Kodėl protingiausias pasaulio matematikas nerimauja, kad dirbtinis intelektas problemas sprendžia per greitai

Dauguma žmonių mano, kad greitesni atsakymai lemia spartesnę pažangą. Aukštojo mokslo matematikos pasaulyje Terence Tao įžvelgia potencialią krizę. Fieldso medalio laimėtojas yra iškiliausias savo kartos matematikas. Neseniai jis įspėjo, kad dirbtinis intelektas sekina vaisingų, neišspręstų matematikos problemų atsargas. Dirbtinio intelekto (DI) laboratorijos, tokios kaip „OpenAI“ ir „Anthropic“, lenktyniauja siekdamos automatizuoti samprotavimą. Ši technologija dabar gali įveikti sudėtingą problemą tą pačią akimirką, kai žmogus pradeda prie jos dirbti.

Už žargono slypi tai, kad matematika yra ne tiek galutinis atsakymas, kiek nauji įrankiai, kuriuos žmonės sukuria tam atsakymui pasiekti. Istoriškai sudėtinga matematikos problema veikia kaip kalnas. Norėdami į jį įkopti, matematikai turi išrasti naują kopimo įrangą, virves ir technikas. Šie išradimai vėliau padeda visuomenei spręsti praktines problemas kriptografijos, fizikos ir informatikos srityse. Jei DI sraigtasparnis tiesiog išlaipina jus viršūnėje, jūs turite atsakymą, bet niekada nesukūrėte įrangos.

Silicio ekskavatoriaus greitis

Vidutiniam vartotojui matematika atrodo kaip galutinis produktas vadovėlyje. Tikrovėje matematika yra gyvas pramoninis projektas. Mokslininkai nustato konkrečias mūsų žinių spragas ir dešimtmečius bando jas užpildyti. T. Tao pastebi, kad DI šioje srityje tapo didelės spartos ekskavatoriumi. Ten, kur žmogus gali praleisti metus kasdamasis per teorinę kliūtį, didelis kalbos modelis, suporuotas su formalia įrodymų tikrinimo programa, kartais gali išvalyti kelią per kelias sekundes.

„OpenAI“ išleido savo „o1“ modelį, kad pademonstruotų posūkį link vidinio samprotavimo. Kitaip nei ankstesni pokalbių robotai, kurie spėliojo kitą žodį, šios naujesnės sistemos pagalvoja prieš kalbėdamos. Jos tikrina savo darbą pagal logikos dėsnius. „Anthropic“ nuėjo panašiu keliu su savo naujausiomis „Claude“ iteracijomis. Šie įrankiai ne tik rašo el. laiškus. Jie nustato trūkumus sudėtinguose įrodymuose, kurie nekito daugelį metų.

Šis greitis sukuria tiekimo grandinės problemą žmogaus intelektui. Matematikai pasikliauja nuolatiniu neišspręstų problemų srautu, kad parengtų naują studentų kartą. Jei DI akimirksniu išsprendžia visas vidutinio sunkumo ir sunkias problemas, naujų žmonių ekspertų mokymo erdvė išnyksta. Šis procesas palieka žmonėms tik neįmanomai sunkias problemas, kurių net DI negali įveikti. Atradimų vidurio kelias garuoja.

Kodėl atsakymas nėra sprendimas

Žvelgiant giliau, būdas, kuriuo DI sprendžia problemą, iš esmės skiriasi nuo to, kaip veikia žmogaus smegenys. DI gali naudoti grubios jėgos paiešką arba keistą statistinę koreliaciją įrodymui rasti. Jis pateikia įrodymą, tačiau tas įrodymas dažnai yra milijonai kodo eilučių. Joks žmogus negali jo perskaityti. Joks žmogus negali iš jo pasimokyti. Paprastai tariant, DI duoda mums auksą, bet paslepia žemėlapį į kasyklą.

T. Tao dabar ragina keisti tai, kaip bendruomenė vertina šiuos proveržius. Jis siūlo matematikams tam tikras problemas žymėti kaip „reikalaujančias analizės“. Šioje sistemoje vien tik DI pateiktas atsakymas vertas labai mažai. Kad gautų pripažinimą, sprendėjas privalo paaiškinti samprotavimus taip, kad žinios būtų perduotos kitiems žmonėms. Šiuo pokyčiu siekiama apsaugoti disciplinos edukacinę vertę.

Istoriškai garsiausios matematikos problemos buvo naudingos ne dėl jų atsakymų. Ferma paskutinei teoremai išspręsti prireikė 350 metų. Galutinis įrodymas buvo šimtų puslapių ilgio. Pats atsakymas – kad jokie trys teigiami sveikieji skaičiai a, b ir c netenkina konkrečios lygties, kai n yra didesnis už 2 – beveik neturi praktinio pritaikymo. Tačiau technikos, išrastos tam atsakymui pasiekti, dabar užtikrina kiekvieną kredito kortelės operaciją internete. Jei DI būtų tiesiog pareiškęs, kad atsakymas yra teisingas 1637 metais, šiandien galbūt neturėtume modernaus šifravimo.

Automatizuotos logikos rinkos pusė

Rinkos požiūriu šis vystymasis yra didžiulė technologijų konglomeratų pergalė. Tokios įmonės kaip „Google DeepMind“ domisi matematika ne tik dėl mokslo. Jos nori sukurti bendrosios paskirties samprotavimo variklį. Jei DI gali išspręsti matematikos uždavinį, kuriam reikia 20 logikos žingsnių, jis taip pat gali optimizuoti pasaulinį laivybos maršrutą arba valdyti elektros tinklą tobulu efektyvumu.

Tai sukuria nepastovią aplinką žinių darbuotojams. Mes judame iš skaičiavimo eros į patikros erą. Kasdieniame gyvenime jūsų darbas gali pasikeisti nuo paties darbo atlikimo iki automatizuotos sistemos darbo tikrinimo. Tai skamba lengviau, tačiau tam reikia gilesnių pamatinių žinių. Negalite patikrinti sprendimo, jei nesuprantate žaidimo taisyklių.

Praktiškai tai veikia tai, kaip mes mokome vaikus. Jei išmanusis telefonas gali išspręsti skaičiavimo uždavinį ir paaiškinti žingsnius, tų žingsnių įsiminimo vertė nukrenta iki nulio. Pedagogai dabar turi sutelkti dėmesį į klausimą „kodėl“, o ne „kaip“. Matome posūkį, kur gebėjimas užduoti teisingą klausimą yra vertingesnis už gebėjimą rasti atsakymą.

Ištuštėjusios disciplinos rizika

Žvelgiant plačiau, nerimaujama, kad matematika gali tapti „juodąja dėže“. Jei visą sudėtingą logiką patikėsime mašinoms, mūsų pačių protiniai raumenys atrofuosis. T. Tao įspėjimas yra raginimas siekti atsparumo. Jis nori užtikrinti, kad matematika išliktų į žmogų orientuota veikla. Tikslas yra išlaikyti žmogų procese ne kaip skaičiuotuvą, o kaip navigatorių.

Šiuo metu esame cikliškame technologijų diegimo etape. Pirmiausia mus stebina galimybės. Toliau suvokiame tų galimybių kainą. Galiausiai pritaikome savo sistemas, kad susitvarkytume su pokyčiais. Šiuo metu esame perėjime tarp nuostabos ir prisitaikymo. DI laboratorijos kas šešis mėnesius toliau leis greitesnius ir išmanesnius modelius. Problemų pasiūla toliau mažės.

Galų gale, matematikos vertė yra pastangos. Pastangos sukuria šalutinius poveikius, kurie varo mūsų šiuolaikinį pasaulį. Jei pašalinsime pastangas, galime nustoti kurti tuos šalutinius poveikius. Tai yra apčiuopiama rizika, kurią nurodo T. Tao. Mes kuriame pasaulį, kuriame žinome viską, bet suprantame labai mažai.

Ką tai reiškia jums

Esmė ta, kad intelekto apibrėžimas keičiasi. Vidutiniam vartotojui tai reiškia, kad jūsų kišenėje esantys įrankiai tampa pajėgesni už ekspertus, kuriuos anksčiau samdydavote. Tačiau šiems įrankiams trūksta tikslo ar konteksto pojūčio.

Pirma, tikėkitės pokyčių švietime. Mokyklos tikriausiai pereis prie egzaminų žodžiu arba prižiūrimų testų ant popieriaus, kad užtikrintų, jog mokiniai iš tikrųjų mokosi. Pasikliovimas skaitmeniniais namų darbais greičiausiai baigsis, nes DI padarė neįmanomą sąžiningą jų vertinimą.

Antra, jūsų pačių profesinė vertė priklausys nuo jūsų gebėjimo audituoti DI. Nesvarbu, ar dirbate buhalterijoje, teisėje ar inžinerijoje, mašina pateiks pirmąjį juodraštį. Jūsų darbas yra rasti tą vieną klaidą iš tūkstančio, kuri galėtų sukelti sisteminę nesėkmę.

Galiausiai, įvertinkite nematomą atradimų mechaniką. Už kiekvienos programėlės ir kiekvieno prietaiso slypi ilga išspręstų matematikos problemų grandinė. Jei tas problemas per greitai išspręs mašinos, žmogaus ryšys su mūsų pačių technologijomis taps neskaidrus. Smalsumas, kaip viskas veikia, nebėra tik hobis. Tai būtinas išgyvenimo įgūdis automatizuotame pasaulyje.

Šaltiniai:
University of California, Los Angeles Department of Mathematics
International Mathematical Union Fields Medal Archives
OpenAI Research Blog regarding o1 model series
Anthropic Technical Documentation for Claude 3.5 Sonnet
DeepMind AlphaProof and AlphaGeometry Technical Reports