5 Minutės
Dirbtinis intelektas ką tik sulaužė aštuonerių dešimtmečių matematinę intuiciją. Praėjusią savaitę OpenAI modelis pateikė kontrpavyzdį spėjimui, kurį 1946 m. iškėlė Paulas Erdosas, tai elegantiškas, užsispyręs klausimas apie taškus plokštumoje ir atstumus tarp jų, ir mokslininkų reakcija buvo susiliejusi su susižavėjimu ir smalsumu.
Problema skamba kaip vakarėlio galvosūkis. Padėkite n taškų ant begalinio popieriaus lapo. Išdėstykite juos kaip panorėję. Kiek tokių taškų porų gali būti tiksliai vieno vieneto atstumu? Kartoms kvadratinis tinklelis buvo pagrindinis vaizdinys. Jis tvarkingas. Jis sukaupia daug vienodo ilgio porų. Jis atrodo optimalus. Erdosas spėjo kažką panašaus: jokiai konstrukcijai neturėtų pavykti reikšmingai pranokti tinklelio labai dideliam n.
Toks tikėjimas formavo dešimtmečius tyrimų. Kombinatorika, grafinė teorija, incidencinė geometrija šias idėjas nuolat suko rato forma, bandydamos įrodyti, kad tinklelis iš esmės geriausias. Daugelis dalinių rezultatų palaikė intuiciją ir daugelis matematikų tyliai manė, kad Erdosas tikriausiai teisus. Tada bendros paskirties DI modelis, ne specializuota matematikos sistema, surado konfiguraciją, kuri generuoja daug daugiau vieneto atstumo porų nei prognozuoja tinklelis, ir tai galioja begalinei daugumai n reikšmių.
Tai ne menkas pataisymas. Naujos konstrukcijos remiasi algebrinės skaičių teorijos ir kitais klasikiniais įrankiais, sudarydamos išdėstymus, kurie pranoksta tinklelio rezultatus, kai n tampa astronomiškai didelis, pagalvokite apie 10 pakeltą 2000000 laipsniu, tai vienetas, už kurio eina du milijonai nulų. Kasdieniams dydžiams tinklelis vis dar atrodo nenugalimas. Tačiau iš teorinės perspektyvos spėjimas nebėra teisingas.
Srityje dirbantys lyderiai greitai sureagavo. Kanados matematikas Danielis Littas pavadino rezultatą pirmuoju autonomiškai DI sugeneruotu matematinio rezultato pavyzdžiu, kurį jis laiko iš esmės įdomiu. Fields medalininkas Timothy Gowers sakė, kad jis būtų rekomendavęs darbą geriausiems žurnalams, jei jį būtų pateikęs žmogus, pažymėdamas iškilią idėjų gilumą. Tai nėra lengvi palaiminimai.
OpenAI paskelbė modelio išvadas kartu su darbu, įskaitant pirminį užklausimą ir modelio mąstymo grandinės įrašą. Toks skaidrumas yra svarbus. Jis leidžia tyrėjams atsekti, kokias žinomas idėjas modelis sujungė ir kur jis perstūmė argumentą į naują teritoriją. Tai taip pat parodo netikėtą dalyką: proveržis kilo iš literatūroje jau esančių idėjų surinkimo ir perkomponavimo, o ne iš visiškai svetimo triuko išradimo.
Šis epizodas aiškiai parodo, kaip DI keičia matematinio tyrimo praktiką. Tradiciškai proveržiai remiasi trimis susipynusiomis sudedamosiomis dalimis: giliais metais brandintais eksperto įgūdžiais, kantriu daugumos aklaviečių tyrinėjimu ir tais retai pasitaikančiais konceptualiais šuoliais, kurie pakeičia problemos suvokimą. Kompiuteriai seniai buvo puikūs bruteforco paieškoje. Šiuolaikiniai kalbos modeliai prideda dar dvi stiprybes: jie yra enciklopediniai dėl ankstesnio darbo ir gali išbandyti daugybę spekuliatyvių kelių be žmogiško nuovargio.
Tokia galimybė paaiškina didžiąją dalį dabartinių laimėjimų. Duokite modeliui kelis paskatinimus ir jis gali atgaivinti mažai žinomas lemmas, eksperimentuoti su variacijomis ir sukonstruoti ilgus priežasčių grandinės segmentus. Kartais rezultatas būna įtikinamas žmogaus lygio argumentas. Kartais tai sėkla, kurią įgudęs matematikas gali nušlifuoti iki formaliojo įrodymo. Šiuo atveju modelio išvestis buvo pakankamai įtikinama, kad vėlesnis žmogaus darbas, įskaitant patobulintą rezultatą, kurį pasiūlė Will Sawin, tiesiogiai rėmėsi jo argumentacija. Google DeepMind komandos taip pat naudojo savo modelius, kad išspręstų kelis mažesnius klausimus Erdoso darbų kontekste, pabrėždamos platesnį reiškinį.
Bet ar DI gali būti tikrų konceptualių revoliucijų šaltinis? Sunku formalizuoti tuos kūrybinius blyksnius, kurie atrodo kaip staigus įžvalgų užsidegimas. Jie dažnai reikalauja intuicijos, kurios nebūna sudėliotos iš rutininių užklausų ar kombinatorinio bandymo ir klaidos. Ar mašinos gali autonomiškai sukurti tokius šuolius, lieka atviras klausimas. Kol kas jos puikiai padidina žmonių galimybes: sujungia išsibarsčiusias idėjas, tyrinėja kombinatorinę dykumą ir iškelia perspektyvius kelius, kuriuos žmonėms užtruktų gerokai ilgiau atrasti.
Yra ir gilesnių pasekmių. Šis atvejis verčia persvarstyti, kas skaičiuojama kaip matematinis darbas. Jei modelis autonomiškai randa kontrpavyzdį, kam priklauso nuopelnai? Kaip turėtų keistis recenzavimo procesas, kai straipsniuose pateikiamos mašiniškai sugeneruotos mąstymo grandinės? Kaip keisis mokymas ir bendradarbiavimas, kai tyrėjai reguliariai konsultuosis su sistemomis, galinčiomis keliauti ir perkomponuoti šimtmečius trukusią matematiką?
Matematika visuomet buvo pokalbis tarp kartų. Pats Erdosas mėgo tą vaizdinį: idėja metama iš proto į protą ir tobulinama bendradarbiavimo protrūkiuose. Dabar pašnekovas kartais yra silicio. Tyrėjai atranda, kad mašinos gali būti tiek ištikimos pagalbininkės, tiek, kartais, originalios įdomios matematikos autorės. Kitas didelis įžvalgumas gali atsirasti iš servetėlėje nubraižyto įrodymo, naktinio pokalbio, algoritmo, kuris seną problemą pamatė naujai, arba iš visų trijų kartu veikiančių šaltinių.
Šaltinis: sciencealert
Palikite komentarą