ترنس تائو، ریاضیدان UCLA و برنده مدال فیلدز که اغلب به عنوان یکی از بهترین ریاضیدانان زنده توصیف می شود، هشداری در مورد آنچه هوش مصنوعی با تحقیقات ریاضی انجام می دهد صادر کرده است: موجودی مسائل باز خوب "به روشی غیرقابل تجدید استخراج می شود" و شناسایی مسائل ارزشمند - نه راه حل آنها - به منابع ماشین تبدیل می شود. تائو روز دوشنبه در یک موضوع چهار قسمتی در Mathstodon نوشت که چرا معتقد است عصر هوش مصنوعی ممکن است ریاضیدانان را به سمت پنهان کاری سوق دهد و قرن ها تبادل علمی باز را معکوس کند. برای اطلاعات بیشتر در زمینه تحقیقات، آخرین [پوشش تحقیقاتی هوش مصنوعی] (https://aibuzzwire.news) را در صفحه اصلی ما دنبال کنید.
اقیانوسی از مشکلات، کمبود آب آشامیدنی
بحث تائو با یک پارادوکس شروع می شود. مجموعه مسائل ریاضی ممکن بی نهایت است، بنابراین کمبود به نظر پوچ می رسد. اما کمیت مسئله نیست - کیفیت است. تائو خاطرنشان کرد، هرکسی میتواند مشکلات باز بیپایانی را به دلخواه ایجاد کند، مانند محاسبه رقم 10^10^10 pi. اکثریت قریب به اتفاق بیارزش هستند: آنها «هیچ تمایل خاصی برای آشکار کردن هر گونه بینش یا ارتباط بیشتر با سؤالات دیگر نشان نمیدهند».
او نوشت: «یک کشور یا منطقه ممکن است با کمبود شدید آب آشامیدنی مواجه شود در حالی که به طور همزمان توسط یک اقیانوس عظیم احاطه شده است.
او استدلال کرد که تصمیم گیری در مورد اینکه کدام مشکلات مستحق توجه است، «فرایندی طولانی، عمدی و ذهنی» است که بر اساس تجربه تاریخی از آنچه کار قبلی در مورد مشکلات مشابه واقعاً ایجاد شده است، آگاه است. محور این قضاوت چیزی است که تائو آن را "چشم انداز دشواری" می نامد - دانستن اینکه روش های فعلی می توانند به راحتی به کدام سؤالات پاسخ دهند، که به تلاش واقعی نیاز دارند و کدام غیرممکن است، زیرا مشکلات جالب معمولاً در مرزها زندگی می کنند.
هوش مصنوعی چشم انداز دشواری را صاف می کند
این منظره دقیقاً همان چیزی است که هوش مصنوعی در حال پاک کردن آن است. تائو نوشت: ابزارهای هوش مصنوعی "هم اکنون چشم انداز دشواری را در بسیاری از زمینه های موضوع مسطح کرده اند، بنابراین توانایی یافتن مشکلات جدید امیدوار کننده در آن منطقه را از بین برده اند." بدتر از آن، هیچ مرز ثابتی وجود ندارد که در آن شایستگی هوش مصنوعی به پایان میرسد: فناوری خیلی سریع تغییر میکند، و - در یک نکته اشارهای - تائو ناشناخته بودن مرز را تا حدی به دلیل "خودداری شرکتهای هوش مصنوعی از افشای نتایج منفی خود یا افشای فرآیند دستیابی به راهحلهایشان" مقصر دانست.
نتیجه، به گفته تائو، پویایی مسابقهای است که او مستقیماً شاهد آن بوده است: «حتی شایعه شخصی که روی یک مشکل کار میکند، میتواند حجم عظیمی از تلاشهای مبتنی بر هوش مصنوعی را آغاز کند تا قبل از اینکه پروژه تحقیقاتی اولیه زمان برای رسیدن به پتانسیل کامل خود داشته باشد، آن را مسطح کند.»
مسئله مشوق علم باز
اینجاست که هشدار ساختاری میشود. اگر اعلام یک جهت تحقیقاتی، یک گروه هوش مصنوعی را دعوت کند تا آن را استخراج کند، ریاضیدانان ممکن است به سادگی اعلام هر چیزی را متوقف کنند. تائو مینویسد: «ممکن است انگیزهها اکنون به سمتی باشد که دیگر هیچ مسیر تحقیقاتی امیدوارکنندهای را با جامعه گستردهتر به اشتراک نگذاریم.
او استدلال کرد که استفاده بی رویه از هوش مصنوعی با هزینه های بلندمدت، دستاوردهای کوتاه مدتی را به همراه دارد: «مشکلات موجود را حل می کند، اما به قیمت حفظ اکوسیستم برای موج بعدی پیشرفت، یا درک پیشرفت هایی که قبلاً به دست آمده است».
پیشنهاد تائو: مشکلاتی را مشخص کنید که ارزش حل کردن را دارند
تائو ممنوعیت هوش مصنوعی از ریاضیات را پیشنهاد نمی کند - او اذعان می کند که احتمالاً غیرممکن است. در عوض، او به جوامع پیشنهاد میکند که طبقههایی از مشکلات را تعیین کنند که در آن فرآیند راهحل اهمیت دارد، به طوری که یک پاسخ خام بدون تجزیه و تحلیل تکنیکهای مورد استفاده، و بدون آنچه درباره مشکلات نزدیک نشان میدهد، به عنوان «ارزش ناچیز یا حتی منفی» تلقی شود.
تشبیه او بانکهای مواد غذایی مدرن است که دیگر کمکهای خودسرانه را صرفاً به این دلیل که از نظر فنی خوراکی هستند نمیپذیرند، در عوض استانداردهای صریح را برای کمکهایی که واقعاً مفید هستند، حفظ میکنند.
در پاسخ به یک نظر دهنده، تائو یک مشاهدات مرتبط اضافه کرد: اثباتکنندههای سنتی خودکار «در اثبات قضایا خیلی خوب نیستند»، حوزهای که در عوض تحت سلطه آنچه او «تأییدکنندههای قضیه خودکار» مینامید – تفاوت با LLMها «تا حد زیادی اثربخشی آنها» است.
یک هفته شلوغ برای هوش مصنوعی و ریاضیات
نخ در یک لحظه شارژ فرود می آید. چند روز پس از آن اتفاق افتاد که OpenAI اعلام کرد که یک مدل داخلی یک مدرک تایید شده ناب ارائه کرده است که سیالات ناویر-استوکس میتوانند در زمان محدود منفجر شوند - نقطه عطفی ادعا شده برای مسئله جایزه هزاره که ریاضیدانان دانشگاه نیویورک که کارشان پشتوانه این تلاش بود، بدون اعتبار مناسب آشکار شد، اختلافی که توسط مجله Science و Wire در AI پوشش داده شد. تائو در تمام سال وقایع نگار دقیق این گذار بوده است و مقاله ای پرخواننده در مورد ریاضیات در عصر هوش مصنوعی منتشر کرده است.
پست جدید او این بحث را از زاویهای جدید تشدید میکند: خطر این نیست که هوش مصنوعی همه چیز را حل میکند، بلکه خطر این نیست که کاتالوگ متناهی مسائلی که ارزش حل دارند را مصرف میکند، به دست نیامده و تحلیلنشده - که باعث میشود نسل بعدی ریاضیدانان با اقیانوسی از نوع بیارزش مواجه شوند.
---
از هوش مصنوعی جلوتر بمانیدآخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
بیشتر بخوانید اخبار هوش مصنوعی →
