SG.hu·
Az MI matematikai áttörései a tudomány jövőjét is felforgathatják
A kutatók attól tartanak, hogy az emberi megértéstől elszakadó eredmények beszűkíthetik a tudományos gondolkodást.
„Az embereknek néha téves elképzeléseik vannak a matematikáról, és azt gondolják, hogy a számítógépek majd felülmúlják” - mondta Alain Connes matematikus 2000-ben. Azt magyarázta ezzel, miért ajánlott fel neves matematikusok egy csoportja egymillió dolláros jutalmat hét rendkívül nehéz matematikai probléma megoldásáért. Connes szerint ezek a Millenniumi Díjproblémák „teljesen elérhetetlenek a számítógépek számára”.
A számítógépek azonban egyre jobbak lettek. Szeptember elején az OpenAI közölte, hogy egyik belső MI-modellje megoldott egy Millenniumi Díjproblémát: a Navier-Stokes-egyenletek létezésére és simaságára vonatkozó problémát, amely a folyadékok mozgásával kapcsolatos. A hét probléma közül mindössze a második volt ez, amelyet sikerült megoldani, és az első, amelyet egy gép győzött le. A matematikusok legalább egy évszázada küszködtek ezzel a feladattal. Az MI 88 óra alatt oldotta meg.
Ezután következett az, amit Álvaro Lozano-Robledo, a Connecticuti Egyetem matematikusa „a matematika történetének talán eddigi legfontosabb egyetlen napjaként” jellemzett. Október 6-án az OpenAI 719 tanulmányból álló áradata jelent meg, amelyek részletesen ismertették azokat a megoldásokat, amelyeket ugyanaz a modell legalább 372 másik, régóta megoldatlan matematikai problémára talált. A kutatás egyetlen területe sem tapasztalt még ehhez hasonló eseményt.
Sok matematikus nem ünnepel. „A sokk óriási” - írta Hugo Duminil-Copin, a Genfi Egyetem matematikusa, aki 2022-ben elnyerte a Fields-érmet, a matematika legrangosabb kitüntetését. „Megbénultam.” Röviddel a Navier-Stokes-problémáról szóló bejelentés után közzétett nyilatkozatukban, amelyet azóta több mint 8000 kutató is támogatásáról biztosított, Duminil-Copin és 27 további Fields-éremmel kitüntetett matematikus az MI matematikai alkalmazásainak súlyos összehangolatlanságáról beszélt. Aggódnak azok miatt a kockázatok miatt, amelyeket az emberi megértéstől elszakadt megoldások jelentenek. Ha nem szabnak neki határt, az MI „sterillé teheti a területet” - mondja Martin Hairer, a svájci Lausanne-ban működő EPFL egyetem kutatója, a nyilatkozat egyik aláírója.
Első pillantásra furcsának tűnhet, hogy az MI matematikai áttörései ilyen reakciókat váltottak ki. A régóta megválaszolatlan kérdések megoldása az emberiség előrelépését jelenti. A matematikusoknak ráadásul saját érdekük is fűződik ahhoz, hogy ellenálljanak a szakmai pályafutásukat felforgató változásoknak. Érveik azonban nem pusztán önérdekű kifogások, és előrevetítik azt a felháborodást, amely hamarosan számos tudományterületen is kirobbanhat.
A tiltakozó matematikusok szerint a megoldásokra való összpontosítás figyelmen kívül hagyja annak fontosságát, hogy miként jutunk el hozzájuk. A nyitott problémák megoldására tett kísérletek új eszközök és technikák kidolgozására ösztönöznek, amelyek közül néhány később az eredeti rendeltetésén túl is hasznosnak bizonyulhat. A képzetes számokat például, amelyek négyzete negatív értékű, a 16. századi matematikusok olyan dolgokként írták le, amelyek „éppoly kifinomultak, mint amennyire haszontalanok”. Ma már ezek képezik az elektrotechnika, a kvantumfizika és számos más terület alapját.
A matematikusok szerint az OpenAI több száz új tanulmánya nem kínált számukra meglepő ötleteket vagy új kutatási irányokat. Luis Martínez-Zoroa, a madridi CUNEF Egyetem matematikusa, a Navier-Stokes-probléma egyik vezető szakértője szerint az MI nem igazán tudja jól elmagyarázni, hogyan jut el az eredményeihez. Az MI munkáját bemutató, 166 oldalas tanulmányt „a különböző kutatási területek valamiféle Frankenstein-szörnyeként” írja le, amely minden, csak nem világos.
Nem a matematika az egyetlen terület, amelyet felforgatással fenyeget a technológia. A Nature januárban közzétett elemzése, amely a természettudományok különböző területeiről származó 41,3 millió tanulmányt vizsgált, arra jutott, hogy a kutatók egyre gyorsuló ütemben alkalmazzák az MI-t. David Tong, a Cambridge-i Egyetem munkatársa szerint az MI már most gyökeresen megváltoztatta az elméleti fizikusok munkamódszereit. „Ha számításokról van szó, magától értetődő, hogy egy nagy nyelvi modellhez fordulsz” - mondja. „Három hónappal ezelőtt ez még nem volt igaz.” Szeptember 25-én az Anthropic, egy másik MI-vállalat bejelentette, hogy Claude nevű modelljük előrelépést ért el bizonyos részecskehalmazok közötti kölcsönhatások kiszámításában.
Úgy tűnik, az MI-t alkalmazó tudósok sikereket érnek el: a Nature tanulmánya kimutatta, hogy azok a kutatók, akik használják ezt a technológiát, több tanulmányt publikálnak, és több hivatkozást kapnak. Bár az MI használata az egyének számára előnyös, a vizsgált témák körét csaknem 5 százalékkal szűkítette, a tudósok egymás munkája iránti érdeklődését pedig 22 százalékkal csökkentette. James Evans, a Chicagói Egyetem MI-kutatója, a tanulmány egyik szerzője ezt úgy írja le, hogy a kutatási területek „bezárulnak”. Ez összhangban áll egy több mint 600 tudós bevonásával végzett, nemrégiben készült Google-felmérés eredményeivel. A válaszadók csaknem fele szerint az MI a biztonságosabb, fokozatos előrelépést kínáló projektek felé tereli őket, amelyek rövid időn belül garantáltan publikálható eredményeket hoznak. Mindössze 28 százalék gondolta úgy, hogy az MI lehetővé teszi számára a spekulatívabb kutatások folytatását. A tudományos fejlődéshez mindkettőre szükség van, de gyakran éppen a kockázatosabb kutatások vezetnek a legmélyrehatóbb áttörésekhez.
Az MI tudományos szerepének növekedésével más kockázatok is megjelennek - mondja Hector Zenil, a londoni King's College számítástechnikai kutatója. Zenil és Evans a Frontiers in Artificial Intelligence folyóiratban megjelent írásukban egy olyan jövőt vázolnak fel, amelyben az MI-modellek, kiegészítve némi robotikával is, bezárják a tudományos visszacsatolási kört. Ez azt jelenti, hogy képessé válnak arra, hogy önállóan méréseket végezzenek, hipotéziseket alkossanak, laboratóriumi körülmények között teszteljék azokat, majd kiértékeljék az eredményeiket, mielőtt újrakezdenék a folyamatot. A kutatók arra figyelmeztetnek, hogy ez a tudományt egy különös, új területre sodorhatja, ahol a gépek által vezérelt tudomány érthetetlenné válik az emberek számára.
Egy ilyen világban talán továbbra is ellenőrizhető lenne, hogy a gépek eredményei helyesek-e, és esetleg fel is lehetne használni őket. Egy vagy két esetben például a kutatóknak már sikerült továbbépíteniük az OpenAI matematikai eredményeire. Mindez azonban gyökeresen új kutatási módszert jelentene. Zenil szerint a tudósok egy napon régészekhez válhatnak hasonlóvá: az MI felfedezéseit követhetik nyomon, és megpróbálhatják kideríteni, hogyan születtek meg ezek az eredmények. Tong, aki derűlátó az MI jótékony hatásaival kapcsolatban, ennek ellenére arra figyelmeztet, hogy „nem vagyok biztos benne, hogy valóban felkészültünk arra, ami hat hónap vagy egy év múlva következik”. Az elméleti fizika a matematika közeli rokona, ezért a tudományágak közül ez van a leginkább kitéve a hasonló felforgató változásoknak.
A matematikusok azonban még nem váltak munkanélkülivé. Az OpenAI eredményeinek átláthatatlansága önmagában is bőséges munkát ígér az MI módszereinek ellenőrzésében és annak megállapításában, hogy mely megközelítések bizonyulnak a legeredményesebbnek. A matematikusok szerint ráadásul az MI, bármilyen jó is a problémamegoldásban, továbbra is nehezen boldogul a kreatív munkával. Egyelőre például nem világos, hogy képes lett volna-e magától feltalálni a képzetes számokat. Connes azonban most tapasztalja meg, milyen veszélyes lehet a tudósok számára, ha alábecsülik a technológiában rejlő lehetőségeket.
„Az embereknek néha téves elképzeléseik vannak a matematikáról, és azt gondolják, hogy a számítógépek majd felülmúlják” - mondta Alain Connes matematikus 2000-ben. Azt magyarázta ezzel, miért ajánlott fel neves matematikusok egy csoportja egymillió dolláros jutalmat hét rendkívül nehéz matematikai probléma megoldásáért. Connes szerint ezek a Millenniumi Díjproblémák „teljesen elérhetetlenek a számítógépek számára”.
A számítógépek azonban egyre jobbak lettek. Szeptember elején az OpenAI közölte, hogy egyik belső MI-modellje megoldott egy Millenniumi Díjproblémát: a Navier-Stokes-egyenletek létezésére és simaságára vonatkozó problémát, amely a folyadékok mozgásával kapcsolatos. A hét probléma közül mindössze a második volt ez, amelyet sikerült megoldani, és az első, amelyet egy gép győzött le. A matematikusok legalább egy évszázada küszködtek ezzel a feladattal. Az MI 88 óra alatt oldotta meg.
Ezután következett az, amit Álvaro Lozano-Robledo, a Connecticuti Egyetem matematikusa „a matematika történetének talán eddigi legfontosabb egyetlen napjaként” jellemzett. Október 6-án az OpenAI 719 tanulmányból álló áradata jelent meg, amelyek részletesen ismertették azokat a megoldásokat, amelyeket ugyanaz a modell legalább 372 másik, régóta megoldatlan matematikai problémára talált. A kutatás egyetlen területe sem tapasztalt még ehhez hasonló eseményt.
Sok matematikus nem ünnepel. „A sokk óriási” - írta Hugo Duminil-Copin, a Genfi Egyetem matematikusa, aki 2022-ben elnyerte a Fields-érmet, a matematika legrangosabb kitüntetését. „Megbénultam.” Röviddel a Navier-Stokes-problémáról szóló bejelentés után közzétett nyilatkozatukban, amelyet azóta több mint 8000 kutató is támogatásáról biztosított, Duminil-Copin és 27 további Fields-éremmel kitüntetett matematikus az MI matematikai alkalmazásainak súlyos összehangolatlanságáról beszélt. Aggódnak azok miatt a kockázatok miatt, amelyeket az emberi megértéstől elszakadt megoldások jelentenek. Ha nem szabnak neki határt, az MI „sterillé teheti a területet” - mondja Martin Hairer, a svájci Lausanne-ban működő EPFL egyetem kutatója, a nyilatkozat egyik aláírója.
Első pillantásra furcsának tűnhet, hogy az MI matematikai áttörései ilyen reakciókat váltottak ki. A régóta megválaszolatlan kérdések megoldása az emberiség előrelépését jelenti. A matematikusoknak ráadásul saját érdekük is fűződik ahhoz, hogy ellenálljanak a szakmai pályafutásukat felforgató változásoknak. Érveik azonban nem pusztán önérdekű kifogások, és előrevetítik azt a felháborodást, amely hamarosan számos tudományterületen is kirobbanhat.
A tiltakozó matematikusok szerint a megoldásokra való összpontosítás figyelmen kívül hagyja annak fontosságát, hogy miként jutunk el hozzájuk. A nyitott problémák megoldására tett kísérletek új eszközök és technikák kidolgozására ösztönöznek, amelyek közül néhány később az eredeti rendeltetésén túl is hasznosnak bizonyulhat. A képzetes számokat például, amelyek négyzete negatív értékű, a 16. századi matematikusok olyan dolgokként írták le, amelyek „éppoly kifinomultak, mint amennyire haszontalanok”. Ma már ezek képezik az elektrotechnika, a kvantumfizika és számos más terület alapját.
A matematikusok szerint az OpenAI több száz új tanulmánya nem kínált számukra meglepő ötleteket vagy új kutatási irányokat. Luis Martínez-Zoroa, a madridi CUNEF Egyetem matematikusa, a Navier-Stokes-probléma egyik vezető szakértője szerint az MI nem igazán tudja jól elmagyarázni, hogyan jut el az eredményeihez. Az MI munkáját bemutató, 166 oldalas tanulmányt „a különböző kutatási területek valamiféle Frankenstein-szörnyeként” írja le, amely minden, csak nem világos.
Nem a matematika az egyetlen terület, amelyet felforgatással fenyeget a technológia. A Nature januárban közzétett elemzése, amely a természettudományok különböző területeiről származó 41,3 millió tanulmányt vizsgált, arra jutott, hogy a kutatók egyre gyorsuló ütemben alkalmazzák az MI-t. David Tong, a Cambridge-i Egyetem munkatársa szerint az MI már most gyökeresen megváltoztatta az elméleti fizikusok munkamódszereit. „Ha számításokról van szó, magától értetődő, hogy egy nagy nyelvi modellhez fordulsz” - mondja. „Három hónappal ezelőtt ez még nem volt igaz.” Szeptember 25-én az Anthropic, egy másik MI-vállalat bejelentette, hogy Claude nevű modelljük előrelépést ért el bizonyos részecskehalmazok közötti kölcsönhatások kiszámításában.
Úgy tűnik, az MI-t alkalmazó tudósok sikereket érnek el: a Nature tanulmánya kimutatta, hogy azok a kutatók, akik használják ezt a technológiát, több tanulmányt publikálnak, és több hivatkozást kapnak. Bár az MI használata az egyének számára előnyös, a vizsgált témák körét csaknem 5 százalékkal szűkítette, a tudósok egymás munkája iránti érdeklődését pedig 22 százalékkal csökkentette. James Evans, a Chicagói Egyetem MI-kutatója, a tanulmány egyik szerzője ezt úgy írja le, hogy a kutatási területek „bezárulnak”. Ez összhangban áll egy több mint 600 tudós bevonásával végzett, nemrégiben készült Google-felmérés eredményeivel. A válaszadók csaknem fele szerint az MI a biztonságosabb, fokozatos előrelépést kínáló projektek felé tereli őket, amelyek rövid időn belül garantáltan publikálható eredményeket hoznak. Mindössze 28 százalék gondolta úgy, hogy az MI lehetővé teszi számára a spekulatívabb kutatások folytatását. A tudományos fejlődéshez mindkettőre szükség van, de gyakran éppen a kockázatosabb kutatások vezetnek a legmélyrehatóbb áttörésekhez.
Az MI tudományos szerepének növekedésével más kockázatok is megjelennek - mondja Hector Zenil, a londoni King's College számítástechnikai kutatója. Zenil és Evans a Frontiers in Artificial Intelligence folyóiratban megjelent írásukban egy olyan jövőt vázolnak fel, amelyben az MI-modellek, kiegészítve némi robotikával is, bezárják a tudományos visszacsatolási kört. Ez azt jelenti, hogy képessé válnak arra, hogy önállóan méréseket végezzenek, hipotéziseket alkossanak, laboratóriumi körülmények között teszteljék azokat, majd kiértékeljék az eredményeiket, mielőtt újrakezdenék a folyamatot. A kutatók arra figyelmeztetnek, hogy ez a tudományt egy különös, új területre sodorhatja, ahol a gépek által vezérelt tudomány érthetetlenné válik az emberek számára.
Egy ilyen világban talán továbbra is ellenőrizhető lenne, hogy a gépek eredményei helyesek-e, és esetleg fel is lehetne használni őket. Egy vagy két esetben például a kutatóknak már sikerült továbbépíteniük az OpenAI matematikai eredményeire. Mindez azonban gyökeresen új kutatási módszert jelentene. Zenil szerint a tudósok egy napon régészekhez válhatnak hasonlóvá: az MI felfedezéseit követhetik nyomon, és megpróbálhatják kideríteni, hogyan születtek meg ezek az eredmények. Tong, aki derűlátó az MI jótékony hatásaival kapcsolatban, ennek ellenére arra figyelmeztet, hogy „nem vagyok biztos benne, hogy valóban felkészültünk arra, ami hat hónap vagy egy év múlva következik”. Az elméleti fizika a matematika közeli rokona, ezért a tudományágak közül ez van a leginkább kitéve a hasonló felforgató változásoknak.
A matematikusok azonban még nem váltak munkanélkülivé. Az OpenAI eredményeinek átláthatatlansága önmagában is bőséges munkát ígér az MI módszereinek ellenőrzésében és annak megállapításában, hogy mely megközelítések bizonyulnak a legeredményesebbnek. A matematikusok szerint ráadásul az MI, bármilyen jó is a problémamegoldásban, továbbra is nehezen boldogul a kreatív munkával. Egyelőre például nem világos, hogy képes lett volna-e magától feltalálni a képzetes számokat. Connes azonban most tapasztalja meg, milyen veszélyes lehet a tudósok számára, ha alábecsülik a technológiában rejlő lehetőségeket.