Terence Tao: Η τεχνητή νοημοσύνη που λύνει προβλήματα πολύ γρήγορα θα μπορούσε να «δηλητηριάσει» τα μαθηματικά
Ο Terence Tao είναι το είδος του μαθηματικού που έχει περάσει χρόνια δοκιμάζοντας αθόρυβα νέα εργαλεία AI και επαινώντας ανοιχτά τα καλά. Αλλά μετά την αποστολή του GPT-6 Astra, έγραψε κάτι που λίγοι περίμεναν από αυτόν: εάν τα νευρωνικά δίκτυα αρχίσουν να δίνουν απαντήσεις στα μεγάλα ανοιχτά προβλήματα πολύ γρήγορα και χωρίς μια διαφανή διαδικασία, τα μαθηματικά θα μπορούσαν να χάσουν περισσότερα από όσα κερδίζουν. Το έναυσμα ήταν ένα συγκεκριμένο αποτέλεσμα — το νέο μοντέλο του OpenAI ισχυρίστηκε πρόοδο στο πρόβλημα του twin prime.
Πρώτον, τα γεγονότα. Το GPT-6 Astra, σύμφωνα με το OpenAI, χρησιμοποίησε επίσημες αποδείξεις σε Lean για να συρρικνώσει το άνω όριο στο χάσμα μεταξύ διαδοχικών πρώτων αριθμών από 246 σε 186. Για κλίμακα: το 2013, ο Yitang Zhang απέδειξε ότι υπάρχουν άπειρα ζεύγη πρώτων αριθμών που απέχουν μεταξύ τους 70 εκατομμύρια. Ο James Maynard, ο οποίος κέρδισε το μετάλλιο Fields το 2022, μείωσε το όριο στο 600 και η κοινότητα το συμπίεσε αργότερα στο 246. Τώρα τρία εργαστήρια ανέφεραν νέους αριθμούς ταυτόχρονα: OpenAI στο 186, Anthropic στο 188, Axiom στο 212.
Επιφανειακά, αφορμή για γιορτή. Ο Τάο είδε κάτι άλλο - ένα προειδοποιητικό σημάδι.
Η απάντηση δεν είναι το πιο πολύτιμο κομμάτι
Το βασικό σημείο του Tao ακούγεται σχεδόν παράδοξο: ένα μεγάλο ανοιχτό πρόβλημα είναι πολύτιμο όχι για την απάντησή του αλλά για τον δρόμο προς αυτό. Όταν οι μαθηματικοί αντιμετωπίζουν ένα πρόβλημα για χρόνια, εφευρίσκουν νέες μεθόδους, έννοιες και ολόκληρες θεωρίες στην πορεία — και αυτά τα «υποπροϊόντα» είναι που στην πραγματικότητα προωθούν την επιστήμη. Ακόμη και τα αδιέξοδα είναι χρήσιμα: η κατανόηση του γιατί μια προσέγγιση απέτυχε συχνά έχει μεγαλύτερη σημασία από την εύρεση της λύσης.
Τώρα φανταστείτε ότι η απάντηση προέρχεται από ένα νευρωνικό δίκτυο. Γρήγορο, μαύρο κουτί, δεν εμφανίζονται ενδιάμεσα βήματα. Το πρόβλημα επιλύθηκε επίσημα — αλλά η διαδικασία που υποτίθεται ότι θα γεννούσε νέες ιδέες δεν συνέβη ποτέ. Ο Τάο το αποκαλεί αυτό «ρυπαντικό» το πρόβλημα: παύει να αποτελεί πηγή μελλοντικών ανακαλύψεων.
Το παράδειγμα Navier-Stokes
Ο Tao ξεδιπλώνει το επιχείρημά του σε μια συγκεκριμένη περίπτωση - το παγκόσμιο πρόβλημα κανονικότητας για τις εξισώσεις Navier-Stokes, ένα από τα επτά προβλήματα Millennium Prize. Οι μαθηματικοί είναι ήδη αρκετά σίγουροι ότι η απάντηση είναι αρνητική: υπάρχουν αρχικές συνθήκες όπου η λύση «ανατινάζεται» σε πεπερασμένο χρόνο. Υπάρχει ακόμη και ένα σχέδιο τεσσάρων βημάτων σκιαγραφημένο, από την κατασκευή μιας κατά προσέγγιση αυτο-όμοιας λύσης έως την επαλήθευση της σταθερότητάς της.
Το αλίευμα είναι ότι κάθε βήμα είναι βάναυσα δύσκολο για έναν άνθρωπο, αλλά ταιριάζει απόλυτα σε μια γραμμή συναρμολόγησης "μηχανικής εκμάθησης + αυστηρής αριθμητικής + επίσημων αποδείξεων". Το Tao επιτρέπει ότι ένα τέτοιο υβρίδιο μπορεί να λύσει πραγματικά το πρόβλημα. Και εδώ είναι το τρίψιμο: εάν η λύση αποδειχθεί τόσο περίπλοκη που κανένας άνθρωπος δεν μπορεί να την κατανοήσει και η εταιρεία που εκτελεί την τεχνητή νοημοσύνη κρύβει όλη τη διαδικασία πίσω από κλειστές πόρτες, τα μαθηματικά παίρνουν ένα πλαίσιο ελέγχου αλλά δεν μαθαίνουν σχεδόν τίποτα.
Γιατί αυτό έχει σημασία πέρα από τους μαθηματικούς
Η λογική του Tao είναι ευρύτερη από όσο φαίνεται. Ισχύει για οποιοδήποτε πεδίο όπου δημιουργείται τιμή στη διαδικασία, όχι στην τελική απάντηση. Εάν η τεχνητή νοημοσύνη αρχίσει να παράγει αμέσως «σωστές» λύσεις και οι άνθρωποι σταματήσουν να περπατούν στο μονοπάτι της δοκιμής και του λάθους, κινδυνεύουμε να χάσουμε όχι την ταχύτητα αλλά την κατανόηση. Ο Tao το λέει ωμά: στη χειρότερη περίπτωση, η επιρροή της τεχνητής νοημοσύνης στα μαθηματικά θα μπορούσε να μετατραπεί από θετική σε αρνητική.
Δεν είναι εναντίον της τεχνητής νοημοσύνης στην επιστήμη – μακριά από αυτό, είναι ένας από τους πιο ενεργούς χρήστες της. Αυτό που τον ανησυχεί είναι ένα συγκεκριμένο σενάριο: ένα αυτόνομο σύστημα που περιστρέφει ολόκληρο τον κύκλο «υπόθεση - δοκιμή - απόρριψη» μέσα του, σε τεράστιους υπολογισμούς, και δίνει μόνο την τελική απάντηση. Χωρίς ίχνη, χωρίς προσχέδια, χωρίς τρόπο να μάθεις από τα λάθη του.
Τι ακολουθεί
Προς το παρόν αυτό είναι μια προειδοποίηση, όχι μια ετυμηγορία. Το GPT-6 Astra πράγματι συρρίκνωση του ορίου στο 186, αλλά η ίδια η εικασία του διπλού πρώτου - ότι υπάρχουν άπειρα πολλά τέτοια ζεύγη - παραμένει αναπόδεικτη. Αυτό είναι ένα ενδιάμεσο αποτέλεσμα, ωστόσο αξιοσημείωτο. Το ερώτημα που εγείρει το Τάο είναι βαθύτερο: πώς να κάνετε την τεχνητή νοημοσύνη να επιταχύνει την επιστήμη χωρίς να την κενά. Δεν έχει απάντηση ακόμα — και, ειλικρινά, ούτε κανείς άλλος.