
Η Tεχνητή Nοημοσύνη φαίνεται να περνά σε μια νέα εποχή: από το να βοηθά τους ανθρώπους να λύνουν προβλήματα, αρχίζει να αντιμετωπίζει μόνη της ορισμένα από τα δυσκολότερα ερωτήματα που έχουν απασχολήσει την επιστήμη. Η OpenAI ανακοίνωσε ότι ένα νέο μοντέλο της κατάφερε να δώσει λύση σε ένα από τα περίφημα «Προβλήματα της Χιλιετίας», προκαλώντας ενθουσιασμό αλλά και ανησυχία στην παγκόσμια μαθηματική κοινότητα, όπως γράφουν οι New York Times.
Το πρόβλημα που φέρεται να λύθηκε είναι το «Πρόβλημα ύπαρξης και ομαλότητας των εξισώσεων Ναβιέ–Στοκς». Πρόκειται για ένα σύνολο εξισώσεων που περιγράφουν την κίνηση του νερού και άλλων ρευστών και χρησιμοποιούνται, μεταξύ άλλων, στην πρόβλεψη του καιρού. Το ερώτημα που τίθεται είναι αν οι εξισώσεις αυτές παραμένουν πάντοτε ομαλές ή αν υπάρχουν συνθήκες υπό τις οποίες καταρρέουν και παύουν να δίνουν μια συνεπή μαθηματική περιγραφή.
Η OpenAI υποστηρίζει ότι το μοντέλο της εντόπισε και περιέγραψε ακριβώς μια τέτοια περίπτωση, και χρειάστηκε μόλις 88 ώρες για να ολοκληρώσει την προσπάθεια. Αν η απόδειξη επιβεβαιωθεί, θα αποτελεί εντυπωσιακό ορόσημο για την ΤΝ. Η υποτιθέμενη «μαθηματική κατάρρευση» θα μπορούσε, θεωρητικά, να υπονοεί ακόμη και παράδοξα όπως την αυθόρμητη «έκρηξη» του νερού. Φυσικοί και μαθηματικοί, πάντως, δεν θεωρούν ότι ένα τέτοιο μαθηματικό ενδεχόμενο θα μπορούσε να μεταφραστεί σε πραγματική κατάρρευση των φυσικών νόμων.
Τα «Προβλήματα της Χιλιετίας» επιλέχθηκαν το 2000 από το Ινστιτούτο Μαθηματικών Κλέι, το οποίο ίδρυσε ο αμερικανός επιχειρηματίας Λάντον Τ. Κλέι. Ηταν επτά από τα σημαντικότερα άλυτα προβλήματα της σύγχρονης μαθηματικής επιστήμης και για τη λύση καθενός είχε θεσπιστεί έπαθλο ενός εκατομμυρίου δολαρίων. Μέχρι την ανακοίνωση της OpenAI, μόνο ένα από τα επτά είχε λυθεί. Οι NΥΤ σημειώνουν ότι η σημασία τους ξεπερνά την ίδια τη λύση: λειτουργούν ως σημεία αναφοράς που συγκεντρώνουν τις προσπάθειες κορυφαίων μαθηματικών.
Μεταξύ εκείνων που αντιμετωπίζουν με επιφυλακτικότητα την επέλαση της ΤΝ είναι ο Τέρενς Τάο, καθηγητής στο Πανεπιστήμιο της Καλιφόρνιας στο Λος Αντζελες, ο οποίος θεωρείται ένας από τους σπουδαιότερους μαθηματικούς της γενιάς του. Οπως εξηγεί ο ίδιος στους NΥΤ, η ίδια η διαδικασία επίλυσης ενός δύσκολου προβλήματος έχει αυτόνομη αξία. Ο άνθρωπος μαθαίνει μέσα από την προσπάθεια, τα λάθη και την αναζήτηση μιας λύσης. Αντίθετα, μια μηχανή μπορεί να κάνει τη δουλειά χωρίς να αποκτά αυτή τη βαθύτερη κατανόηση.
Η OpenAI δεν υποστηρίζει, πάντως, ότι το επίτευγμα προέκυψε χωρίς ανθρώπινη συμβολή. Για την επίλυση του προβλήματος χρησιμοποίησε έως και 10.000 «πράκτορες Τεχνητής Νοημοσύνης», οι οποίοι εργάζονταν παράλληλα. Οι ερευνητές λειτουργούσαν σαν ενδιάμεσοι που μετέφεραν ιδέες και πληροφορίες από τη μία ομάδα στην άλλη. Ο Νταν Ρόμπερτς, ερευνητής της OpenAI, παρομοίασε τον ρόλο τους με εκείνον μιας μέλισσας που μεταφέρει γύρη.
Αυτό είναι σημαντικό, επειδή η ΤΝ δεν ξεκινά πάντοτε από το μηδέν. Μπορεί να αξιοποιεί προηγούμενες μαθηματικές ανακαλύψεις ή ακόμη και να καταλήγει ανεξάρτητα σε λύσεις που μοιάζουν με ήδη υπάρχουσες. Οι NeΥΤ υπενθυμίζουν ότι λίγο πριν από την ανακοίνωση της OpenAI, ο μαθηματικός Τρίσταν Μπάκμαστερ είχε αναφέρει ότι εξερευνούσε παρόμοια κατεύθυνση έρευνας μαζί με μαθηματικό που εργάζεται στην ανταγωνίστρια εταιρεία Anthropic. Η OpenAI, πάντως, υποστηρίζει ότι δεν είδε με κανέναν τρόπο τη δουλειά άλλων ερευνητών.
Το τεχνολογικό υπόβαθρο αυτής της εξέλιξης είναι η ενισχυτική μάθηση. Τα μοντέλα ΤΝ, βασισμένα σε νευρωνικά δίκτυα, εκπαιδεύονται πάνω σε τεράστιες ποσότητες ψηφιακών δεδομένων. Με την ενισχυτική μάθηση μπορούν στη συνέχεια να δοκιμάζουν επανειλημμένα διαφορετικές προσεγγίσεις, να μαθαίνουν από τα λάθη τους και να αναγνωρίζουν ποιες μέθοδοι οδηγούν σε σωστό αποτέλεσμα. Η διαδικασία αυτή ταιριάζει ιδιαίτερα στα μαθηματικά, όπου το σωστό και το λάθος μπορούν να προσδιοριστούν με πολύ μεγαλύτερη ακρίβεια απ’ ό,τι σε πεδία όπως η φιλοσοφία ή η δημιουργική γραφή.
Ενα ακόμη εργαλείο, σημειώνουν οι ΝΥΤ, είναι η γλώσσα προγραμματισμού Lean, που σχεδιάστηκε αρχικά για ανθρώπους μαθηματικούς και χρησιμοποιείται για την τυπική επαλήθευση αποδείξεων. Καθώς τα συστήματα ΤΝ έγιναν ικανότερα στη συγγραφή κώδικα, απέκτησαν τη δυνατότητα να χρησιμοποιούν και αυτά τη Lean για να κατασκευάζουν μαθηματικές αποδείξεις.
Η πρόοδος αυτή δεν ξεκίνησε με τις εξισώσεις Ναβιέ–Στοκς. Τον Ιανουάριο, η OpenAI και η νεοφυής εταιρεία Harmonic είχαν ανακοινώσει ότι δύο συστήματά τους είχαν λύσει ένα από τα «Προβλήματα του Ερντος», που είχαν διατυπωθεί από τον διάσημο μαθηματικό του 20ού αιώνα Πολ Ερντος. Τότε, ο Τάο είχε χαρακτηρίσει το αποτέλεσμα εντυπωσιακό αλλά όχι ισοδύναμο με βαθιά κατανόηση: περισσότερο έμοιαζε, όπως είχε πει στους NΥΤ, με έναν πολύ έξυπνο μαθητή που έχει απομνημονεύσει την ύλη χωρίς να έχει κατανοήσει πραγματικά την έννοια.
Αυτή τη φορά, ωστόσο, η κλίμακα είναι διαφορετική. Η OpenAI υποστηρίζει ότι η επίλυση των εξισώσεων Ναβιέ–Στοκς απαιτούσε τη συνεργασία χιλιάδων AI Agents και πιθανότατα κόστισε εκατομμύρια δολάρια σε ηλεκτρική ενέργεια και υπολογιστική ισχύ. Ο ερευνητής της εταιρείας Νοάμ Μπράουν χαρακτήρισε τη διαδικασία «πολύ ακριβή», επισημαίνοντας όμως ότι το κόστος αναμένεται να μειώνεται όσο βελτιώνεται η αποδοτικότητα των συστημάτων.
Η OpenAI δημοσίευσε παράλληλα επιστημονική εργασία που περιλαμβάνει και την απόδειξη στη Lean, ώστε άλλοι μαθηματικοί να μπορούν να εξετάσουν τον τρόπο με τον οποίο προέκυψε η λύση. Για τον Τάο, όμως, ακόμη και μια τέτοια διαφάνεια δεν λύνει το βασικό πρόβλημα. Η ΤΝ, λέει, μοιάζει με έναν οδηγό που ανακαλύπτει ένα κρυμμένο μονοπάτι προς έναν καταρράκτη. Από τη στιγμή που το μονοπάτι αποκαλυφθεί, όλοι μπορούν να το ακολουθήσουν· λιγότεροι θα μπουν στον κόπο να αναζητήσουν έναν άλλο δρόμο.
Οι ΝΥΤ καταλήγουν ότι ίσως εκεί βρίσκεται το πραγματικό ερώτημα που αφήνει πίσω της η ανακοίνωση της OpenAI: όχι μόνο αν οι μηχανές μπορούν πλέον να λύσουν τα δυσκολότερα μαθηματικά προβλήματα, αλλά και τι θα συμβεί στην ίδια τη μαθηματική σκέψη όταν η αναζήτηση της λύσης πάψει να είναι αποκλειστικά ανθρώπινη υπόθεση.
Ακολούθησε το Protagon στο Google News
Πρόσθεσε το Protagon ως προτιμώμενη πηγή στη Google



