OpenAI راه حل هایی را برای بیش از 370 چالش ریاضی برجسته منتشر می کند. نتایج ریاضیدانان را از هم جدا می کند، اما اکثر آنها موافقند: ریاضی هرگز یکسان نخواهد بود

OpenAI راه حل های کامل یا جزئی ایجاد شده توسط هوش مصنوعی را روز سه شنبه برای بیش از 370 مسئله ریاضی برجسته منتشر کرد، از جمله برخی از آنها که مدت ها به عنوان چالش های بزرگ در این زمینه تلقی می شدند.

حجم نتایج بسیاری از ریاضیدانان را متحیر کرد، در حالی که روشی که OpenAI برای مقابله با مشکلات و انتشار راه حل ها طی کرده است، زمینه را تقسیم کرده است. برخی گفتند که در مورد نتایج مشتاق هستند و زمینه‌های جدیدی را برای ریاضیدانان می‌بینند که می‌توانند کاوش کنند. برخی دیگر گفتند رویکردی که OpenAI و سایر شرکت های هوش مصنوعی برای حل مسائل ریاضی اتخاذ کرده اند، حمله ای به ریاضیات به عنوان یک رشته دانشگاهی انسانی است.

OpenAI گفت که نتایج را با استفاده از یک مدل هوش مصنوعی داخلی منتشر نشده به دست آورده است. گفته شد که به طور متوسط ​​این مدل برای رسیدن به هر راه حل حدود سه ساعت زمان محاسباتی نیاز دارد.

حافظه پنهان گسترده راه حل های جدید شامل نتایج کامل یا جزئی برای بسیاری از مسائلی است که ریاضیدانان مهمترین آنها را در این زمینه در نظر گرفته اند. این نتایج هفته‌ها پس از آن به دست آمد که OpenAI گفت از یک مدل داخلی منتشرنشده برای حل معادلات ناویر-استوکس، یکی از هفت مسئله جایزه هزاره که موسسه ریاضیات Clay جایزه 1 میلیون دلاری برای آن ارائه می‌کند، استفاده کرده است. در جدیدترین دسته از نتایج، OpenAI گفت که در سه مشکل دیگر جایزه هزاره پیشرفت کرده است اما آنها را به طور کامل حل نکرده است.

شرکت‌های هوش مصنوعی مسائل ریاضی را به عنوان راهی برای نمایش قابلیت‌های مدل‌های خود هدف قرار داده‌اند. محققان هوش مصنوعی همچنین گفته‌اند که آموزش مدل‌های هوش مصنوعی آنها در مورد مسائل دشوار ریاضی ممکن است به آنها کمک کند تا مهارت‌های زیادی را بیاموزند که به سایر حوزه‌ها در دنیای واقعی تعمیم می‌یابد. برای مثال، ممکن است به آموزش مهارت‌های استدلال منطقی به مدل‌ها و همچنین نحوه پایداری در مواجهه با مشکلات دشوار کمک کند.

همچنین ممکن است به مدل‌ها بیاموزد که در حوزه‌هایی مانند فیزیک یا اقتصاد که ریاضیات زیادی را در بر می‌گیرند، خوب عمل کنند - اگرچه تا کنون، دقیقا مشخص نیست که چگونه قابلیت‌های ریاضی یک مدل ممکن است به حوزه‌هایی، مانند قانون یا استراتژی تجاری، که مستلزم استدلال منطقی هستند، اما راه‌حل‌های درست قابل تأیید عینی ندارند، تعمیم یابد.

در همین حال، برخی از ویژگی‌هایی که در مقابله با مسائل ریاضی بسیار دشوار آموخته‌اند - مانند تداوم - ممکن است خطرات ایمنی را افزایش دهند. در حوادث اخیر "هوش مصنوعی سرکش"، عوامل هوش مصنوعی برای دستیابی به نتایج در ارزیابی، از جمله اقدامات غیرمجاز و غیرقانونی، تمام تلاش خود را کردند. در مواجهه با چالشی به ظاهر غیرممکن، یک انسان ممکن است به جای متوسل شدن به این نوع اقدامات غیرمجاز، به سادگی تسلیم شود.

دن لیت، استاد ریاضیدان در دانشگاه تورنتو، به فورچون گفت که از نتایج OpenAI هیجان زده است. او گفت: «نظر من این است که این برای ریاضیات عالی است،» و افزود که راه‌حل‌های متعددی وجود دارد که OpenAI منتشر کرده است که بر مشکلاتی که او علاقه‌مند است تأثیر گذاشته و مشتاق است راه‌حل‌هایی را که مدل هوش مصنوعی OpenAI پیدا کرده است، درک کند. "من فکر می کنم که داشتن راه حل های جدید برای سوالاتی که من و دیگران به آنها علاقه مندیم عالی است."

لیت هشدار داد، با این حال، او نگران تأثیر راه‌حل‌ها بر حوزه ریاضیات است، به‌ویژه اگر این تصور که هوش مصنوعی «ریاضی را حل کرده است» سازمان‌های تأمین‌کننده مالی را وادار کند که حمایت از تحقیقات ریاضی را کنار بگذارند یا ریاضیدانان جوان امیدوار را از ورود به این حرفه منع کنند. اگر می‌خواهیم از پیشرفت این مشکلاتی که هوش مصنوعی ایجاد کرده است، چیزی به دست آوریم، این مهم است که جامعه حمایت خود را از تخصص ریاضیات انسانی تأیید کند.»

نمایش کار

وقتی OpenAI راه‌حل Navier-Stokes خود را منتشر کرد، دو ریاضی‌دان، که با استفاده از ابزارهای هوش مصنوعی، از جمله OpenAI، روی راه‌حلی برای مشکل کار می‌کردند، شرکت را متهم کردند که عمدا یا سهوا کارشان را در حال پیشرفت به مدل هوش مصنوعی خود می‌رساند و به آن کمک می‌کند تا در جهت راه‌حل باشد.

OpenAI این موضوع را رد کرد و گفت که مدل خود را به کار دو ریاضیدان تغذیه نکرده است و این مدل نمی‌توانست هیچ سرنخی در مورد تحقیقات آنها از داده‌های آموزشی خود بدست آورد زیرا قطع آن داده‌ها قبل از تاریخی بود که این دو ریاضیدان شروع به استفاده از محصول OpenAI Codex AI برای کار روی Navier-Stokes کردند.

در پاسخ به آخرین نتایج، تریستان باک مستر در دانشگاه نیویورک، یکی از ریاضیدانانی که در مناقشه قبلی شرکت داشت، به نیویورک تایمز گفت که هنوز مشخص نیست که آیا ریاضیدانانی که از مدل‌های OpenAI استفاده می‌کنند سهوا به سیستم هوش مصنوعی داخلی شرکت به سمت راه‌حل‌هایی که پیدا کرده است کمک کرده‌اند یا خیر. او به تایمز گفت: «احتمالا یک دسته از نتایج وجود دارد که در آنها کار یک نفر را می گیرند و سپس آن را به اتمام می رسانند.

با توجه به تعداد نتایجی که به طور همزمان منتشر می‌شوند، او گفت: «فکر نمی‌کنم آن‌ها به هیچ وجه بررسی‌های لازم را انجام داده باشند» تا مطمئن شوند مدل هوش مصنوعی کار کسی را سرقت نکرده است.

ماه گذشته، به دنبال انتقاد ریاضیدانان در پی راه حل Navier-Stokes، OpenAI گفت که در حال تشکیل یک گروه مشاوره مستقل در زمینه ریاضیات و هوش مصنوعی است که در موسسه مطالعات پیشرفته در پرینستون، N.J.

اواخر ماه گذشته، این گروه مجموعه‌ای از توصیه‌ها را برای انتشار اثبات‌های ریاضی تولید شده توسط هوش مصنوعی منتشر کرد. این توصیه‌ها شامل این بود که شواهد تولید شده توسط هوش مصنوعی باید طبق قراردادهای یک مقاله تحقیقاتی ریاضی سنتی منتشر شوند تا ریاضیدانان انسانی بتوانند راحت‌تر نتایج را بررسی کرده و از آنها بیاموزند.

همچنین توصیه می‌کند که برای هر راه‌حل، یک شرکت هوش مصنوعی باید نام مدل مورد استفاده، اعلان‌های استفاده‌شده، «زنجیره فکر» مدل (یا خروجی از مراحل استدلال آن)، مدت زمانی که مدل طول کشیده تا به راه‌حل برسد، و تقریبی از هزینه‌های آن زمان محاسباتی را عمومی کند.

این شرکت همچنین باید افشا کند که چگونه تصمیم گرفته است که هوش مصنوعی برای حل آن مشکل خاص تلاش کند و اگر نتایج زیادی به طور همزمان منتشر شد، شرکت باید گزارشی را منتشر کند که دلیل آن مشکلات و بسیاری از مشکلات دیگر با دشواری مشابه را که مدل سعی کرد و نتوانست حل کند منتشر کند.

OpenAI آخرین راه حل های ریاضی GitHub، سایت مخزن کد را منتشر کرد. برخی از مراحلی را که گروه مشاوره توصیه کرده بود، اما نه همه، دنبال کرد. این گروه روز سه‌شنبه بیانیه‌ای منتشر کرد و گفت: «ما مجددا توصیه‌های منتشر شده خود را درباره آزادی مسئولانه تأیید می‌کنیم». این شرکت گفت که بحث‌هایش با OpenAI «سازنده» بوده است، اما «در نهایت این به جامعه ریاضی بستگی دارد که تا چه حد توصیه‌های ما با موفقیت دنبال شده است، و اینکه آیا توصیه‌های دیگری وجود دارد که باید پیشنهاد کنیم یا خیر».

این شرکت روز سه‌شنبه یک پست وبلاگی منتشر کرد که در آن گفت از توصیه‌های گروه مشاوره در مورد نحوه انتشار راه‌حل‌ها استفاده کرده است. OpenAI گفت: "برای انتشارات آینده، ما متعهد به بهبود بیشتر کیفیت مقالات از طریق استنادات، توضیحات ریاضی و ارائه نتایج برای درک بهتر هستیم." این سازمان گفت که در حال به اشتراک گذاشتن رسمی‌سازی شواهد برای بسیاری از مشکلات است - این‌ها نسخه‌هایی از شواهد هستند که می‌توان آنها را با نرم‌افزارهای کامپیوتری تخصصی تأیید کرد - و در صورت دستیابی به آنها، موارد بیشتری را به اشتراک می‌گذارد.

همچنین گفت که برای 10 مشکل خلاصه‌ای از استدلال مدل خود، تخمین‌های محاسباتی صرف شده و آماری درباره تعداد مشکلات امتحان شده منتشر می‌کند.

لیت که عضوی از گروه مشاوره نبود، به فورچون گفت که بیشتر جنبه‌های نحوه انتشار راه‌حل‌ها را تأیید می‌کند. او گفت که داشتن آنها در GitHub آنها را به راحتی برای سایر ریاضیدانان برای مطالعه در دسترس قرار می دهد، و او به این شرکت اعتبار می دهد که هیچ پیشرفت خاصی در پست وبلاگ یا مطالب بازاریابی در نظر گرفته شده برای مخاطبان غیر فنی انجام نداده است.

او همچنین گفت که فکر می‌کند OpenAI توانایی انتشار همه نتایج را در مقالات تحقیقاتی که استانداردهای آکادمیک دقیق را برآورده می‌کنند، ندارد، هم به این دلیل که مدل‌های هوش مصنوعی به اندازه کافی شرح ریاضی را نمی‌نویسند و هم برای استناد به کارهای ریاضی قبلی مشکل دارند، و هم به دلیل اینکه OpenAI ریاضیدانان کافی در زمینه‌های کافی برای درک تمام شواهدی را که مدل‌های هوش مصنوعی می‌توانند تولید کنند، استخدام نمی‌کند.

در حالی که برخی از ریاضیدانان شکایت کرده‌اند که اثبات‌های تولید شده توسط هوش مصنوعی، مانند راه‌حل‌های ناویر-استوکس OpenAI، به سختی قابل پیگیری است، و این امر باعث می‌شود که ریاضیدانان نتوانند بر اساس نتایج کار کنند، لیت گفت که او فکر می‌کند چنین نگرانی‌هایی "بیش از حد" است. او گفت که نوشتن ریاضی اغلب به هر طریقی دشوار است. او گفت: «من فکر می‌کنم برای استخراج درک از [نتایج OpenAI]، حجم عظیمی از نیروی انسانی درگیر خواهد شد، اما با کاری که ریاضی‌دانان برای همیشه انجام می‌دادند، تفاوت چندانی ندارد.

OpenAI گفت که می‌خواهد راه‌حل‌های خود را «مرز دانش بشری را پیش ببرد و باعث پیشرفت بیشتر در ریاضیات شود». این شرکت اعلام کرد که مجموعه‌ای از کارگاه‌ها، کنفرانس‌ها و برنامه‌هایی را برای کمک به ریاضیدانان برای درک نتایجی که سیستم هوش مصنوعی آن ایجاد کرده است، تامین می‌کند.

پایان "ریاضی 1.0"

گروه مشاوره مستقل ریاضی در بیانیه خود در مورد انتشار OpenAI گفت که "آینده تحقیقات ریاضی نمی تواند تنها شامل درک نتایج تولید شده توسط آزمایشگاه های هوش مصنوعی باشد. ریاضیدانان باید بتوانند سوالات خود را فرموله کنند، رویکردهای خود را توسعه دهند و مسیرهایی را که به عنوان نمونه هایی از قابلیت های یک سیستم هوش مصنوعی انتخاب نشده اند، بررسی کنند. دسترسی عادلانه به منابع تحقیقاتی قدرتمند و آزادانه برای ابزارهای محاسباتی و قدرتمند است."

ترنس تائو، استاد ریاضیات UCLA که یکی از بزرگترین ریاضیدانان زنده جهان است، به طور فزاینده‌ای از روشی که شرکت‌های هوش مصنوعی دنبال مسائل ریاضی رفته‌اند انتقاد کرده است و استدلال می‌کند که این فرآیند رسیدن به راه‌حل‌ها - نه خود راه‌حل‌ها - است که درک ریاضی را پیشرفت می‌دهد، و با حل سریع دانش‌آموزان هوش مصنوعی به مسائل جالب تبدیل می‌شوند. زمینه آینده اش

تائو در پستی در شبکه های اجتماعی در روز سه شنبه ماستودون این انتقادات را تکرار کرد. او می‌نویسد: «مشکلات به‌طور مستقل توسط اعلان‌کننده‌های هوش مصنوعی حل می‌شوند که وقتی هدف اولیه‌شان «حل» شد، هیچ علاقه‌ای به خود حوزه وسیع‌تر ندارند، و خروجی هوش مصنوعی را آنقدر خوب درک نمی‌کنند که به سؤالات مربوط به نتیجه پاسخ دهند، صحبت کنند، یا در غیر این صورت با بقیه حوزه تعامل داشته باشند.»

سمینارها، کارگاه‌ها، همکاری‌ها یا سایر فعالیت‌های کمتری از این نتایج در مقایسه با پیشرفت‌های سنتی ایجاد می‌شوند؛ افراد کمی در این زمینه به جامعه می‌پیوندند؛ و دستورالعمل‌های باز امیدوارکننده اکنون از ترس اینکه این امر باعث شود تحقیقات آنها «محافظه» شود، از عموم خودداری می‌شود.»

تائو گفت که انتشار انبوه راه‌حل‌های ریاضی OpenAI پایان «ریاضی 1.0» را نشان می‌دهد که در آن یافتن راه‌حل‌هایی برای حدس‌ها و مسائل حل‌نشده، حتی اگر آن راه‌حل‌ها در ابتدا به راحتی قابل درک نباشند، به عنوان موتور این رشته عمل می‌کند. او گفت که اکنون باید یک دوره "ریاضی 2.0" وجود داشته باشد که "نیاز دارد نقش حل مسئله خام را متمرکز کند و پیشرفت ریاضی را به طور کل نگرتر ارزیابی کند - به عنوان مثال با بالا بردن نقش نمایش، بلکه همچنین نقش جامعه سازی و باز کردن مسیرهای جدید مطالعه."

لیت گفت که با تائو موافق است که این رشته باید تغییر کند. او گفت که انتشار چنین مجموعه گسترده ای از راه حل ها توسط OpenAI کمک می کند تا کل رشته "در یک صفحه قرار گیرند و درک کنیم که ما باید کمی رادیکال در مورد بازنگری" چیزهایی مانند نوع کمک هایی که به آن پاداش می دهد و نحوه آموزش دکترا را درک کنیم. دانش آموزان و در حالی که تائو به طور کلی در مورد این انتقال غمگین به نظر می رسد، لیت گفت که او در مورد آن "خوشبین" است.

لیت درباره ظهور هوش مصنوعی به عنوان ابزاری برای حل مسائل ریاضی گفت: «یکی از همکارانم به من گفت، احساس می‌کنم تمام زندگی‌ام را خزیدم و اکنون می‌توانم پرواز کنم. کاری که اکنون می‌توانیم انجام دهیم، باورنکردنی است.» او گفت که فکر می‌کند هوش مصنوعی ریاضیدانان انسانی را قادر می‌سازد تا در «کاوش‌های باز» بسیار بیشتر از آنچه که قبلا ممکن بود، شرکت کنند. او گفت: «ما باید از ریاضیدانان انتظار داشته باشیم که در آینده کارایی بیشتری داشته باشند.

این داستان در ابتدا در سایت Fortune.com منتشر شد