Pokalbių roboto 80 metų senumo „vienetinio atstumo“ hipotezės rezultatas yra pirmasis dirbtinio intelekto įrodymas, kuris greičiausiai būtų paskelbtas geriausiame matematikos žurnale, jei žmonės būtų tai padarę vieni
Po 80 metų bevaisių žmonių matematikų kovos pagaliau išspręsta svarbi geometrijos hipotezė – tiesiogine užklausa pokalbių robotui.
Bendrovė „OpenAI“, „ChatGPT“ kūrėja, paskelbė rezultatą kartu su daugelio ekspertų komentarais, kurie dirbtinio intelekto metodą pavadino „išmaniu“ ir „elegantišku“. Šis pasiekimas įvyko po kelių mėnesių garsiai praneštų, bet mažiau įspūdingų dirbtinio intelekto pagrindu sukurtų matematikos pažangos ir žymi naują etapą. Kitaip nei visi ankstesni pasiekimai, šis rezultatas nusipelnytų publikavimo aukščiausio lygio matematikos žurnale ir didelio žiniasklaidos dėmesio, jei jį būtų atlikę vien žmonės.
„Joks ankstesnis dirbtinio intelekto sukurtas įrodymas nepriartėjo“ prie šių aukštų standartų, rašė Timothy Gowersas, Kembridžo universiteto matematikas, „OpenAI“ užsakytame komentare.
„Tai unikalus įdomus rezultatas, kurį iki šiol savarankiškai sukūrė dirbtinis intelektas“, – sako Danielis Littas, Toronto universiteto matematikas, su kuriuo „OpenAI“ konsultavosi, kad patikrintų įrodymą, tačiau kuris nedalyvauja įmonės veikloje.
„Vieneto atstumo“ problemą paaiškinti paprasta, bet išspręsti nelengva – tai matematikų mėgstamiausia savybė.
Nubraižykite devynis taškus ant popieriaus lapo. Tikslas – gauti kuo daugiau taškų porų, kurios būtų colio atstumu viena nuo kitos. Galite juos visus sudėti į liniją taip, kad turėtumėte aštuonias poras, atskirtas coliu. Arba galite nubrėžti trijų ant trijų tinklelį ir suskaičiuoti 12 porų. Bet kokiam taškų skaičiui, net milijardams ar trilijonams, uždavinys klausia: koks yra didžiausias porų skaičius, kurį galite gauti?
1946 m. matematikas Paulas Erdősas spėjo, kokia strategija yra geriausia. Tai buvo tinklelio metodas, tačiau su daug mažesniais atstumais tarp taškų, kad poros galėtų būti sudarytos per kelis tinklelio taškus. Erdősas parodė, kad naudojant sudėtingus matematikos metodus, itin kruopščiai parinkus šį atstumą, galima pasiekti šiek tiek geresnių rezultatų nei naudojant paprastą tinklelį – bet tik šiek tiek.
Tiesą sakant, Erdősas teigė, kad niekas negali pasiekti geresnio rezultato. Ir nepaisant drąsių pastangų, aštuonis dešimtmečius niekam nepavyko. Tačiau niekam nepavyko įrodyti, kad jis teisus, nors dauguma ekspertų sutiko su jo intuicija.
Tai pasikeitė prieš dvi savaites, kai „OpenAI“ komanda, kurios kai kurie nariai neseniai pateko į antraštes dėl dirbtinio intelekto panaudojimo sprendžiant keletą mažiau prestižinių „Erdőso problemų“, pateikė spėjimą vidiniam dideliam kalbos modeliui (LLM), apmokytam bendram samprotavimui. Jie paklausė jo, ar Erdősas teisus. Parengęs šimtus puslapių kruopščios logikos ir skaičiavimų, jis pagerino jo ilgalaikį rekordą.
„Tai atrodo kaip magija“, – sako Sawhney. „Tai nuostabi patirtis, kai mašina grąžina kažką, kas tikrai primena žmonių darbo būdą.“
„Modelio veikimas visiškai skiriasi nuo „kvadratinio tinklelio“ konstrukcijos“, – sako Sellke.
Vietoj to jis sukūrė sudėtingesnį tinklelį, esantį tam tikrame aukštesniame matmenyje. Šis aukštesnio matmens taškų tinklelis turėjo specialias matematines simetrijas, kurios palengvino dar daugiau porų atskyrimą tuo pačiu atstumu. Tada dirbtinio intelekto modelis sukūrė būdą, kaip šį nežemišką tinklelį atvaizduoti atgal į dvimatį puslapį, sukuriant suplokštintą skaitmeninį „šešėlį“. Rezultatas toli gražu neatitinka tinklelio, ir Sawhney teigia, kad jį per sunku nupiešti ant popieriaus, net ir su nedideliu taškų skaičiumi.
Vis dėlto DI neįrodė, kad jo metodas yra geriausias, kokį tik kas nors gali sukurti. Tiesą sakant, matematikas Willas Sawinas jau patobulino DI tinklelį.
„OpenAI“susisiekė su Littu, Sawinu, Gowersu ir keletu kitų matematikų, kad patikrintų LLM įrodymą. Kartu (ir be tiesioginio bendrovės dalyvavimo) jie užrašė savo individualias išvadas. (Tačiau jokie išorės ekspertai nematė originalaus DI rezultato – tai tik redaguota jo minčių eigos versija.)
Jie teigė, kad labiausiai išsiskyrė DI antgamtinis kantrumas ir susikaupimas. Žmonių ekspertai, iš esmės pritardami Erdőso mąstymui, per daugelį metų daugiau pastangų skyrė spėlionėms įrodyti, o ne paneigti. Ir net tie keli, kurie ieškojo priešingo pavyzdžio, vargu ar pasirinktų tokį sunkų ir nuobodų kelią – sukonstruoti šią daugiamatę formą – be jokios viliojančios sėkmės užuominos. Tačiau LLM skirtingai patiria bandymų ir klaidų sąnaudas ir naudą.
„DI turi pranašumą: ne tik tai, kad jie gali išbandyti visus žinomus metodus“, – sako Toronto universiteto matematikas Jacobas Tsimermanas, kuris nedalyvavo darbe, bet buvo „OpenAI“ užsakyto papildomo straipsnio vienasautorių. „Jie gali žaisti ilgiau ir klastingesniuose vandenyse nei matematikai, nebūdami priblokšti.“
Keletas „OpenAI“ kalbintų ekspertų pažymėjo, kad nors vienetinio atstumo problema yra gerai žinoma, Erdőso teisingumo įrodymas būtų buvęs matematiškai daug turtingesnis nei priešpriešinis pavyzdys. Tokiems įrodymams paprastai reikia visiškai naujų įžvalgų, kurias vėliau galima pritaikyti platesniam problemų spektrui. Matematiniai įrankiai, kuriuos čia naudojo DI, nėra nauji, nors jų taikymas šioje srityje atrodo toks. „Modelis neišrado kažko iš esmės naujo, ko niekas nenumatė“, – sako Sébastien Bubeck, matematikas, vadovaujantis „OpenAI“ matematiniams tyrimams. „Jis tiesiog veikė kaip nuostabus matematikas.“
Ekspertai taip pat suskubo pridurti, kad be žmonių įsikišimo, kad „išvalytų“ DI darbą, rezultatas nebūtų toks įtikinamas. „Žmogus vis dar atlieka gyvybiškai svarbų vaidmenį aptariant, analizuojant ir tobulinant šį įrodymą bei tyrinėjant jo pasekmes“, – rašė matematikas Thomas Bloom dokumente „apmąstymai“.
Harvardo universiteto matematikė Melanie Matchett Wood teigia, kad žmonių pažangą tikriausiai ribojo jų įsitikinimas, kad hipotezė teisinga. Jei visi ekspertai, susirinkę po fakto analizuoti LLM atsakymo, būtų skyrę tiek pat laiko ieškodami kontrapavyzdžio, anot jos, jie būtų jį radę. „Galbūt žmonės turėtų skirti daugiau laiko“, – sako Wood, kuri taip pat pateikė komentarą „OpenAI“.
Tai tikėtina, nes DI sprendimas, žvelgiant atgal, buvo paprastas metodas, kurio joks žmogus niekada nebuvo bandęs, nepaisant to, kad įrankiai jau egzistavo.
Manoma, kad tokios aplinkybės yra neįprastos dideliems neišspręstiems matematikos uždaviniams. „Manau, jam pasisekė, kad jis rado vieną iš atvejų, kai ekspertai bandė ir kažką praleido“, – sako Litt. Išties naujos, novatoriškos idėjos lieka nepasiekiamos dabartiniams LLM, o mašinos pačios ieško retų perlų literatūroje, kur žmonės praleido gana paprastą metodą. Nepaisant to, Litt priduria: „Manau, kad netrukus sužinosime, jog jos iš tikrųjų nėra tokios jau retos.“
Wood taip pat įspėja apie mažiau pageidautinas dirbtinio intelekto savybes, pavyzdžiui, polinkį kiekvieną idėją pateikti kaip savo. „Mes pripažinome, kad literatūroje buvo labai panašių idėjų, kurios nebuvo įvardytos“, – sako Wood. „Jei žmogus būtų susipažinęs su tais rezultatais ir nebūtų jų įvardijęs, tai būtų profesinis aplaidumas.“ Ji mano, kad bendruomenė turi skubiai nuspręsti, kaip elgtis su dirbtinio intelekto nesilaikymu akademinių normų, nes viskas keičiasi greitai.
„Bet kuris matematikas, kuris nenaudojo naujausių modelių, turėtų nustebti“, – sako Wood. „Tai gana kitoks pasaulis nei praėjusių metų gruodį.“
KTU mokslininkė apie dirbtinio intelekto poveikį smegenims: stebime kognityvinės evoliucijos pradžią
„DeepMind“ sukurta dirbtinio intelekto sistema „AlphaFold“ išsprendė reikšmingą mokslinę problemą
Pirmą kartą „ChatGPT“ išsprendė neįrodytą geometrijos uždavinį
LMT pirmą kartą ekspertų atrankai pasitelks dirbtinį intelektą
Dirbtinis intelektas parašė mokslinį straipsnį, kuris praėjo recenziją