Kāpēc pasaules gudrākais matemātiķis uztraucas, ka MI atrisina problēmas pārāk ātri

Lielākā daļa cilvēku uzskata, ka ātrākas atbildes noved pie ātrāka progresa. Augstākā līmeņa matemātikas pasaulē Terenss Tao saskata potenciālu krīzi. Fīldsa prēmijas laureāts ir savas paaudzes izcilākais matemātiķis. Viņš nesen brīdināja, ka mākslīgais intelekts izsmeļ auglīgo, atvērto matemātikas problēmu krājumus. MI laboratorijas, piemēram, OpenAI un Anthropic, sacenšas par spriešanas automatizāciju. Šī tehnoloģija tagad var "saplacināt" sarežģītu problēmu brīdī, kad cilvēks sāk pie tās strādāt.

Aiz žargona matemātika ir mazāk par galīgo atbildi un vairāk par jaunajiem rīkiem, ko cilvēki rada, lai sasniegtu šo atbildi. Vēsturiski sarežģīta matemātikas problēma darbojas kā kalns. Lai tajā uzkāptu, matemātiķiem ir jāizgudro jauns kāpšanas aprīkojums, virves un tehnikas. Šie izgudrojumi pēc tam palīdz sabiedrībai risināt praktiskas problēmas kriptogrāfijā, fizikā un datorzinātnēs. Ja MI helikopters jūs vienkārši nomet virsotnē, jums ir atbilde, bet jūs nekad neesat izveidojis aprīkojumu.

Silīcija ekskavatora ātrums

Vidējam lietotājam matemātika šķiet kā gatavs produkts mācību grāmatā. Realitātē matemātika ir dzīvs industriāls projekts. Pētnieki identificē konkrētus robus mūsu zināšanās un pavada gadu desmitus, mēģinot tos pārvarēt. Tao novēro, ka MI šajā jomā ir kļuvis par ātrgaitas ekskavatoru. Tur, kur cilvēks varētu pavadīt gadus, rokoties cauri teorētiskam šķērslim, liels valodas modelis pārī ar formālu pierādījumu pārbaudītāju dažkārt var atbrīvot ceļu dažu sekunžu laikā.

OpenAI izlaida savu o1 modeli, lai demonstrētu pāreju uz iekšējo spriešanu. Atšķirībā no iepriekšējiem tērzēšanas robotiem, kas uzminēja nākamo vārdu, šīs jaunākās sistēmas domā pirms runāšanas. Tās pārbauda savu darbu pret loģikas likumiem. Anthropic ir gājis līdzīgu ceļu ar savām jaunākajām Claude iterācijām. Šie rīki vairs nav tikai e-pastu rakstīšanai. Tie identificē trūkumus sarežģītos pierādījumos, kas pastāvējuši gadiem ilgi.

Šis ātrums rada piegādes ķēdes problēmu cilvēka intelektam. Matemātiķi paļaujas uz stabilu neatrisinātu problēmu plūsmu, lai apmācītu nākamo studentu paaudzi. Ja MI uzreiz atrisina visas vidēji sarežģītās un grūtās problēmas, jauno cilvēku ekspertu apmācības lauks pazūd. Šis process atstāj cilvēkiem tikai neiespējami grūtas problēmas, kurām pat MI nevar pieskarties. Atklājumu vidusceļš izgaist.

Kāpēc atbilde nav risinājums

Būtībā veids, kā MI atrisina problēmu, fundamentāli atšķiras no tā, kā darbojas cilvēka smadzenes. MI var izmantot brutāla spēka meklēšanu vai dīvainu statistisko korelāciju, lai atrastu pierādījumu. Tas sniedz pierādījumu, bet pierādījums bieži vien ir miljoniem rindu garš kods. Neviens cilvēks nevar to izlasīt. Neviens cilvēks nevar no tā mācīties. Vienkāršoti sakot, MI iedod mums zeltu, bet paslēpj karti uz raktuvēm.

Tao tagad aicina mainīt to, kā kopiena vērtē šos sasniegumus. Viņš ierosina, ka matemātiķiem noteiktas problēmas būtu jāmarķē kā tādas, kurām nepieciešama analīze. Šādā sistēmā plika MI atbilde nozīmē ļoti maz. Lai saņemtu atzinību, risinātājam ir jāpaskaidro spriedums tādā veidā, kas nodod zināšanas citiem cilvēkiem. Šīs pārmaiņas mērķis ir aizsargāt disciplīnas izglītojošo vērtību.

Vēsturiski slavenākās matemātikas problēmas nebija noderīgas to atbilžu dēļ. Fermā pēdējās teorēmas atrisināšana prasīja 350 gadus. Galīgais pierādījums bija simtiem lappušu garš. Pašai atbildei — ka neviens trīs veselu skaitļu a, b un c komplekts neapmierina konkrētu vienādojumu, ja n ir lielāks par 2 — gandrīz nav praktiska pielietojuma. Tomēr metodes, kas tika izgudrotas, lai sasniegtu šo atbildi, tagad nodrošina katru kredītkartes darījumu internetā. Ja MI 1637. gadā būtu vienkārši paziņojis, ka atbilde ir patiesa, mums šodien varētu nebūt modernas šifrēšanas.

Automatizētās loģikas tirgus puse

Tirgus pusē šī attīstība ir milzīga uzvara tehnoloģiju konglomerātiem. Uzņēmumi kā Google DeepMind nav ieinteresēti matemātikā tikai zinātnes dēļ. Tie vēlas izveidot vispārēja lietojuma spriešanas dzinēju. Ja MI var atrisināt matemātikas problēmu, kurai nepieciešami 20 loģikas soļi, tas var arī optimizēt globālu piegādes maršrutu vai pārvaldīt energotīklu ar perfektu efektivitāti.

Tas rada nestabilu vidi zināšanu darbiniekiem. Mēs pārejam no aprēķinu ēras uz pārbaudes ēru. Ikdienas dzīvē jūsu darbs var mainīties no darba veikšanas uz automatizētas sistēmas darba pārbaudi. Tas izklausās vieglāk, taču prasa dziļāku pamatzināšanu līmeni. Jūs nevarat pārbaudīt risinājumu, ja nesaprotat spēles noteikumus.

Praktiski runājot, tas ietekmē to, kā mēs mācām bērnus. Ja viedtālrunis var atrisināt rēķinu uzdevumu un izskaidrot soļus, šo soļu iegaumēšanas vērtība nokrītas līdz nullei. Pedagogiem tagad jākoncentrējas uz "kāpēc", nevis "kā". Mēs novērojam pāreju, kur spēja uzdot pareizo jautājumu ir vērtīgāka par spēju atrast atbildi.

Iztukšotas disciplīnas risks

Raugoties plašāk, pastāv bažas, ka matemātika varētu kļūt par "melno kasti". Ja mēs visu sarežģīto loģiku uzticēsim mašīnām, mūsu pašu garīgie muskuļi atrofēsies. Tao brīdinājums ir aicinājums uz izturību. Viņš vēlas nodrošināt, lai matemātika paliktu uz cilvēku orientēts darbs. Mērķis ir saglabāt cilvēku procesā nevis kā kalkulatoru, bet kā navigatoru.

Mēs pašlaik atrodamies cikliskā tehnoloģiju pieņemšanas fāzē. Vispirms mēs esam pārsteigti par spējām. Pēc tam mēs saprotam šo spēju cenu. Visbeidzot mēs pielāgojam savas sistēmas, lai tiktu galā ar izmaiņām. Šobrīd mēs esam pārejā starp pārsteigumu un pielāgošanos. MI laboratorijas turpinās izlaist ātrākus un viedākus modeļus ik pēc sešiem mēnešiem. Problēmu krājumi turpinās sarukt.

Galu galā matemātikas vērtība ir cīņa. Cīņa rada blakusparādības, kas darbina mūsu moderno pasauli. Ja mēs noņemam cīņu, mēs varam pārstāt radīt blakusparādības. Tas ir taustāmais risks, ko identificē Tao. Mēs būvējam pasauli, kurā mēs zinām visu, bet saprotam ļoti maz.

Ko tas nozīmē jums

Būtība ir tāda, ka intelekta definīcija mainās. Vidējam patērētājam tas nozīmē, ka rīki jūsu kabatā kļūst spējīgāki par ekspertiem, kurus jūs kādreiz algojāt. Tomēr šiem rīkiem trūkst mērķtiecības vai konteksta izjūtas.

Pirmkārt, sagaidiet pārmaiņas izglītībā. Skolas, visticamāk, pāries uz mutiskiem eksāmeniem vai uzraudzītiem, uz papīra balstītiem testiem, lai pārliecinātos, ka studenti tiešām mācās. Paļaušanās uz digitālajiem mājasdarbiem, visticamāk, beigsies, jo MI ir padarījis neiespējamu godīgu vērtēšanu.

Otrkārt, jūsu pašu profesionālā vērtība būs atkarīga no jūsu spējas auditēt MI. Neatkarīgi no tā, vai strādājat grāmatvedībā, tiesībās vai inženierzinātnēs, mašīna sagatavos pirmo melnrakstu. Jūsu uzdevums ir atrast to vienu kļūdu no tūkstoša, kas varētu izraisīt sistēmisku kļūmi.

Visbeidzot, novērtējiet neredzamo atklājumu mehāniku. Aiz katras lietotnes un katra sīkrīka slēpjas gara atrisinātu matemātikas problēmu ķēde. Ja šīs problēmas pārāk ātri atrisina mašīnas, cilvēka saikne ar mūsu pašu tehnoloģijām kļūst nepārredzama. Saglabāt zinātkāri par to, kā lietas darbojas, vairs nav tikai hobijs. Tā ir nepieciešama izdzīvošanas prasme automatizētā pasaulē.

Avoti:
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