قدرتنمایی اوپنایآی در حل مسائل هزاره جامعه ریاضی را نگران کرد
به گزارش خبرگزاری آنا؛ اظهارات باکمستر پس از هفتهای مطرح شده که یکی از بحثبرانگیزترین نمونههای ورود هوش مصنوعی به پژوهشهای ریاضی رقم خورد. اوپنایآی ۱۷ شهریور اعلام کرد سامانه داخلی این شرکت اثباتی برای مسئله وجود و همواری ناویر–استوکس تولید کرده است؛ یکی از مسائل هزاره ریاضیات که دههها بدون پاسخ باقی مانده بود. شرکت متن اثبات و نسخه رسمیسازیشده آن در Lean را منتشر کرده، اما این نتیجه هنوز باید از مسیر بررسی مستقل جامعه ریاضی عبور کند و انتشار آن به معنای تأیید نهایی مسئله هزاره یا دریافت جایزه یک میلیون دلاری نیست.
«بازی تمام شده» به معنای پایان ریاضیات نیست
باکمستر در گفتوگو با شبکه ABC استرالیا از عبارت تندی برای توصیف وضعیت جدید استفاده کرده و گفته است رقابت برای اینکه یک ریاضیدان انسانی زودتر از دیگران مسائل دشوار را حل و منتشر کند، دیگر برای او چندان معنادار نیست. منظور او از اینکه «بازی تمام شده» پایان فعالیت ریاضیدانان یا بیارزش شدن خود ریاضیات نیست، بلکه تغییر مدلی از پژوهش است که در آن افراد یا گروههای کوچک ممکن بود ماهها و سالها برای رسیدن به یک اثبات رقابت کنند. به اعتقاد او، هنگامی که یک شرکت میتواند هزاران عامل هوش مصنوعی را همزمان روی یک مسئله قرار دهد، قواعد این رقابت دیگر مشابه گذشته نیست.
او از هوش مصنوعی بهعنوان ابزاری شبیه «یک تیم کامل از دانشجویان دکتری که نیازی به غذا و خواب ندارند» یاد کرده است؛ تشبیهی که ابعاد محاسباتی تفاوت میان پژوهش انسانی و سامانههای جدید را نشان میدهد. خود باکمستر نیز مخالف استفاده از این فناوری نیست و در پژوهش مشترک خود با لونت آلپوگه از ابزارهای هوش مصنوعی اوپنایآی و آنتروپیک استفاده کرده بود. نگرانی او بیشتر درباره شرایطی است که قدرت محاسباتی بسیار بزرگ در اختیار تعداد محدودی شرکت قرار میگیرد و رقابت علمی میتواند به رقابت میان زیرساختهای خصوصی تبدیل شود.
اوپنایآی هزاران عامل را روی مسئله ناویر–استوکس قرار داد
مقیاس پروژه اوپنایآی تفاوت رویکرد جدید را بهخوبی نشان میدهد. شرکت اعلام کرده است پس از آغاز پروژه در ۱۰ شهریور، گروههای مختلفی از عاملهای هوش مصنوعی بهطور موازی روی روشهای متفاوت کار کردند و سپس از Codex برای ترکیب ایدههای مفید میان این گروهها استفاده شد. سامانه در ۱۴ شهریور، حدود ۸۸ ساعت پس از شروع کار، به راهحل موردنظر رسید و رسمیسازی و بررسی آن در Lean نیز ۱۷ ساعت دیگر زمان برد.
در کل تلاش اوپنایآی روی مسائل ریاضی مورد بررسی، عاملها حدود ۴.۹ میلیون پیام ردوبدل کردند و نزدیک به ۳۰۰ میلیارد توکن خروجی تولید شد. فقط پروژه ناویر–استوکس حدود ۲.۷ میلیون پیام و ۱۳۰ میلیارد توکن خروجی مصرف کرده است. چنین مقیاسی نشان میدهد مزیت سامانه فقط به توانایی استدلال یک مدل محدود نیست؛ شرکت میتواند هزاران مسیر حل را همزمان آزمایش کند، روشهای ناموفق را کنار بگذارد و یافتههای امیدوارکننده را میان گروههای مختلف منتقل کند.
همین تفاوت باعث شده مقایسه این تحول با لحظه شکست گری کاسپاروف مقابل دیپ بلو مطرح شود. ماشین در آن زمان نشان داد میتواند در یک فضای مسئله بسیار بزرگ با سرعتی فراتر از توان انسان جستوجو کند؛ اکنون تفاوت مهم این است که سامانههای مولد فقط میان حرکتهای از پیش تعریفشده انتخاب نمیکنند و میتوانند متن اثبات، ایدههای میانی و مسیرهای استدلالی تازه پیشنهاد دهند.
جنجال علمی ماجرا فقط به توانایی هوش مصنوعی مربوط نیست
پیش از اعلام نتیجه اوپنایآی، باکمستر و آلپوگه بهطور مستقل روی مسئلهای مرتبط با معادلات اویلر کار میکردند و در جریان پژوهش از مدلهای هوش مصنوعی نیز کمک گرفته بودند. اوپنایآی میگوید تلاش خود را پس از شنیدن شایعاتی درباره پیشرفت در مسائل هزاره آغاز کرد و بعداً متوجه شد این شایعات به کار باکمستر و آلپوگه مربوط بوده است. شرکت همچنین تأکید کرده پژوهشگران و عاملهای آن پیش از انتشار عمومی به کار این دو نفر دسترسی نداشتهاند.
باکمستر پس از انتشار نتیجه، درباره احتمال اثرگذاری استفاده او از Codex بر سامانه اوپنایآی پرسشهایی مطرح کرد. اوپنایآی پس از بررسی داخلی اعلام کرد پرامپتهای Codex او در دو ماه قبل از انتشار مقاله نمیتوانستهاند به هیچ شکلی، از جمله از طریق آموزش، بر مدل مورد استفاده برای حل مسئله اثر بگذارند. شرکت میگوید سامانه داخلی موردنظر بر پایه مدلی از پیش آموزشدیده ساخته شده و سپس با یادگیری تقویتی در مقیاس بزرگ توسعه یافته است.
اختلاف دیگری نیز بر سر نحوه انتشار و اعتبار علمی شکل گرفت. باکمستر گفته است در جریان گفتوگوها گزینههایی برای انتشار نتایج مطرح شد که یکی از آنها میتوانست به انتشار نتیجه اوپنایآی با نام او، اما بدون نام همکارش آلپوگه منجر شود؛ موضوعی که او نپذیرفت. اوپنایآی از سوی دیگر گفته هدف پیشنهادهایش کمک به انتشار کار باکمستر بوده و در نهایت نیز تقدم پژوهش مستقل او و آلپوگه درباره مسئله اویلر را به رسمیت شناخته است.
مسئله اصلی حالا اعتبار علمی و آموزش نسل بعد است
باکمستر معتقد است ورود چنین سامانههایی فقط سرعت حل مسئله را تغییر نمیدهد و ساختار حرفه ریاضیات را نیز تحت فشار قرار میدهد. پرسشهایی مانند اینکه اعتبار یک اثبات باید به چه کسی برسد، عملکرد دانشجوی دکتری چگونه ارزیابی شود و دانشگاهها در استخدام پژوهشگر چه معیاری داشته باشند، زمانی پیچیدهتر میشوند که بخش بزرگی از مسیر حل توسط مدلهای هوش مصنوعی طی شده باشد.
این چالش بهویژه در پژوهشهایی اهمیت دارد که ارزش علمی آنها تا حد زیادی به یافتن یک اثبات تازه وابسته است. اگر چند شرکت بتوانند با منابع محاسباتی عظیم تقریباً هر مسئله مهمی را بلافاصله پس از مطرح شدن به هزاران عامل بسپارند، پژوهشگران مستقل ممکن است پیش از کامل شدن کار خود با نتیجهای تولیدشده توسط یک آزمایشگاه هوش مصنوعی روبهرو شوند. باکمستر گفته است برخی ریاضیدانان حتی درباره انتشار عمومی موضوع پژوهشهای در دست انجام محتاطتر شدهاند تا ناخواسته جهت کار خود را در اختیار شرکتهای دارای توان محاسباتی بسیار بیشتر قرار ندهند.
پیشنهاد او کنار گذاشتن هوش مصنوعی نیست، بلکه تعیین قواعد تازه برای همکاری میان دانشگاهها و شرکتهایی مانند اوپنایآی، آنتروپیک و دیپمایند است. به اعتقاد او، جامعه علمی باید درباره مالکیت ایده، نحوه تخصیص اعتبار، استفاده از دادههای پژوهشگران و چگونگی اعلام نتایج تولیدشده توسط هوش مصنوعی به چارچوب روشنتری برسد.
انسان هنوز نقش مهمی در کنترل اثباتها دارد
توانایی مدلها در تولید اثبات ریاضی به این معنی نیست که هر خروجی آنها قابل اعتماد است. باکمستر درباره تجربه شخصی خود گفته است بخش قابل توجهی از زمانش صرف بررسی و اصلاح اثباتهای ضعیف یا نادرست تولیدشده توسط مدلها شده است. مدل میتواند مسیرهای زیادی پیشنهاد کند، اما تشخیص اینکه کدام مسیر از نظر ریاضی معتبر است همچنان نیازمند بررسی دقیق است.
استفاده از Lean در پروژه اوپنایآی نیز دقیقاً به همین مسئله مربوط میشود. رسمیسازی یک اثبات در چنین سامانهای امکان بررسی ماشینی مراحل استدلال را فراهم میکند و احتمال باقی ماندن خطاهای منطقی پنهان را کاهش میدهد. با این حال، حتی یک اثبات رسمیشده نیز جای فرایند پذیرش علمی را نمیگیرد؛ جامعه ریاضی باید اهمیت نتیجه، صحت فرضها و ارتباط آن با صورت دقیق مسئله را بررسی کند. اوپنایآی نیز اعلام کرده قصد ندارد برای دریافت جایزه مسئله هزاره اقدام کند و نتیجه فعلی را نشانهای از پیشرفت مدلهای خود میداند، نه پایان فرایند علمی.
ریاضیات احتمالاً از بین نمیرود، اما شیوه انجام آن تغییر میکند
مقایسه وضعیت کنونی با شطرنج و بازی Go یک تفاوت مهم را نیز آشکار میکند. شکست انسان در برابر دیپ بلو باعث نشد شطرنج از بین برود و پیروزی آلفاگو نیز انسانها را از بازی Go منصرف نکرد. در هر دو مورد، ماشینها از بهترین انسانها عبور کردند، اما فعالیت انسانی ادامه یافت و حتی ابزارهای هوش مصنوعی به بخشی از آموزش و تحلیل حرفهای تبدیل شدند.
ریاضیات نیز احتمالاً مسیر مشابهی را طی میکند، با این تفاوت که پیامدهای آن برای پژوهش علمی عمیقتر است. هدف ریاضی فقط رسیدن به جواب نهایی نیست و فهمیدن اینکه چرا یک قضیه درست است، ساخت روشهای تازه و اتصال ایدهها به یکدیگر بخش مهمی از ارزش این رشته محسوب میشود. حتی اگر هوش مصنوعی بتواند سرعت تولید اثبات را بهطور چشمگیری افزایش دهد، تفسیر نتایج، انتخاب مسائل ارزشمند و تبدیل یک اثبات به دانش قابل فهم همچنان حوزههایی هستند که نقش انسان در آنها تعیینکننده خواهد بود.
اظهار نظر باکمستر بنابراین بیش از آنکه اعلام شکست ریاضیدانان در برابر ماشین باشد، هشداری درباره پایان یک مدل قدیمی از پژوهش است. چند روز زمان برای کاری که زمانی میتوانست سالها طول بکشد، نشان میدهد هوش مصنوعی در حال تبدیل شدن از یک ابزار کمکی به مشارکتکنندهای جدی در پژوهش ریاضی است. پرسش مهم بعدی دیگر فقط این نیست که آیا ماشین میتواند مسئلهای دشوار را حل کند؛ مسئله این است که وقتی چنین کاری به روال عادی تبدیل شود، دانشگاهها، پژوهشگران و شرکتهای هوش مصنوعی چگونه باید قواعد تولید دانش را از نو تعریف کنند.
انتهای پیام/
