Ερευνητές θεωρητικής επιστήμης υπολογιστών επισημαίνουν ότι, μολονότι τα μοντέλα τεχνητής νοημοσύνης διαπρέπουν στην εύρεση λύσεων σε σύνθετα μαθηματικά παζλ, υστερούν σημαντικά στην ερευνητική κρίση.
Σύμφωνα με μελέτη περίπτωσης που δημοσιεύθηκε στον διακομιστή προδημοσιεύσεων arXiv υπό την καθοδήγηση του Pravesh Kothari από το Πανεπιστήμιο Princeton, τα σημερινά συστήματα δυσκολεύονται να αξιολογήσουν την πραγματική αξία, τη γενικότητα ή τη μελλοντική χρησιμότητα ενός θεωρητικού αποτελέσματος.
Αυτό συμβαίνει επειδή τα δεδομένα εκπαίδευσης σπάνια περιλαμβάνουν την επίπονη και επαναληπτική διαδικασία της ανθρώπινης μαθηματικής ανακάλυψης, η οποία περιλαμβάνει αποτυχημένες προσεγγίσεις και αλλαγές στρατηγικής.
Περιορισμός της σταθεράς Grothendieck μέσω συνεργασίας ανθρώπου και AI
Αξιοποιώντας προηγμένα εργαλεία τεχνητής νοημοσύνης, ερευνητές κατάφεραν να στενέψουν τα όρια της σταθεράς Grothendieck, μιας σημαντικής μαθηματικής έννοιας που διατυπώθηκε το 1953.
Το σύστημα που σχεδίασαν συνδύαζε ένα μοντέλο συλλογιστικής για την εκτέλεση των μαθηματικών και έναν πράκτορα κώδικα για την επαλήθευσή τους.
Όταν γύρω στην εκατοστή όγδοη επανάληψη τα μοντέλα κόλλησαν σε αδιέξοδο, η ανθρώπνη παρέμβαση και η αναδιατύπωση του ερωτήματος επέτρεψαν στα συστήματα να ολοκληρώσουν επιτυχώς την εργασία τους μέσα σε λίγες εβδομάδες, αντί για τα χρόνια που θα απαιτούσε η παραδοσιακή έρευνα.
Η ανατροπή στην παραδοσιακή μαθηματική έρευνα
Η ραγδαία πρόοδος της τεχνητής νοημοσύνης στα μαθηματικά -με πρόσφατα παραδείγματα την επίλυση προβλημάτων από την OpenAI, όπως η εικασία του Paul Erdős και το πρόβλημα Navier-Stokes- έχει προκαλέσει έντονες συζητήσεις στην ακαδημαϊκή κοινότητα.
Ενώ επιστήμονες όπως ο Jacob Tsimerman εκφράζουν ανησυχίες για το μέλλον του κλάδου αν η τεχνητή νοημοσύνη αντικαταστήσει τους ερευνητές, άλλοι όπως ο Terence Tao τονίζουν ότι τα μαθηματικά αποτελούν μια κοινοτική διαδικασία που απαιτεί βαθιά κατανόηση και επεξήγηση των αποδείξεων.
Παράλληλα, η νέα πραγματικότητα αναγκάζει τα πανεπιστήμια να επανεξετάσουν τις μεθόδους διδασκαλίας και εκπαίδευσης των φοιτητών, καθώς οι παραδοσιακές ασκήσεις προετοιμασίας χάνουν μέρος της παλιάς τους αξίας μπροστά στην αυτοματοποιημένη επίλυση.
