Ο Terence Tao, ο μαθηματικός του UCLA και κάτοχος του μεταλλίου Fields που συχνά περιγράφεται ως ένας από τους καλύτερους εν ζωή μαθηματικούς, έχει εκδώσει μια προειδοποίηση σχετικά με το τι κάνει η τεχνητή νοημοσύνη στη μαθηματική έρευνα: το απόθεμα των καλών ανοιχτών προβλημάτων "εξορύσσεται με μη ανανεώσιμο τρόπο" και ο εντοπισμός αξιόλογων προβλημάτων - όχι η λύση τους - γίνεται η πηγή του πεδίου. Γράφοντας σε ένα νήμα τεσσάρων τμημάτων για το Mathstodon τη Δευτέρα, ο Tao εξήγησε γιατί πιστεύει ότι η εποχή της τεχνητής νοημοσύνης μπορεί να ωθήσει τους μαθηματικούς προς τη μυστικότητα, αντιστρέφοντας αιώνες ανοιχτής επιστημονικής ανταλλαγής. Για περισσότερα σχετικά με το μέτωπο της έρευνας, ακολουθήστε την πιο πρόσφατη Ερευνητική κάλυψη AI στην αρχική μας σελίδα.
Ένας ωκεανός προβλημάτων, έλλειψη πόσιμου νερού
Το επιχείρημα του Tao ξεκινά με ένα παράδοξο. Το σύνολο των πιθανών μαθηματικών προβλημάτων είναι άπειρο, επομένως η σπανιότητα ακούγεται παράλογη. Αλλά η ποσότητα δεν είναι το θέμα - η ποιότητα είναι. Ο καθένας μπορεί να δημιουργήσει ατελείωτα ανοιχτά προβλήματα κατά βούληση, σημείωσε ο Tao, όπως ο υπολογισμός του 10^10^10ου ψηφίου του pi. Η συντριπτική πλειονότητα είναι άχρηστη: «δεν δείχνουν ιδιαίτερη τάση να αποκαλύπτουν περαιτέρω γνώσεις ή συνδέσεις με άλλα ερωτήματα».
«Μια χώρα ή περιοχή μπορεί να υποφέρει από κρίσιμη έλλειψη πόσιμου νερού ενώ ταυτόχρονα περιβάλλεται από έναν τεράστιο ωκεανό», έγραψε.
Το να αποφασιστεί ποια προβλήματα αξίζουν προσοχής, υποστήριξε, είναι «μια μακρά, σκόπιμη και υποκειμενική διαδικασία», που βασίζεται στην ιστορική εμπειρία με το τι παρήγαγε στην πραγματικότητα η προηγούμενη εργασία σε παρόμοια προβλήματα. Κεντρικό σε αυτή την κρίση είναι αυτό που ο Τάο αποκαλεί «τοπίο δυσκολίας» — γνωρίζοντας ποιες ερωτήσεις μπορούν να απαντήσουν εύκολα οι τρέχουσες μέθοδοι, που απαιτούν πραγματική προσπάθεια και ποιες είναι αδύνατες, επειδή τα ενδιαφέροντα προβλήματα τείνουν να ζουν στα όρια.
Η τεχνητή νοημοσύνη ισοπεδώνει το τοπίο δυσκολίας
Αυτό το τοπίο είναι ακριβώς αυτό που σβήνει η τεχνητή νοημοσύνη. Τα εργαλεία τεχνητής νοημοσύνης έχουν «ισοπεδώσει το τοπίο δυσκολίας τώρα σε πολλούς τομείς του θέματος», έγραψε ο Tao, «καταστρέφοντας έτσι την ικανότητα εντοπισμού πολλά υποσχόμενων νέων προβλημάτων σε αυτήν την περιοχή». Ακόμη χειρότερα, δεν υπάρχει σταθερή σήμανση συνόρων όπου τελειώνει η ικανότητα τεχνητής νοημοσύνης: η τεχνολογία αλλάζει πολύ γρήγορα και — σε ένα αιχμηρό τρύπημα — ο Tao κατηγόρησε την ασάφεια των ορίων εν μέρει στην «άρνηση των εταιρειών τεχνητής νοημοσύνης να αποκαλύψουν τα αρνητικά τους αποτελέσματα ή να αποκαλύψουν τη διαδικασία για την απόκτηση των λύσεών τους».
Το αποτέλεσμα, σύμφωνα με τον Τάο, είναι μια δυναμική κούρσας που έχει δει άμεσα: «ακόμα και η φήμη ότι κάποιος εργάζεται πάνω σε ένα πρόβλημα μπορεί να προκαλέσει μια τεράστια προσπάθεια με τεχνητή νοημοσύνη για να το ισοπεδώσει πριν το αρχικό ερευνητικό έργο προλάβει να αξιοποιήσει πλήρως τις δυνατότητές του».
Το πρόβλημα των κινήτρων της ανοιχτής επιστήμης
Εκεί η προειδοποίηση γίνεται δομική. Εάν η ανακοίνωση μιας ερευνητικής κατεύθυνσης προσκαλεί ένα σμήνος AI να το εξορύξει, οι μαθηματικοί μπορεί απλώς να σταματήσουν να ανακοινώνουν οτιδήποτε. «Τα κίνητρα μπορεί τώρα να δείχνουν προς την κατεύθυνση να μην μοιραζόμαστε πλέον οποιεσδήποτε πολλά υποσχόμενες ερευνητικές κατευθύνσεις με την ευρύτερη κοινότητα», έγραψε ο Τάο – ένα αποτέλεσμα που σημείωσε ότι θα αντιστρέψει παράδοση αιώνων στην οποία τα μαθηματικά προχώρησαν μέσω ανοιχτής κοινής χρήσης προβλημάτων σε περιοδικά, σεμινάρια και διακομιστές προεκτύπωσης.
Η αδιάκριτη χρήση τεχνητής νοημοσύνης, υποστήριξε, αποφέρει βραχυπρόθεσμα κέρδη με μακροπρόθεσμο κόστος: επιλύει «προβλήματα στο χέρι, αλλά με κόστος διατήρησης του οικοσυστήματος για το επόμενο κύμα προόδου ή στην κατανόηση της προόδου που έχει ήδη επιτευχθεί».
Η πρόταση του Tao: Προσδιορίστε προβλήματα που αξίζει να λυθούν προσεκτικά
Ο Tao δεν προτείνει την απαγόρευση της τεχνητής νοημοσύνης από τα μαθηματικά - παραδέχεται ότι αυτό είναι μάλλον ανέφικτο. Αντίθετα, προτείνει στις κοινότητες να ορίσουν κατηγορίες προβλημάτων όπου η ίδια η διαδικασία λύσης έχει σημασία, έτσι ώστε μια ωμή απάντηση χωρίς ανάλυση των τεχνικών που χρησιμοποιούνται και χωρίς αυτά που αποκαλύπτει για κοντινά προβλήματα, θα αντιμετωπίζεται ως «αμελητέας ή και αρνητικής αξίας».
Η αναλογία του είναι οι σύγχρονες τράπεζες τροφίμων, οι οποίες δεν δέχονται πλέον αυθαίρετες δωρεές μόνο και μόνο επειδή είναι τεχνικά βρώσιμες, αντίθετα διατηρούν ρητά πρότυπα για το ποιες συνεισφορές είναι πραγματικά χρήσιμες.
Σε μια απάντηση σε έναν σχολιαστή, ο Tao πρόσθεσε μια σχετική παρατήρηση: οι παραδοσιακοί αυτοματοποιημένοι αποδεδειγμένοι θεωρήματα "δεν είναι πολύ καλοί στην απόδειξη θεωρημάτων", ένα πεδίο που κυριαρχείται από αυτό που ονόμασε "αυτόματους επαληθευτές θεωρημάτων" - η διαφορά με τα LLM είναι "σε μεγάλο βαθμό η αποτελεσματικότητά τους".
Μια πολυσύχναστη εβδομάδα για AI και Μαθηματικά
Το νήμα προσγειώνεται σε μια φορτισμένη στιγμή. Ήρθε λίγες μέρες αφότου το OpenAI ανακοίνωσε ότι ένα εσωτερικό μοντέλο είχε αποδείξει ότι τα ρευστά Navier-Stokes μπορούν να εκραγούν σε πεπερασμένο χρόνο - ένα ισχυρό ορόσημο προς το πρόβλημα του Millennium Prize που οι μαθηματικοί του NYU, των οποίων το έργο στήριξαν την προσπάθεια, λένε ότι ξετυλίχθηκε χωρίς την κατάλληλη πίστωση, μια διαμάχη που καλύπτεται από το περιοδικό Science και εδώ στο Wire. Ο Τάο υπήρξε προσεκτικός χρονικογράφος αυτής της μετάβασης όλο το χρόνο, δημοσιεύοντας ένα πολυδιαβασμένο δοκίμιο για τα μαθηματικά στην εποχή της τεχνητής νοημοσύνης.
Η νέα του ανάρτηση οξύνει αυτό το επιχείρημα από μια νέα οπτική γωνία: ο κίνδυνος δεν είναι ότι η τεχνητή νοημοσύνη λύνει τα πάντα, αλλά ότι καταναλώνει, μη κερδισμένο και χωρίς ανάλυση, τον πεπερασμένο κατάλογο προβλημάτων που αξίζει να λυθούν – αφήνοντας στην επόμενη γενιά μαθηματικών έναν ωκεανό άχρηστου είδους.
---
Μείνετε μπροστά από την τεχνητή νοημοσύνηΛάβετε τα πιο πρόσφατα νέα, αναλύσεις και ανακαλύψεις για την τεχνητή νοημοσύνη — όλα σε ένα μέρος.
Διαβάστε περισσότερα νέα AI →
