OpenAI-ի կողմից արհեստական բանականության օգնությամբ ստեղծված ավելի քան 300 մաթեմատիկական ապացույցների հրապարակումը տագնապ է առաջացրել ակադեմիական հանրությունում: Հիմնարար մաթեմատիկական և համակարգչային խնդիրների լուծման մասին նոր հայտարարությունների ֆոնին հարց է առաջացել. մի՞թե մոտենում է այն պահը, երբ մեքենաները վերջնականապես կգերազանցեն մարդուն մաթեմատիկայում: Սակայն Վանդերբիլթի համալսարանի մաթեմատիկայի ամբիոնի վարիչ Դեն Մարጋլիտն առաջարկում է ավելի քիչ հոסיատեսական հայացք: Նրա կարծիքով՝ ԱԲ-ի ներկա ձեռքբերումները չեն չեղարկում մարդու դերը և շատ առումներով հիմնված են տասնամյակների մարդկային հետազոտությունների վրա:

Axios-ում հրապարակված նյութում Մարգալիտն առանձնացնում է հինգ պատճառ, թե ինչու մաթեմատիկոսները չպետք է արհեստական բանականության հաջողություններն ընկալեն որպես իրենց մասնագիտության վերջ: Դրանցից գլխավորն այն է, որ մաթեմատիկան պարզապես ճիշտ պատասխաններ ստանալը չէ, այլ հասկանալու փորձը, թե ինչու են դրանք ճիշտ:

ԱԲ-ն հասնում է լուծումների մարդկանց կողմից արդեն հարթված ճանապարհով

OpenAI-ի վերջին ձեռքբերումներն իրոք տպավորիչ են: Ընկերությունը հրապարակել է հարյուրավոր մաթեմատիկական աշխատություններ՝ բարդ խնդիրների լուծումներով, իսկ ավելի վաղ հայտարարել էր հազարամյակի նշանավոր խնդիրներից մեկի՝ Նավիե-Ստոքսի հավասարումների լուծումների գոյության և հարթության խնդրի լուծման մասին:

Այնուհետև OpenAI-ն հայտնեց, որ իր մոդելները հերքել են էքսպոնենցիալ ժամանակային վարկածը՝ տեսական ինֆորматиկայի հիմնարար ենթադրություններից մեկը: Նույն օրը նմանատիպ արդյունքի անկախ ստացման մասին հայտարարեց Anthropic-ը:

The Information-ի տվյալներով՝ այս աշխատանքի վրա ընկերության մոդելները ծախսել են շուրջ 14 միլիոն թոքեն:

Նման իրադարձությունները ուժեղացնում են այն տպավորությունը, թե ԱԲ-ն սկսում է ինքնուրույն առաջ մղել ամբողջական գիտական կարգապահություններ: Սակայն Մարգալիտն առաջարկում է ուշադրություն դարձնել այն բանի վրա, թե կոնկրետ ինչ խնդիրներ են ուժ գտել մեքենայի համար:

Նրա խոսքով՝ ԱԲ-ն առաջին հերթին հաղթահարել է այն խնդիրները, որոնց լուծմանը հետազոտողներն արդեն չափազանց մոտեցել էին: Մարդկային հրապարակումները և կուտակված գիտելիքները փաստացի հող էին նախապատրաստել բեկման համար: Ընդ որում՝ հազարավոր այլ խնդիրների դեպքում, որոնց համար գիտական գրականությունը դեռևս բավականաչափ հստակ ուղղություն չէր մատնանշել, համակարգերը համեմատելի արդյունքների չեն հասել:

Այս պատկերում արհեստական բանականությունը հանդես է գալիս ավելի շուտ ոչ թե որպես առաջնաբացահայտող, այլ որպես կատարող, որն ունակ է ավարտին հասցնել այն գաղափարները, որոնք մարդիկ երկար են զարգացրել ու ճշգրտել:

ԱԲ-ի մաթեմատիկական ապացույցները դեռևս ստիպված են ստուգել

Եզրակացություններ անելով չշտապելու ևս մեկ պատճառ են հանդիսանում հենց ապացույցներում առկա սխալները: Նույնիսկ եթե համակարգը տալիս է համոզիչ մաթեմատիկական տեքստ, դա չի երաշխավորում, որ դատողությունն անթերի է:

Մարգալիտը նշում է, որ հրապարակված աշխատանքները ստուգելիս մաթեմատիկոսները հայտնաբերել են տրամաբանական սխալներ: Նրա խոսքով՝ որոշ հոդվածներ կարող են հետ կանչվել ապացույցների թերությունների պատճառով: Այս առումով ԱԲ-ն կրկնում է տիպիկ մարդկային սխալները. բաց է թողնում կարևոր քայլեր, անում անհիմն հետևություններ կամ սխալ դատողությունը ներկայացնում է որպես ճիշտ:

Այդ պատճառով մաթեմատիկական հանրությունը դեռևս չի կարող պարզապես հավատով ընդունել մեքենայական աշխատանքի արդյունքները: Դրանք անհրաժեշտ է ուշադիր վերլուծել և ստուգել՝ ճիշտ այնպես, ինչպես մարդկանց ներկայացրած ապացույցները:

Սա չի չեղարկում նոր գործիքների արժեքը, բայց ցույց է տալիս, որ ապացույցներ գեներացնելու կարողությունը և դրանց ճշգրտությունը երաշխավորելու կարողությունը տարբեր խնդիրներ են:

Մեքենաները վերլուծում են տարբերակներ, այլ ոչ թե տալիս հետաքրքիր հարցեր

Մարգալիտը նաև առաջարկում է համեմատել ԱԲ-ի ներկայիս մաթեմատիկական ձեռքբերումները շախմատում և գոյում համակարգչի հաջողությունների հետ:

Ըստ նրա նկարագրության՝ OpenAI-ը ներգրավել է տասնյակ հազարավոր գործակալներ, որոնք բազմիցս զուգակցել են հայտնի թեորեմները միլիոնավոր տարբեր կոնֆիգուրացիաներում: Նման մոտեցումը թույլ է տալիս մեքենային չհոգնել և ստուգել լուծման հնարավոր ուղիների հսկայական քանակություն:

Սա տպավորիչ հաշվողական հզորություն է, բայց տարբերակների պարզ վերլուծությունն ինքնին դեռևս չի նշանակում մաթեմատիկական ինտուիցիայի ի հայտ գալ: ԱԲ-ն կարող է արդյունավետորեն որոնել ապացույց արդեն իսկ հայտնի գաղափարների տարածությունում, սակայն, Մարգալիտի գնահատմամբ, առայժմ չի ցուցադրում ինքնուրույնաբար իսկապես հետաքրքիր հարցեր ձևակերպելու համեմատելի ունակություն:

Տարբերությունն այստեղ սկզբունքային է. գտնել դրված խնդրի լուծումը նույնը չէ, ինչ հասկանալը, թե ընդհանրապես ինչ խնդիր արժե դնել:

ԱԲ-ն կարող է ազատել մաթեմատիկոսներին առօրյա աշխատանքից

Մարգալիտն արհեստական բանականության մեջ տեսնում է նաև ավելի գործնական հնարավորություն՝ այն որպես ուղղորդված հաշվողական գործիք վերածելու հեռանկարը:

Նա հիշեցնում է, որ նախկինում մաթեմատիկոսները կարող էին ամբողջական գրքեր նվիրել ինտեգրալների հաշվմանը: Մասնագիտացված ծրագրերի հայտնվելն ավտոմատացրեց այդ աշխատանքը, բայց չոչնչացրեց մաթեմատիկան: Ընդհակառակը, հետազոտողները հնարավորություն ստացան կենտրոնանալ ավելի բարդ հարցերի վրա:

Այսօր տեղի է ունենում նման մի բան: Եթե բարդ հետազոտական խնդրում հանդիպում է ինտեգրալ, որը կարելի է հաշվել ծրագրային եղանակով, մաթեմատիկոսն արդեն պարտավոր չէ դրա վրա վատնել իր ժամանակի զգալի մասը: ԱԲ-ն ունակ է ընդլայնելու այս էֆեկտը՝ օգնելով ավելի արագ կատարել հետազոտությունների տեխնիկական փուլերը:

Արդյունքում գիտնականները կարող են ավելի շատ ուշադրություն դարձնել հայեցակարգերին, մաթեմատիկական օբյեկտների միջև կապերին և աշխատանքի նոր ուղղություններին:

Ճիշտ պատասխանը դեռևս ըմբռնում չէ

Մարգալիտի ամենակարևոր փաստարկը վերաբերում է հենց մաթեմատիկայի բնույթին: Նրա կարծիքով՝ դրա իմաստը չի սպառվում ճիշտ արդյունքներ ստանալով:

Նա դիմում է մաթեմատիկոս Բիլ Թերսթոնի գաղափարներին, որոնք շարադրված են նրա 1994 թվականի հայտնի էսսեում: Եթե համակարգչային ցուցակը տա տասը հազար պարզ թվեր, դա դեռևս չի բացատրի, թե ինչու են դրանք գոյություն ունենում և ինչ օրինաչափություններ են կապում դրանք միմյանց հետ:

Մեքենան կարող է տալ պատասխան, բայց պատասխանն ինքնին պարտադիր չէ, որ ըմբռնում տա: Հենց պատճառների, կառուցվածքի և փոխկապակցվածության մեջ գլուխ հանելու մարդկային ձգտումն է հաշվարկը վերածում մաթեմատիկական հետազոտության:

Մարգալիտն ընդգծում է, որ նույնիսկ եթե համակարգչին հասանելի է լինում լուծել խնդիրը, դա չի նշանակում, թե մարդը կդադարի ցանկանալ հասկանալ լուծումը: Նրա համար մաթեմատիկան առաջին հերթին մարդկային գործունեություն է, որն ուղղված է շրջակա աշխարհի ճանաչմանը:

Ինչ կմնա մարդուն ԱԲ-ի դարաշրջանում

OpenAI-ի և Anthropic-ի ձեռքբերումները ցույց են տալիս, որ արհեստական բանականությունը դառնում է գիտական աշխատանքի ավելի ու ավելի հզոր գործիք: Այն ունակ է վերլուծել տարբերակների հսկայական քանակություն, զուգակցել հայտնի արդյունքները և գտնել խնդիրների լուծումներ, որոնք նախկինում պահանջում էին հետազոտողների զգալի ջանքերը:

Բայց սրանից չի հետևում, որ մարդկային ներդրումը կորցնում է նշանակությունը: Մեքենայական ապացույցները կարիք ունեն ստուգման, հաջողված լուծումների մեծ մասը հիմնված է արդեն իսկ մարդկանց կատարված աշխատանքի վրա, իսկ պատասխանի գեներացումը չի փոխարինում ըմբռնմանը:

Մարգալիտն առաջարկում է տեղի ունեցողին նայել ոչ թե որպես մրցակցության, որում մարդը պարտադիր պետք է հաղթի մեքենային, այլ որպես գիտական գործիքների զարգացման հերթական փուլի: Մարդիկ արդեն սովորել են չանհանգստանալ այն պատճառով, որ համակարգչային ծրագրերը շախմատում խաղում են իրենցից լավ: Հնարավոր է՝ մաթեմատիկայում տեղի ունենա մի նմանատիպ բան. ԱԲ-ն կլուծի ավելի ու ավելի շատ խնդիրներ, բայց մարդու՝ հասկանալու պահանջարկը, թե ինչպես է կառուցված աշխարհը և ինչու են մաթեմատիկական ճշմարտությունները ճիշտ, ոչ մի տեղ չի անհետանա: