«Mathocalypse»: Η OpenAI δημοσίευσε 722 μαθηματικές εργασίες και προκάλεσε σοκ στην επιστημονική κοινότητα

• Η OpenAI δημοσίευσε 722 μαθηματικές εργασίες που αφορούν 372 ανοιχτά προβλήματα, με τη βοήθεια ενός μη διαθέσιμου στο κοινό μοντέλου τεχνητής νοημοσύνης.
• Ορισμένες εργασίες περιλαμβάνουν ισχυρισμούς για σημαντική πρόοδο σε προβλήματα που απασχολούν τους μαθηματικούς εδώ και δεκαετίες, αλλά δεν έχουν όλες επιβεβαιωθεί ανεξάρτητα.
• Η μαζική δημοσίευση, που χαρακτηρίστηκε από ορισμένους επιστήμονες «Mathocalypse», αναζωπυρώνει τη συζήτηση για το μέλλον της μαθηματικής έρευνας και τον ρόλο του ανθρώπου.

Μια πρωτοφανής σε έκταση δημοσίευση μαθηματικών αποτελεσμάτων από την OpenAI προκαλεί ενθουσιασμό, αμφισβήτηση και έντονη ανησυχία στη διεθνή επιστημονική κοινότητα, φέρνοντας στο προσκήνιο ένα ερώτημα που μέχρι πρόσφατα έμοιαζε περισσότερο θεωρητικό: Μπορεί η τεχνητή νοημοσύνη να ξεπεράσει τους ανθρώπους ακόμη και στην παραγωγή νέας μαθηματικής γνώσης;

Στις 6 Οκτωβρίου, η εταιρεία δημοσίευσε μέσω του GitHub εκατοντάδες επιστημονικά κείμενα, τα οποία περιλαμβάνουν αποτελέσματα για 372 ανοιχτά μαθηματικά προβλήματα, από την άλγεβρα και τη γεωμετρία έως τη θεωρητική επιστήμη υπολογιστών.

Οι εργασίες δημιουργήθηκαν σε μεγάλο βαθμό από ένα προηγμένο εσωτερικό μοντέλο AI, το οποίο δεν έχει ακόμη κυκλοφορήσει στο ευρύ κοινό. Σύμφωνα με την OpenAI, στόχος της πρωτοβουλίας είναι να προωθήσει τα όρια της ανθρώπινης γνώσης και να συμβάλει στην περαιτέρω πρόοδο των μαθηματικών.

Ωστόσο, η τεράστια ποσότητα των δημοσιεύσεων, η ταχύτητα παραγωγής τους και οι αμφιβολίες για την ορθότητα ορισμένων αποτελεσμάτων έχουν πυροδοτήσει έντονες αντιδράσεις. Δεν είναι τυχαίο ότι η κίνηση χαρακτηρίστηκε από ορισμένους επιστήμονες ως «Mathocalypse», ένας συνδυασμός των λέξεων mathematics και apocalypse.

Από την υπόθεση Ρίμαν στα προβλήματα του ενός εκατομμυρίου

Ανάμεσα στις εκατοντάδες εργασίες περιλαμβάνονται ισχυρισμοί για σημαντική πρόοδο σε ορισμένα από τα δυσκολότερα προβλήματα της σύγχρονης μαθηματικής επιστήμης.

Ξεχωρίζουν η περίφημη υπόθεση Ρίμαν, η οποία συνδέεται με την κατανομή των πρώτων αριθμών, και η εικασία Birch–Swinnerton-Dyer, ένα εξαιρετικά σύνθετο πρόβλημα της θεωρίας αριθμών.

Και τα δύο περιλαμβάνονται στα επτά περίφημα Millennium Prize Problems του Clay Mathematics Institute, για καθένα από τα οποία έχει προβλεφθεί χρηματικό έπαθλο 1 εκατ. δολαρίων σε περίπτωση αναγνωρισμένης λύσης.

Η παρουσία τέτοιων προβλημάτων στη δημοσίευση της OpenAI έχει προκαλέσει ιδιαίτερο ενδιαφέρον. Αυτό, ωστόσο, δεν σημαίνει ότι τα συγκεκριμένα μαθηματικά αινίγματα έχουν λυθεί οριστικά.

Για να αναγνωριστεί μια μαθηματική απόδειξη, πρέπει να εξεταστεί σχολαστικά από ανεξάρτητους ειδικούς, διαδικασία που μπορεί να διαρκέσει μήνες ή ακόμη και χρόνια.

Οι πρώτες ανακλήσεις και τα λάθη

Η αμφισβήτηση δεν αφορά μόνο τον τρόπο δημοσίευσης των αποτελεσμάτων, αλλά και την ίδια την ποιότητά τους.

Σύμφωνα με το ιστορικό αλλαγών του αποθετηρίου της OpenAI, τρεις εργασίες αποσύρθηκαν εξαιτίας ενός στοιχειώδους λάθους, ενώ αρκετές άλλες τροποποιήθηκαν όταν εντοπίστηκαν προβλήματα που επηρέαζαν την εγκυρότητα των αρχικών αποτελεσμάτων.

Τα περιστατικά αυτά ενισχύουν τις ανησυχίες ότι η διαδικασία ελέγχου πριν από τη δημοσίευση δεν ήταν επαρκής.

Παράλληλα, μαθηματικοί έχουν επισημάνει ότι ορισμένα από τα κείμενα είναι τόσο δυσνόητα ώστε καθίσταται εξαιρετικά δύσκολη η αξιολόγησή τους.

Αυτό δημιουργεί ένα νέο πρόβλημα: ακόμη κι αν η τεχνητή νοημοσύνη μπορεί να παράγει σημαντικές αποδείξεις, η επιστημονική τους αξία εξαρτάται και από το κατά πόσο οι άνθρωποι μπορούν να τις κατανοήσουν, να τις ελέγξουν και να τις αξιοποιήσουν.

Μπορούν οι μηχανές να ελέγχουν τις αποδείξεις άλλων μηχανών;

Μία από τις απαντήσεις που προτείνει η OpenAI αφορά τη χρήση συστημάτων τυπικής επαλήθευσης, όπως το Lean.

Πρόκειται για ένα εργαλείο που επιτρέπει τη μετατροπή μαθηματικών αποδείξεων σε μορφή την οποία μπορεί να ελέγξει υπολογιστής, εξετάζοντας τη λογική εγκυρότητα κάθε βήματος.

Η εταιρεία αναφέρει ότι έχει ήδη μετατρέψει εκατοντάδες από τα βασικά αποτελέσματα σε τέτοια μορφή, επιδιώκοντας να ενισχύσει την εμπιστοσύνη στην ορθότητά τους.

Ωστόσο, ακόμη και αυτή η μέθοδος δεν λύνει αυτόματα όλα τα προβλήματα.

Η διαδικασία αυτόματης μετατροπής μιας μαθηματικής απόδειξης σε γλώσσα υπολογιστή μπορεί να περιέχει σφάλματα ή να αποτυπώνει διαφορετική πρόταση από εκείνη που αρχικά επιχειρούσε να αποδείξει ο ερευνητής.

Επομένως, η μαθηματική κοινότητα καλείται να αξιολογήσει όχι μόνο τις ίδιες τις αποδείξεις, αλλά και τον τρόπο με τον οποίο πραγματοποιήθηκε η τυπική επαλήθευσή τους.

Η προηγούμενη διαμάχη για το πρόβλημα Navier–Stokes

Η νέα δημοσίευση έρχεται λίγες εβδομάδες μετά από μια άλλη αμφιλεγόμενη ανακοίνωση της OpenAI.

Τον Σεπτέμβριο, η εταιρεία παρουσίασε μια λύση για περίπτωση του προβλήματος Navier–Stokes, το οποίο επίσης ανήκει στα περίφημα Millennium Prize Problems.

Η ανακοίνωση προκάλεσε αντιπαράθεση γύρω από την αναγνώριση της επιστημονικής συνεισφοράς και τον τρόπο αξιοποίησης προηγούμενης ερευνητικής δουλειάς.

Οι μαθηματικοί Τρίσταν Μπάκμαστερ (Tristan Buckmaster) και Λεβέντ Αλπόγκε (Levent Alpöge) υποστήριξαν ότι η OpenAI είχε αποκτήσει πρόσβαση σε δικά τους ερευνητικά δεδομένα και είχε αξιοποιήσει ιδέες τους, χρησιμοποιώντας στη συνέχεια υπολογιστικούς πόρους αξίας περίπου 15 εκατ. δολαρίων για την αναζήτηση λύσης.

Η OpenAI αρνήθηκε τις συγκεκριμένες κατηγορίες.

Η υπόθεση ανέδειξε ένα ευρύτερο ζήτημα: ποιος δικαιούται την αναγνώριση όταν η τεχνητή νοημοσύνη παράγει νέα αποτελέσματα αξιοποιώντας υπάρχουσα επιστημονική γνώση;

Το μεγάλο στοίχημα της γενικής τεχνητής νοημοσύνης

Πέρα από την επιστημονική διάσταση, η μαζική δημοσίευση των μαθηματικών αποτελεσμάτων έχει και ιδιαίτερη τεχνολογική σημασία.

Η ικανότητα ενός συστήματος AI να επιλύει σύνθετα, ανοιχτά μαθηματικά προβλήματα θεωρείται από αρκετούς ερευνητές σημαντική ένδειξη προόδου προς τη Γενική Τεχνητή Νοημοσύνη (AGI).

Πρόκειται για την υποθετική μορφή τεχνητής νοημοσύνης που θα μπορούσε να ανταγωνίζεται ή να ξεπερνά τις ανθρώπινες επιδόσεις σε ένα ευρύ φάσμα γνωστικών εργασιών.

Τα μαθηματικά αποτελούν ιδιαίτερα απαιτητικό πεδίο, καθώς η επίλυση νέων προβλημάτων προϋποθέτει λογική συνέπεια, αφαιρετική σκέψη και την ικανότητα ανάπτυξης πρωτότυπων επιχειρημάτων.

Μια επιβεβαιωμένη πρόοδος σε αυτόν τον τομέα θα μπορούσε να ενισχύσει σημαντικά την εικόνα των δυνατοτήτων των πιο προηγμένων μοντέλων AI.

Παράλληλα, η εξέλιξη αυτή αποκτά ιδιαίτερο ενδιαφέρον και για την οικονομική προοπτική της OpenAI, σε μια περίοδο κατά την οποία συζητείται η πιθανότητα εισαγωγής της στο χρηματιστήριο και εκτιμήσεις για αποτίμηση που θα μπορούσε να φτάσει έως και τα 1,4 τρισ. δολάρια.

Ωστόσο, η επίδοση στα μαθηματικά δεν αρκεί από μόνη της για να αποδείξει ότι ένα μοντέλο έχει φτάσει στο επίπεδο της AGI.

Ενθουσιασμός και φόβος για το μέλλον των μαθηματικών

Οι αντιδράσεις στη μαθηματική κοινότητα είναι έντονα διχασμένες.

Ορισμένοι ερευνητές θεωρούν ότι η δυνατότητα παραγωγής τόσο μεγάλου αριθμού νέων αποτελεσμάτων μπορεί να σηματοδοτεί μια ιστορική καμπή για την επιστήμη.

Άλλοι εκφράζουν ανησυχία για την ταχύτητα με την οποία δημοσιεύονται εργασίες που δεν έχουν ακόμη αξιολογηθεί διεξοδικά.

Ένα από τα βασικά ερωτήματα είναι ποιος θα αναλάβει τον έλεγχο εκατοντάδων ιδιαίτερα σύνθετων αποδείξεων.

Η διαδικασία της επιστημονικής αξιολόγησης απαιτεί χρόνο και εξειδικευμένη γνώση. Εάν τα συστήματα AI αρχίσουν να παράγουν χιλιάδες νέες εργασίες σε ελάχιστο χρονικό διάστημα, ο φόρτος ελέγχου θα μπορούσε να ξεπεράσει τις δυνατότητες της ερευνητικής κοινότητας.

Ιδιαίτερη ανησυχία υπάρχει και για τους νέους μαθηματικούς, οι οποίοι ενδέχεται να δουν ερευνητικά προβλήματα πάνω στα οποία εργάζονται επί χρόνια να επιλύονται από ένα σύστημα τεχνητής νοημοσύνης σε πολύ μικρότερο χρονικό διάστημα.

Αυτό θα μπορούσε να αλλάξει τον τρόπο με τον οποίο αξιολογείται η επιστημονική συνεισφορά, αλλά και τις επαγγελματικές προοπτικές όσων επιλέγουν ακαδημαϊκή καριέρα στα μαθηματικά.

Μια νέα εποχή για την επιστημονική ανακάλυψη;

Η OpenAI υποστηρίζει ότι επιδιώκει να συμβάλει στην πρόοδο της μαθηματικής επιστήμης και έχει ανακοινώσει σχέδια για τη χρηματοδότηση εργαστηρίων, συνεδρίων και άλλων πρωτοβουλιών που θα βοηθήσουν στην κατανόηση σημαντικών αποτελεσμάτων της AI.

Παράλληλα, αναγνωρίζει την ανάγκη βελτίωσης της παρουσίασης, της τεκμηρίωσης και της διαδικασίας δημοσίευσης μελλοντικών εργασιών.

Το μεγάλο ερώτημα, όμως, παραμένει αναπάντητο.

Η τεχνητή νοημοσύνη μπορεί πλέον να παράγει μαθηματικές ανακαλύψεις με ταχύτητα που οι άνθρωποι δυσκολεύονται να παρακολουθήσουν. Αυτό δεν σημαίνει ότι κάθε αποτέλεσμα είναι σωστό ή ότι η ανθρώπινη συμβολή καθίσταται περιττή.

Η ουσιαστική πρόκληση είναι να δημιουργηθεί ένα επιστημονικό πλαίσιο στο οποίο η υπολογιστική ισχύς των μοντέλων θα συνδυάζεται με την ανθρώπινη κρίση, τη διαφάνεια και τον ανεξάρτητο έλεγχο.

Και αυτή η συζήτηση ενδέχεται να αποδειχθεί εξίσου σημαντική με τις ίδιες τις μαθηματικές ανακαλύψεις.

ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:

• Πότε φορολογούνται τα κέρδη από κρυπτονομίσματα – Το νέο πλαίσιο
• Οι αμυντικές πωλήσεις 4 δισ., ο Κάθετος Διάδρομος και η εξίσωση του GSI – Τι… άφησε η επίσκεψη Ρούμπιο
• «Κουμπαράς» για παιδιά: Πώς θα λειτουργεί – Τι αλλάζει για τις οικογένειες
• Πού χρωστά το Δημόσιο: Τα νοσοκομεία, τα ασφαλιστικά ταμεία και οι επιστροφές φόρων