سام آلتمن می‌گوید OpenAI رگبار مقالات ریاضی و علمی خود را کاهش نخواهد داد

سام آلتمن می گوید که OpenAI به اکتشافات علمی هوش مصنوعی ادامه خواهد داد

برخی از محققین از پیشرفت‌های «فوق‌العاده» هیجان‌زده هستند

اما برخی دیگر هشدار می‌دهند که سرعت تغییر «از نظر روان‌شناختی مالیات‌زا» است. یکی از وعده‌هایی که شرکت‌های بزرگ هوش مصنوعی مانند OpenAI و Anthropic داده‌اند این است که مدل‌های یادگیری ماشینی آنها به حل برخی از قدیمی‌ترین مسائل در ریاضیات و علوم کمک می‌کند. سرعت اکتشافات آنها باعث شده است که بسیاری از کارشناسان در تلاش برای ادامه دادن باشند، اما Sam Altman از OpenAI به تازگی گفته است که چیزهای بیشتری در انبار وجود دارد - و همه از این موضوع خوشحال نیستند.

آلتمن در سخنرانی در پادکست Cheeky Pint اعتقاد خود را بیان کرد که "بشریت سزاوار دانش بنیادی است و ما نباید روی یک کشف بزرگ علوم بنیادی بنشینیم."

این دلیل منطقی است که چرا OpenAI پیشرفت‌های جدیدی را در این زمینه‌ها منتشر کرده است و برخی از قدیمی‌ترین و سخت‌ترین مشکلاتی را که سال‌ها متفکران بزرگ را دچار مشکل کرده‌اند، از بین می‌برد. اما روشی که این شرکت نتایج خود را ارائه کرده است، انتقادهایی را به دلیل اسناد اغلب ناکافی و فرآیندهای تأیید مشکوک برانگیخته است.

در حالی که آلتمن اذعان کرد که در پادکست گفت که «من با روش همدلی دارم» و گفت که تلاش OpenAI برای چالش‌های ریاضی گاهی «از کنترل خارج می‌شود»، او پیشنهاد کرد که چیزهای بیشتری در راه است. او در پاسخ به این سوال که آیا این شرکت دیگر پیشرفت‌های منتشر نشده‌ای در خزانه‌های خود دارد، پاسخ داد: "البته داریم."

این به این اتهامات منجر شد که به دور از دادن "دانش اساسی" به مردم، OpenAI در حال نگهبانی از اکتشافات مهم است. و یک مشکل دیگر وجود دارد: مقیاس بزرگ تحقیق جدید باعث از بین رفتن دانشگاهیان شده است. به عنوان مثال، Wired اشاره کرده است که این شرکت اخیرا "722 نسخه خطی را روی 400 مشکل در GitHub ریخته است" و جامعه علمی را به بررسی انبوه عظیم اطلاعات رها کرده است.

Thore Husfeldt از دانشگاه IT کپنهاگ گفت و تأثیر این که مهم‌ترین کار در زندگی‌تان به‌طور ناگهانی توسط یک ماشین تضعیف شود، «از نظر روانی برای بسیاری از افراد مایه‌آزار است». هاسفلد اضافه کرد که "مصائب و تاریکی زیادی وجود دارد، زیرا هر هفته یا هر هفته دوم، نتایج اعلام شده توسط هوش مصنوعی فقط پروژه های تحقیقاتی در حال انجام بسیاری از افراد را از بین می برد."

از بین بردن کل زمینه های تحقیقاتی

(اعتبار تصویر: Shutterstock) توانایی مدل‌های هوش مصنوعی در حل مسائل خاردار زمانی به وضوح نشان داده شد که ظاهرا فرضیه زمان نمایی (ETH) را رد کرد، که استدلال می‌کرد تلاش لازم برای حل یک مشکل با پیچیدگی آن افزایش می‌یابد. این نظریه‌های بی‌شماری را که فرض می‌کردند ETH درست است و بسیاری از متخصصان را مجبور به تقلا برای رسیدن به آن کردند، زیر پا گذاشت.

همانطور که پیتر جانسون، استاد دانشگاه لینکوپینگ، به Wired گفت، اگرچه تمایل هوش مصنوعی به تضعیف تحقیقات چند ساله می‌تواند آزاردهنده باشد، "در عین حال، ما چیزهای زیادی از آن یاد می‌گیریم. و این چیزی است که علم درباره آن است."

دانیل لوکشتانوف، استاد دانشگاه سانتا باربارا، به درستی حال و هوای بسیاری از دانشمندان و ریاضیدانان را توصیف کرد و گفت: "این فقط یک بمب غول پیکر است که در وسط میدان پرتاب شده است." "این واقعا عالی و در عین حال وحشتناک است."

در همین حال، برای هاسفلد، این کشف "خوبی" است. او افزود: «ریاضی‌دان بودن بسیار شبیه به تلو تلو خوردن در یک اتاق کاملا تاریک است. مثل این است که کسی یک زیرشاخه کامل را در نورافکن دانش روشن کرده است، و حالا ما مانند خرگوش‌های بیش از حد هیجان‌زده به اطراف می‌دویم و به همه گوشه‌ها و شکاف‌هایی که می‌توانیم ناگهان کاوش کنیم نگاه می‌کنیم. بنابراین زمان فوق‌العاده هیجان‌انگیزی است.»

در مورد تئوری ETH، کار OpenAI مورد بازبینی همتا یا تایید مستقل قرار نگرفته است. اما واضح است که تحقیقات هوش مصنوعی در بسیاری از زمینه‌ها تغییرات نسلی ایجاد می‌کند - و کل رشته‌های تحصیلی را در یک لحظه واژگون می‌کند، با تمام هیجان و هرج و مرج ناشی از آن.

جانسون به درستی وضعیت را خلاصه کرد و گفت: "برای من اهمیتی نمی‌دهد که این یک مدرک نوشته شده توسط انسان باشد، یا توسط هوش مصنوعی نوشته شده باشد، یا اینکه یک موجود بیگانه این مدرک را به ما منتقل کرده است. اگر درست است، ما باید به سادگی از آن در آینده استفاده کنیم."