una soluzione al problema di Navier-Stokes, che coinvolge equazioni che prevedono come si comportano i fluidi, e persino il tempo. È uno dei sette Problemi del Millennio pubblicati dal Clay Mathematics Institute nel 2000. L'annuncio dell'azienda martedì ha portato a ulteriori preoccupazioni nella comunità. OpenAI ha messo al lavoro il suo ultimo modello dopo aver sentito voci che due Problemi del Millennio erano stati risolti da matematici. Il professor Tristan Buckmaster della New York University e Levent Alpöge di Anthropic stavano facendo lavoro correlato su Navier-Stokes e avevano usato i prodotti di OpenAI nel processo. Sospettavano che il modello di OpenAI avesse imparato dal loro lavoro in corso. Dopo un'indagine, OpenAI ha negato che fosse così.
Alcuni matematici sono ancora diffidenti, tuttavia. "La grande storia ora in matematica è che nessuno vuole condividere nulla," ha detto Buckmaster al Guardian. "La matematica oggi è diversa da com'era solo pochi giorni fa. Dobbiamo decidere cosa fare al riguardo."
Domande Frequenti
FAQ Vanteria Immatura da Cortile di Scuola Matematici a disagio per l'ultima conquista di OpenAI
Domande per principianti
Cosa significa qui vanteria immatura da cortile di scuola
È una frase che i critici usano quando le aziende di IA si vantano di aver risolto problemi difficili in un modo che sembra bambini che dicono mio papà può picchiare il tuo più una questione di attirare attenzione che di far avanzare la vera comprensione
Cosa ha fatto effettivamente OpenAI
OpenAI ha annunciato che uno dei suoi modelli di IA ha aiutato a risolvere o contribuito a un problema aperto di lunga data in matematica I matematici hanno risposto con un misto di interesse e irritazione
Perché i matematici sono arrabbiati
Non perché l'IA abbia aiutato con la matematica ma per come è stato annunciato il risultato Molti sentono che l'inquadratura abbia esagerato il ruolo dell'IA abbia saltato i contributi umani e abbia trasformato una ricerca seria in uno stunt pubblicitario
L'IA ha davvero risolto un problema matematico da sola
Di solito no Nella maggior parte dei casi come questo l'IA ha generato idee candidate o dimostrazioni parziali e i matematici umani hanno verificato raffinato e completato il lavoro
È solo hype o sta succedendo qualcosa di reale
Entrambi L'IA può genuinamente assistere nell'esplorazione matematica ma gli annunci spesso sopravvalutano ciò che è accaduto
Domande intermedie
Qual è la differenza tra una dimostrazione e una dimostrazione candidata
Una dimostrazione è un argomento completo e logicamente ineccepibile che altri matematici possono verificare Una dimostrazione candidata è un argomento proposto che deve ancora essere controllato potrebbe avere lacune errori o assunzioni nascoste
Perché la verifica conta così tanto in matematica
La matematica è costruita sulla certezza Un risultato non viene accettato finché gli esperti non possono controllare ogni passaggio L'output dell'IA che sembra una dimostrazione non è la stessa cosa di una dimostrazione
Qual è un esempio concreto di questo schema
Quando AlphaGeometry di DeepMind e successivamente altri sistemi hanno affrontato problemi di geometria i risultati erano reali ma ristretti i sistemi erano addestrati su tipi specifici di problemi La copertura mediatica spesso confondeva quella distinzione
Perché le aziende inquadrano i risultati matematici dell'IA in modo così drammatico
Perché l'IA risolve un problema matematico irrisolto è un titolo potente Attira investitori talenti e attenzione pubblica Un'inquadratura accurata e onesta ottiene molta meno copertura
Qual è il danno in un po' di vanteria
Distorce la comprensione pubblica sia dell'IA che della matematica oscura i ricercatori umani coinvolti e può fuorviare politici e finanziatori su ciò che l'IA può effettivamente fare
Domande avanzate
