Πριν από λίγες ημέρες, έλαβε χώρα δημόσια η σύγκρουση κορυφαίων μαθηματικών με την εταιρεία Τεχνητής Νοημοσύνης OpenAI, η οποία φέρνει στον πυρήνα του προβλήματος τις συνέπειες που έχει η ΑΙ στη ζωή μας.
Η αφορμή ήταν η ανακοίνωση της OpenAI στις 8 Σεπτεμβρίου ότι κατάφερε να λύσει ένα πρόβλημα σχετικό με τις εξισώσεις Navier–Stokes.
Πρόκειται για ένα από τα περίφημα «προβλήματα της χιλιετίας» που αφορά θεμελιώδεις εξισώσεις για την περιγραφή της κίνησης των ρευστών.
Και εδώ αρχίζει η πραγματική ιστορία.
Η σύγκρουση με δύο μαθηματικούς
Δύο ερευνητές, ο Tristan Buckmaster και ο Levent Alpöge, εργάζονταν ήδη πάνω στο συγκεκριμένο μαθηματικό πρόβλημα.
Η OpenAI φαίνεται να τους πρόλαβε χρησιμοποιώντας τα δικά της μοντέλα.
Η υπόθεση όμως έγινε πολύ πιο σοβαρή όταν ο Tristian Buckmaster κατηγόρησε την OpenAI ότι επιχείρησε να τον πείσει να μη συμπεριλάβει ως συνεργάτη τον Alpöge, ο οποίος εργάζεται στην ανταγωνίστρια Anthropic. Σύμφωνα με τις σχετικές αναφορές, του προσφέρθηκαν…ανταλλάγματα. Ο Buckmaster αρνήθηκε.
Υπάρχει και δεύτερο ζήτημα. Ο Tristan Buckmaster είχε χρησιμοποιήσει προηγουμένως το Codex της OpenAI στο πλαίσιο της δουλειάς του και αναρωτήθηκε δημοσίως εάν η εταιρεία μπορεί να είχε επωφεληθεί από αυτές τις αλληλεπιδράσεις για να οδηγήσει το δικό της σύστημα προς τη λύση.
Η OpenAI αρνήθηκε ότι χρησιμοποίησε με αθέμιτο τρόπο τα δεδομένα του. Ποιος εξωτερικός παρατηρητής όμως μπορεί να είναι απόλυτος για κάτι τέτοιο;
Η ένσταση των κορυφαίων μαθηματικών δεν κινείται απλώς στη λογική ότι…«η AI θα μας πάρει τη δουλειά».
Το επιχείρημά τους είναι βαθύτερο.
Στα μαθηματικά, η λύση ενός προβλήματος δεν είναι αυτοσκοπός.
Η διαδικασία με την οποία ένας μαθηματικός προσπαθεί να λύσει ένα δύσκολο πρόβλημα δημιουργεί παράλληλα νέα εργαλεία, νέα εννοιολογικά στοιχχεία, νέες μεθόδους, καινούρια ερωτήματα και, ορισμένες φορές, ολόκληρους νέους κλάδους μαθηματικών.
Επί της ουσίας, η επίλυση προβλημάτων είναι εργαλείο για τον πραγματικό στόχο, που είναι η εννοιολογική κατανόηση και η νέα γνώση.
Υπάρχει μια πολύ καλή αναλογία που μεταφέρεται από έναν από τους υπογράφοντες: Άλλο να ανέβεις στην κορυφή του Έβερεστ και άλλο να σε ρίξει ένα ελικόπτερο στην κορυφή.
Και στις δύο περιπτώσεις βρίσκεσαι στο ίδιο σημείο. Αλλά στη δεύτερη περίπτωση δεν έχεις μάθει πώς φτάνει κανείς εκεί.
Πρόκειται για φράση του Terence Tao, ο οποίος θεωρείται ένας από τους σπουδαιότερους -εν ζωή- μαθηματικούς.
Το συγκεκριμένο θέμα συνδέεται με το αποκαλούμενο cognitive offloading, ήτοι τη μεταφορά όλο και μεγαλύτερου μέρους της πνευματικής εργασίας μας σε εξωτερικά εργαλεία.
Αυτό δεν είναι καινούριο. Αντίστοιχοι φόβοι είχαν εκφραστεί στο παρελθόν για τη γραφή, τις αριθμομηχανές, τις μηχανές αναζήτησης κ.λπ.
Όμως στα ανώτερα μαθηματικά υπάρχει μια κρίσιμη διαφορά.
Εάν ένα AI εργαλείο παράγει μια απόδειξη 166 σελίδων, την οποία ελάχιστοι άνθρωποι μπορούν πραγματικά να κατανοήσουν, μπορεί να έχουμε αποκτήσει την απάντηση χωρίς να έχουμε αποκτήσει την αντίστοιχη κατανόηση από τους ανθρώπους.
Το συγκεκριμένο paper, σύμφωνα με τις περιγραφές άρθρου του Economist, δημιουργήθηκε με εσωτερικά μοντέλα της OpenAI που δεν ήταν ακόμη διαθέσιμα στο κοινό.
Αυτό ακριβώς φοβούνται οι υπογράφοντες μαθηματικοί: ότι μπορεί να αρχίσουμε να έχουμε περισσότερες μαθηματικές λύσεις αλλά λιγότερη ανθρώπινη μαθηματική γνώση.
Και αυτό γίνεται ακόμη πιο ανησυχητικό, εφόσον το γενικεύσει κανείς.
Καθώς θα οδεύουμε (εάν δε γίνεται ήδη) σε μια ανθρωπότητα που θα γνωρίζει περισσότερα από ποτέ, ενώ ταυτόχρονα θα καταλαβαίνει και λιγότερα από ποτέ.
