Terence Tao: AI, ktorá rieši problémy príliš rýchlo, by mohla „otráviť“ matematiku
Terence Tao je typ matematika, ktorý roky potichu skúša nové nástroje AI a otvorene chváli tie dobré. Po odoslaní GPT-6 Astra však napísal niečo, čo od neho málokto očakával: ak neurónové siete začnú rozdávať odpovede na veľké otvorené problémy príliš rýchlo a bez transparentného procesu, matematika môže viac stratiť, ako získať. Spúšťačom bol konkrétny výsledok – nový model OpenAI tvrdil pokrok v riešení dvojitého hlavného problému.
Po prvé, fakty. GPT-6 Astra podľa OpenAI použila formálne dôkazy v Lean, aby zmenšila hornú hranicu medzery medzi po sebe idúcimi prvočíslami z 246 na 186. Pre mierku: v roku 2013 Yitang Zhang dokázal, že existuje nekonečne veľa párov prvočísel, ktoré nie sú od seba vzdialené viac ako 70 miliónov. James Maynard, ktorý vyhral Fieldsovu medailu v roku 2022, znížil túto hranicu na 600 a komunita ju neskôr stlačila na 246. Teraz tri laboratóriá naraz oznámili nové čísla: OpenAI na 186, Anthropic na 188 a Axiom na 212.
Navonok dôvod na oslavu. Tao videl niečo iné - varovné znamenie.
Odpoveď nie je najcennejšia časť
Hlavná myšlienka Tao znie takmer paradoxne: veľký otvorený problém nie je cenný pre svoju odpoveď, ale pre cestu k nemu. Keď matematici roky bojujú s problémom, vymýšľajú nové metódy, koncepty a celé teórie – a práve tieto „vedľajšie produkty“ posúvajú vedu dopredu. Dokonca aj slepé uličky sú užitočné: pochopenie, prečo prístup zlyhal, je často dôležitejšie ako nájsť riešenie.
Teraz si predstavte, že odpoveď prichádza z neurónovej siete. Rýchle, čierna skrinka, žiadne medzikroky zobrazené. Problém je formálne vyriešený - ale proces, ktorý mal generovať nové nápady, sa nikdy neuskutočnil. Tao to nazýva „znečisťovaním“ problémom: prestáva byť zdrojom budúcich objavov.
Príklad Navier-Stokes
Tao rozvinul svoju argumentáciu na konkrétnom prípade – problém globálnej pravidelnosti pre Navier-Stokesove rovnice, jeden zo siedmich problémov Miléniovej ceny. Matematici sú si už celkom istí, že odpoveď je záporná: existujú počiatočné podmienky, pri ktorých riešenie „vybuchne“ v konečnom čase. Dokonca je načrtnutý štvorkrokový plán, od vybudovania približného sebepodobného riešenia až po overenie jeho stability.
Háčik je v tom, že každý krok je pre človeka brutálne ťažký, ale dokonale zapadá do montážnej linky „strojové učenie + prísna aritmetika + formálne dôkazy“. Tao umožňuje, aby takýto hybrid skutočne vyriešil problém. A tu je háčik: ak sa ukáže, že riešenie je také zložité, že ho žiadny človek nedokáže pochopiť a spoločnosť prevádzkujúca AI skryje celý proces za zatvorenými dverami, matematika dostane zaškrtávacie políčko, ale nenaučí sa takmer nič.
Prečo na tom záleží mimo matematikov
Taova logika je širšia, ako sa zdá. Vzťahuje sa na každé pole, kde sa hodnota vytvára v procese, nie v konečnej odpovedi. Ak AI začne okamžite produkovať „správne“ riešenia a ľudia prestanú kráčať cestou pokusov a omylov, riskujeme, že nestratíme rýchlosť, ale pochopenie. Tao to hovorí otvorene: v najhoršom prípade by sa vplyv AI na matematiku mohol zmeniť z pozitívneho na negatívny.
Nie je proti AI vo vede – zďaleka nie je jedným z jej najaktívnejších používateľov. Čo ho znepokojuje, je špecifický scenár: autonómny systém, ktorý v sebe na enormnom výpočte roztočí celý cyklus „hypotéza — test — zamietnutie“ a rozdáva len konečnú odpoveď. Žiadne stopy, žiadne návrhy, žiadny spôsob, ako sa poučiť z jeho chýb.
Čo príde potom
Zatiaľ je to varovanie, nie verdikt. GPT-6 Astra zmenšila hranicu na 186, ale samotná domnienka o dvojitom primárnom čísle - že existuje nekonečne veľa takýchto párov - zostáva nepreukázaná. Toto je medzivýsledok, ale pozoruhodný. Otázka, ktorú Tao kladie, je hlbšia: ako prinútiť AI urýchliť vedu bez toho, aby ju vyprázdnila. Zatiaľ nemá odpoveď – a úprimne, ani nikto iný.