Od kilku miesięcy OpenAI i inne firmy zajmujące się sztuczną inteligencją traktują matematykę jako poligon doświadczalny dla swoich modeli. Dyscyplina ta pozwala im chwalić się możliwościami swoich systemów, ale nie tłumaczy w pełni zainteresowania, jakie te firmy do niej żywią. Twórca ChatGPT mnoży od zeszłego roku komunikaty o postępach swoich modeli w tej dziedzinie.
W maju model OpenAI obalił hipotezę związaną z problemem odległości jednostkowych Paula Erdősa, sięgającym 1946 roku. Hipoteza to twierdzenie uważane za prawdziwe na podstawie obserwacji lub analogii, ale nieudowodnione formalnie. Przez dziesięciolecia matematycy sądzili, że ułożenie punktów w kwadratową siatkę daje największą liczbę par w tej samej odległości. Model znalazł inne sposoby ich organizacji, aby uzyskać więcej. W artykule na blogu firma wspomina o « nieskończonej rodzinie przykładów » obalających starą hipotezę. Dowód został zweryfikowany przez zewnętrzną grupę matematyków.
Nastąpiły kolejne ogłoszenia. We wrześniu OpenAI, według własnych słów, zmobilizował « ponad 10 000 agentów AI » do jednego z problemów milenijnych, co spotkało się z zarzutami plagiatu ze strony badaczy. Na początku października zaawansowany model pozwolił rozwiązać setki dotąd nierozwiązanych problemów.
Witryna wystawowa dla modeli
Dla François Willota, matematyka i dyrektora badań w szkole Mines Paris-PSL, zainteresowanie ma przede wszystkim charakter komercyjny. « To dla nich ogromna reklama » – mówi w rozmowie z BFM Tech, wyjaśniając, że firmy mogą w ten sposób mówić klientom, że mają « najlepsze obecnie dostępne narzędzia ». Matematyk podkreśla też trudność poruszanych tematów: « Hipotezy matematyczne, które nie zostały jeszcze udowodnione, należą do najtrudniejszych problemów, które do niedawna ludzie potrafili rozwiązać, a maszyny nie. »
François Charles, matematyk i dyrektor wydziału matematyki i jej zastosowań w ENS-PSL, członek AGMAI, niezależnego komitetu dziewięciu światowej sławy matematyków doradzających gigantom AI, dochodzi do tego samego wniosku. Zauważa, że duże modele językowe (LLM) były niedawno w stanie rozwiązywać « zadania konkursowe, choć bardzo trudne, to jednak dla licealistów », zanim – jego zdaniem – pod koniec maja zaczęły samodzielnie rozwiązywać zaawansowane problemy badawcze.
Fakt, że dowód jest albo prawdziwy, albo fałszywy, czyni też te dziedziny istotnymi dla pomiaru wydajności. « Nie ma stanów pośrednich, więc to dobry ‘benchmark’ » – wyjaśnia François Willot, który uważa, że trudniej jest oceniać modele w kwestiach naukowych dopuszczających wiele odpowiedzi.
Obawy dotyczące przejrzystości
Matematyk przypomina, że systemy te zostały wytrenowane na « kilku milionach artykułów z nauk w ogóle », co jego zdaniem pozwala im łączyć mało znane, dawne wyniki z nowymi problemami. Porównuje też te postępy do osiągnięć Galileusza, który « w ciągu kilku nocy » dokonał więcej odkryć w astronomii niż przez poprzednie tysiąc lat. Uważa, że dzięki AI « prawdopodobnie udowodnimy w matematyce mnóstwo rzeczy, których dotąd nie udowodniliśmy ».
Niepokoi go jednak scenariusz, w którym dowody byłyby tak długie, że nie dałoby się zrozumieć ich idei, nawet jeśli ich poprawność byłaby weryfikowana automatycznie. Zarzuca też OpenAI, że podaje mało szczegółów na temat swoich metod. Dla François Charles’a badacze muszą móc « przyswoić wiedzę » płynącą z tych dowodów, podczas gdy po raz pierwszy tempo badań nie jest wyznaczane przez otwartą społeczność, ponieważ najnowocześniejsze modele są « kontrolowane przez niewielką liczbę firm ».
W odpowiedzi na te krytyki OpenAI zwróciło się do grupy matematyków, której zleciło opracowanie zaleceń dotyczących oceny i komunikacji swoich wyników. 26 października firma ogłosiła też trzy odkrycia w informatyce i fizyce, co wywołało nowe zarzuty badaczy dotyczące sposobu ich komunikacji. Pomimo tych napięć François Charles stwierdza: « Nie ma rewolucji naukowej bez zaangażowania naukowców. »
