Το OpenAI λέει ότι έλυσε ένα άλυτο μαθηματικό πρόβλημα ετών, σε 88 ώρες
Έντονη αμφισβήτηση από τους μαθηματικούς
Η τεχνητή νοημοσύνη περνά σε ένα νέο πεδίο δοκιμασίας, με την OpenAI να ανακοινώνει 372 μαθηματικά αποτελέσματα που, σύμφωνα με την εταιρεία, επιλύουν σημαντικά ανοιχτά προβλήματα μαθηματικών και πληροφορικής ή καταγράφουν ουσιαστική πρόοδο προς την επίλυσή τους. Ανάμεσά τους περιλαμβάνονται η τετραδιάστατη εικασία Kakeya, προβλήματα θεωρητικής πληροφορικής και αποτελέσματα σχετικά με την υπόθεση του Ρίμαν, ένα από τα σημαντικότερα άλυτα προβλήματα των μαθηματικών.
Η ανακοίνωση έρχεται μετά τον ισχυρισμό της εταιρείας ότι νέο, εσωτερικό μοντέλο τεχνητής νοημοσύνης συνέβαλε στην επίλυση μέρους του προβλήματος ύπαρξης και ομαλότητας των εξισώσεων Navier–Stokes, το οποίο παραμένει ανοιχτό εδώ και δεκαετίες.
Συνέντευξη Star: Τι είναι οι AI agents; Τι εργασίες έρχονται να αναλάβουν;
Ωστόσο, η ταχύτητα με την οποία παράγονται τα αποτελέσματα δημιουργεί ένα κρίσιμο ερώτημα∙ μπορεί η επιστημονική κοινότητα να ελέγξει τις νέες αποδείξεις με τον ίδιο ρυθμό που τις παράγει η τεχνητή νοημοσύνη;
OpenAI: 372 μαθηματικά αποτελέσματα από νέο μοντέλο AI
Σύμφωνα την ανακοίνωση, η OpenAI δημοσιοποίησε 372 αποτελέσματα που προέκυψαν από το νέο μοντέλο της, το οποίο δεν έχει ακόμη διατεθεί στο ευρύ κοινό.
Τα αποτελέσματα αφορούν ανοιχτά προβλήματα στα μαθηματικά και στη θεωρητική πληροφορική. Ορισμένα παρουσιάζονται ως λύσεις, ενώ άλλα συνιστούν πρόοδο προς την επίλυση σύνθετων ερωτημάτων που απασχολούν τους επιστήμονες.
Συνέντευξη Star: Κινδυνεύει η ανθρωπότητα από την τεχνητή νοημοσύνη;
Μεταξύ αυτών ξεχωρίζει η τετραδιάστατη εικασία Kakeya, καθώς και βελτιώσεις σε σημαντικούς αλγορίθμους της πληροφορικής. Η OpenAI αναφέρει επίσης πρόοδο σε ζητήματα που συνδέονται με την υπόθεση του Ρίμαν, χωρίς αυτό να σημαίνει ότι η υπόθεση έχει αποδειχθεί πλήρως.
Η εταιρεία δημοσιοποίησε τα αποτελέσματα στο GitHub. Η αξιολόγησή τους, όμως, αποτελεί ένα ξεχωριστό και απαιτητικό εγχείρημα, καθώς οι μαθηματικοί καλούνται να εξετάσουν τόσο την ορθότητα των αποδείξεων όσο και τη σημασία τους για την επιστημονική γνώση.
Το γεγονός ότι ένα σύστημα παράγει μια μαθηματική απόδειξη δεν αρκεί από μόνο του για να χαρακτηριστεί ένα πρόβλημα οριστικά λυμένο. Απαιτείται έλεγχος της συλλογιστικής, επιβεβαίωση των αποτελεσμάτων και αξιολόγηση της συνεισφοράς τους σε σχέση με όσα ήταν ήδη γνωστά.
Η περίπτωση Navier–Stokes και οι 10.000 AI agents
Πριν από την ανακοίνωση των 372 αποτελεσμάτων, η OpenAI είχε προκαλέσει έντονο ενδιαφέρον με τον ισχυρισμό ότι κατάφερε να βρει λύση σε ένα σημαντικό μέρος του προβλήματος Navier–Stokes μέσα σε περίπου 88 ώρες, αξιοποιώντας 10.000 πράκτορες τεχνητής νοημοσύνης.
Οι εξισώσεις Navier–Stokes περιγράφουν την κίνηση των ρευστών και αποτελούν θεμελιώδες εργαλείο στη μελέτη φαινομένων όπως η ροή του νερού και του αέρα. Το πρόβλημα της ύπαρξης και της ομαλότητας των λύσεων παραμένει μία από τις μεγάλες προκλήσεις των μαθηματικών.
AI: Εργαζόμενοι της Anthropic φοβούνται αφανισμό της ανθρωπότητας
Σύμφωνα με την OpenAI, οι πράκτορες αντάλλαξαν σχεδόν 3 εκατομμύρια μηνύματα και παρήγαγαν συνολικά 130 δισεκατομμύρια tokens εξόδου για το συγκεκριμένο πρόβλημα. Η εταιρεία εκτίμησε ότι το κόστος μιας αντίστοιχης προσπάθειας, με βάση τις δημοσιευμένες τιμές εξόδου των προηγμένων μοντέλων της, θα μπορούσε να φτάσει περίπου τα 10 εκατομμύρια δολάρια.
Η εταιρεία διευκρίνισε ότι το αποτέλεσμα αφορούσε δύο από τις τέσσερις μαθηματικές προτάσεις που απαιτούνταν για την απόδειξη στο πλαίσιο του συγκεκριμένου προβλήματος του Βραβείου της Χιλιετίας, το οποίο συνοδεύεται από έπαθλο 1 εκατομμυρίου δολαρίων.
Παράλληλα, ξεκαθάρισε ότι δεν προτίθεται να διεκδικήσει το συγκεκριμένο βραβείο για το αποτέλεσμα που ανακοίνωσε.
ΕΕ: Αυστηρότερο το ρυθμιστικό πλαίσιο για ChatGPT, Reddit, Roblox
Η λύση, πάντως, δεν έχει επαληθευτεί ανεξάρτητα.
Γιατί οι επιστήμονες ζητούν αποδείξεις
Η ανακοίνωση των αποτελεσμάτων συνοδεύεται από ερωτήματα σχετικά με τη διαφάνεια και τη δυνατότητα ανεξάρτητης επαλήθευσης.
Ο Andrew Sutherland, μαθηματικός στο Τεχνολογικό Ινστιτούτο της Μασαχουσέτης (MIT), εκφράζει επιφυλάξεις για ισχυρισμούς ότι δύσκολα μαθηματικά προβλήματα μπορούν να λυθούν με μία μόνο προσπάθεια από έναν μεμονωμένο πράκτορα τεχνητής νοημοσύνης.
Η AI ξέφυγε από τον έλεγχο: Μοντέλο του ChatGPT έκανε μόνο του επίθεση
«Μέχρι να δημοσιοποιήσουν το μοντέλο και να μπορέσουν οι άνθρωποι να αναπαράγουν τα αποτελέσματά τους, νομίζω ότι πρέπει να αντιμετωπίζουμε ως μη επαληθευμένο κάθε ισχυρισμό ότι προβλήματα επιλύονται με μία μόνο προσπάθεια, από έναν και μοναδικό πράκτορα», λέει ο Sutherland. «Πρέπει να ζητήσουμε αποδείξεις».
Η συγκεκριμένη παρατήρηση αφορά ένα από τα σημαντικότερα ζητήματα της νέας εποχής της τεχνητής νοημοσύνης στην επιστήμη∙ τη διάκριση ανάμεσα στην παραγωγή ενός αποτελέσματος και στην ανεξάρτητη επιβεβαίωσή του.
Star Tech: Η Βιργινία Κόκιου μιλάει για τους νομικούς περιορισμούς του ΑΙ
Εκπρόσωπος της OpenAI ανέφερε στο Scientific American ότι σχεδόν όλα τα νέα αποτελέσματα προέκυψαν έπειτα από μία εντολή (prompt) προς έναν μεμονωμένο πράκτορα. Ωστόσο, διευκρίνισε ότι ορισμένα ενδέχεται να χρειάστηκαν πολλαπλές προσπάθειες.
Το νέο μοντέλο παραμένει εσωτερικό εργαλείο της εταιρείας. Αυτό σημαίνει ότι οι ανεξάρτητοι ερευνητές δεν έχουν ακόμη τη δυνατότητα να εξετάσουν ελεύθερα τη συμπεριφορά του και να επαναλάβουν τις ίδιες διαδικασίες υπό τις ίδιες συνθήκες.
Ο ρόλος του Lean στην επαλήθευση των αποδείξεων
Ένα από τα στοιχεία που μπορούν να βοηθήσουν στην αξιολόγηση των αποτελεσμάτων είναι το Lean, μια γλώσσα προγραμματισμού που χρησιμοποιείται για την τυπική διατύπωση και τον μηχανικό έλεγχο μαθηματικών αποδείξεων.
Οι 5 νέοι τύποι ανθρώπων στην εποχή της AI - Πώς θα είναι η ανθρωπότητα;
Η χρήση τέτοιων εργαλείων επιτρέπει την επαλήθευση της λογικής ορθότητας μιας απόδειξης, εφόσον αυτή έχει διατυπωθεί κατάλληλα και ελεγχθεί από το σύστημα.
Αρκετά από τα αποτελέσματα της OpenAI έχουν ήδη επαληθευτεί στο Lean. Πρόκειται για σημαντικό στοιχείο, το οποίο όμως δεν απαντά από μόνο του σε όλα τα ερωτήματα.
Η τυπική επαλήθευση μπορεί να ενισχύσει την εμπιστοσύνη στην ορθότητα ενός μαθηματικού αποτελέσματος. Δεν σημαίνει, ωστόσο, ότι κάθε αποτέλεσμα αποτελεί πρωτότυπη ανακάλυψη ή ότι έχει ήδη γίνει κατανοητή η σημασία του από την επιστημονική κοινότητα.
Οι μαθηματικοί πρέπει να εξετάσουν αν οι αποδείξεις περιέχουν νέες ιδέες, αν βασίζονται σε γνωστές τεχνικές και αν μπορούν να οδηγήσουν σε περαιτέρω πρόοδο.
Η διαμάχη για το Navier–Stokes και η ανεξάρτητη συμβουλευτική ομάδα
Η προηγούμενη ανακοίνωση για τις εξισώσεις Navier–Stokes είχε ήδη προκαλέσει αντιδράσεις.
Τεχνητή νοημοσύνη και εκπαίδευση: Νέα εργαλεία που θα σε βοηθήσουν
Ο Tristan Buckmaster, καθηγητής μαθηματικών στο Πανεπιστήμιο της Νέας Υόρκης (NYU), είχε δηλώσει ότι ο ίδιος και ο Levent Alpöge, μαθηματικός που εργάζεται στην Anthropic, προσπαθούσαν επίσης να επιλύσουν το συγκεκριμένο πρόβλημα.
Οι δύο ερευνητές χρησιμοποιούσαν το εργαλείο Codex της OpenAI στο πλαίσιο της δουλειάς τους. Ο Buckmaster υποστήριξε ότι πληροφορίες σχετικά με την πρόοδό τους είχαν διαβιβαστεί στην εταιρεία. Η OpenAI, από την πλευρά της, αρνήθηκε ότι είχε δει οποιοδήποτε μέρος της έρευνάς τους πριν από τη δημοσιοποίησή της.
Η εταιρεία δήλωσε ακόμη ότι δεν αποκτήθηκε πρόσβαση σε δεδομένα χρηστών κατά την εργασία της πάνω στο πρόβλημα. Παράλληλα, σημείωσε ότι δεν μπορούσε να αποκλείσει πλήρως το ενδεχόμενο ανωνυμοποιημένα δεδομένα από τη χρήση των προϊόντων της να είχαν συμβάλει στη βελτίωση των μοντέλων της.
Στις 21 Σεπτεμβρίου η OpenAI ανακοίνωσε τη συγκρότηση ανεξάρτητης συμβουλευτικής ομάδας μαθηματικών, με στόχο τη διαμόρφωση συστάσεων για την υπεύθυνη δημοσιοποίηση αποτελεσμάτων που παράγονται από τεχνητή νοημοσύνη.
Οι συστάσεις προβλέπουν μεγαλύτερη διαφάνεια, μεταξύ άλλων ως προς το μοντέλο που χρησιμοποιήθηκε, την ακριβή εντολή και τον χρόνο υπολογισμού που απαιτήθηκε για κάθε αποτέλεσμα.
Ωστόσο, η OpenAI δεν δημοσιοποίησε τις εντολές που χρησιμοποιήθηκαν για τα 372 αποτελέσματα, επιλέγοντας να παρουσιάσει τον μέσο χρόνο υπολογισμού και ορισμένα πρόσθετα στοιχεία.
Η τεχνητή νοημοσύνη αλλάζει τα μαθηματικά;
Η ταχύτητα παραγωγής νέων αποτελεσμάτων δημιουργεί μια πρωτόγνωρη πρόκληση για την επιστημονική κοινότητα. Αν τα μοντέλα μπορούν να παράγουν εκατοντάδες αποδείξεις σε σύντομο χρονικό διάστημα, οι ερευνητές ενδέχεται να χρειάζονται μήνες ή και περισσότερο για να τις αξιολογήσουν.
Ο Daniel Litt, μαθηματικός στο Πανεπιστήμιο του Τορόντο, τάσσεται υπέρ της δημοσιοποίησης των αποτελεσμάτων, υποστηρίζοντας ότι η επιστημονική κοινότητα πρέπει να έχει πρόσβαση στη γνώση που παράγεται.
Από την άλλη πλευρά, ο Terence Tao έχει ασκήσει κριτική στον εξαιρετικά γρήγορο ρυθμό παραγωγής αποτελεσμάτων από συστήματα τεχνητής νοημοσύνης. Το ζήτημα δεν αφορά μόνο το αν μια απόδειξη είναι σωστή, αλλά και το αν οι επιστήμονες διαθέτουν τον χρόνο και τα εργαλεία για να την κατανοήσουν.
Η OpenAI υποστηρίζει ότι τα δύσκολα μαθηματικά προβλήματα αποτελούν σημαντικό πεδίο αξιολόγησης της προόδου των μοντέλων της και δηλώνει ότι θέλει να προσφέρει στους μαθηματικούς ισχυρότερα εργαλεία.
Το επόμενο κρίσιμο βήμα είναι η ανεξάρτητη αξιολόγηση των αποτελεσμάτων και η μεγαλύτερη διαφάνεια ως προς τον τρόπο παραγωγής τους.
Εάν οι ισχυρισμοί επιβεβαιωθούν, η τεχνητή νοημοσύνη θα μπορούσε να επιταχύνει σημαντικά τη μαθηματική έρευνα. Μέχρι τότε, οι 372 ανακοινώσεις αποτελούν ένα φιλόδοξο σύνολο αποτελεσμάτων που απαιτεί συστηματικό έλεγχο, χωρίς να μπορεί να θεωρηθεί ότι όλα τα προβλήματα που αφορούν έχουν οριστικά λυθεί.