در سال جاری، موجی از گزارشهای رسانهای نشان دادهاند که حوزه ریاضیات به طور بنیادین توسط هوش مصنوعی در حال دگرگونی است.
به گزارش ایسنا، بسیاری از پژوهشگران ریاضی میگویند تواناییهای واقعی هوش مصنوعی اغلب بیش از حد بزرگنمایی میشود و هنوز زمان اعلام مرگ حرفه آنها نرسیده است. با این حال، بنا بر بسیاری از روایتها، در سال گذشته هوش مصنوعی از حل مسائل در سطح دبیرستان به مرحلهای جهش کرده که واقعاً در کار روزمره ریاضیدانان پژوهشگر مفید واقع شده است.
ترنس تائو (Terence Tao)، ریاضیدانی در دانشگاه کالیفرنیا، لسآنجلس، در خط مقدم آزمایش با مدلهای زبانی بزرگ، از جمله جیپیتی متعلق به اوپن ایآی، کلاود از آنتروپیک و جمینای از گوگل قرار داشته است. او به طور خاص در پروژهای برای آزمودن مهارتهای سامانههای هوش مصنوعی روی مجموعهای شامل بیش از ۱۰۰۰ مسئله مشارکت داشته است، مسائلی که از نظریههای بزرگ تا نکتههای مبهم را در بر میگیرند. این پرسشها در طول زندگی توسط ریاضیدان مجارستانی فقید پائول اردوش گردآوری شده بودند.
به نقل از نیچر، ماه گذشته، تائو با تانیا کلودن، تاریخدان هنر در مؤسسه کورتولد در لندن، همکاری کرد تا پیامدهای هوش مصنوعی برای پژوهشگران و جهان را بررسی کند. آنها ریاضیات را به عنوان یک نمونه آزمایشی در نظر گرفتند و جامعه را تشویق کردند که این فناوری را بپذیرد، اما به شکلی انسانمحور. نشریه نیچر با تائو درباره اینکه این فناوری چگونه حرفه او را دگرگون میکند، گفتوگو کرده است.
احساس میکنم هوش مصنوعی فقط یک فناوری دیگر مانند مرورگر وب نیست. این فناوری واقعا ما را مجبور میکند پرسشهای بنیادی را بازنگری کنیم. اینکه اثبات ریاضی چیست؟ مقاله چیست؟ هدف حرفه ما چیست؟ اگر خودمان این پرسشها را مطرح نکنیم، آنها توسط یک شرکت فناوری پاسخ داده خواهند شد یا بر اساس انگیزههای مالی تعیین میشوند. ما باید از این جلوتر باشیم.
تقریبا در هر کاربرد دیگری، بزرگترین پاشنه آشیل هوش مصنوعی این است که اشتباهاتی تولید میکند که قابل راستیآزمایی نیستند. اما در ریاضیات، تقریبا به طور منحصر به فرد، میتوان خروجی را دستکم اگر خروجی قرار است اثبات یک قضیه باشد، بهصورت خودکار بررسی کرد. هرچند این تنها کاری نیست که ریاضیدانان انجام میدهند. بنابراین، شرکتهای هوش مصنوعی دریافتهاند که موفقیتهای بدون ابهام آنها از حوزه ریاضیات خواهد آمد. به نظر من، بسیاری از کاربردهای هوش مصنوعی پرریسک و بحثبرانگیز هستند. در ریاضیات، پیامدهای منفی بسیار محدودتر است.
شرح شغل به شدت در حال تغییر است. یک دانشجوی تحصیلات تکمیلی که از کار با سامانههای هوش مصنوعی خودداری کند و فقط بخواهد مانند گذشته اثبات انجام دهد، ممکن است متأسفانه با فرصتهای کمتری روبهرو شود. کسانی که هم ریاضیات را بهصورت سنتی میفهمند و هم در استفاده از ابزارهای جدید مهارت دارند، میتوانند شکوفا شوند.
فکر نمیکنم هوش مصنوعی جایگزین ریاضیدانان شود، بلکه آنها را تکمیل میکند. ممکن است نوعی تقسیم کار بهوجود بیاید. ما تصمیم میگیریم چه چیزی را اثبات کنیم و چه چیزی برایمان جالب است. میتوانیم بازخورد فوری از هوش مصنوعی بگیریم. میتوانیم تعریفی ارائه دهیم، حدسی مطرح کنیم و هوش مصنوعی فوراً آن را ارزیابی کند. اما چه کسی میداند، همهچیز در حال تغییر است.
اما باید به نوعی از فرضهای متعارف درباره اینکه «هوش» چیست، دست بکشیم. فکر میکنم ما نگاه انسانمحور به همه انواع فعالیتهای فکری داریم و باید بپذیریم که این تنها دیدگاه ممکن نیست.
این موضوع طیفی است. شما میتوانید تمام «پنج مرحله سوگ» را در آنها ببینید. انکار، خشم، چانهزنی، افسردگی و پذیرش. و فکر میکنم این مواجهه در همه جا در حال رخ دادن است. اما بهنظر میرسد انکار کمکم در حال محو شدن است.
برای مدتی میشد گفت که آنها فقط اثباتهایی را که در مقالات موجود بودند، بازتولید میکنند یا اینکه مسئلهای ساده را حل کردهاند که قبلاً کسی به آن توجه نکرده بود. اما پیشرفتهای اخیر به طور فزایندهای چشمگیر بودهاند. ما به تازگی شاهد نمونههایی هستیم که در آنها هوش مصنوعی شاید از روی شانس شروع به حل مسائلی میکند که برای انسانها مهم هستند.
این موارد هنوز بسیار نادر است و ضعفهای زیادی وجود دارد؛ این ابزارها جایگزین کار انسان نیستند. اما انکار اینکه این ابزارها میتوانند کار کنند، سختتر شده است.
در حوزههایی از ریاضیات که بیشتر با آنها آشنا هستم، جدیدترین نمونه امیدوارکننده مسئله شماره ۱۱۹۶ اردوش است. برخلاف بیشتر مسائل دیگر اردوش که تاکنون توسط هوش مصنوعی حل شدهاند، این مسئله به طور فشرده توسط چندین ریاضیدان بررسی شده بود، اما در نهایت اثبات نسبتاً کوتاهی داشت که همه انسانها آن را از دست داده بودند. بهنظر میرسد اثباتهای تولید شده توسط هوش مصنوعی به روشهای جدیدی برای حل مسائل در این حوزه دست یافتهاند، اما ما هنوز در حال ارزیابی این هستیم که این روشها تا چه حد برای مسائل دیگر قابل تعمیم هستند.
تا حدی. در تجربه من، چت جیپیتی اشتباهات کمتری دارد و برای ریاضیات بسیار دقیق بهتر است، اما شیوه نوشتنش بیش از حد رباتیک است. جمینای تصاویر خوبی میسازد، اما خروجیهایش بیش از حد طولانی است. کلاود کمی سریعتر است و بهتر توضیح میدهد. حس انسانیتری دارد و محاورهایتر است. بخش زیادی از این تفاوتها به تنظیمات اولیه دستور برمیگردد. فکر میکنم اگر دستور را تغییر دهید، میتوانید یک مدل را شبیه مدل دیگر کنید.
یکی از ضعفهای ابزارهای هوش مصنوعی در حال حاضر این است که فقط تا حد محدودی میتوان با آنها تعامل داشت. آنها حافظه دائمی از کارهایی که انجام دادهاند، ندارند. تا اینجا، تعریف مفاهیم جدید و تصمیمگیری درباره اینکه روی چه مسائلی کار شود، احتمالا هنوز کاری است که ریاضیدانان انسانی باید برای مدتی انجام دهند. سامانههای فعلی هوش مصنوعی برای این منظور طراحی نشدهاند.