پایان مشکلات. تصویر: Unsplash
در حال حاضر، هوش مصنوعی در حال حل بهترین مسائل ریاضی استیت میسازد، اما این روند نگرانیهایی درباره تأثیر آن بر آینده حوزه ریاضیات ایجاد کرده است.
هشدار تروها درباره کاهش مسائل باز ریاضی
تراِنس تائو، ریاضیدان برنده مدال فیلد، هشدار میدهد که هوش مصنوعی در حال کاهش سریع منابع مسائل باز و پاسخناپذیر است، مسائلی که رو به پیشرفت این علم میکشند. او معتقد است این روند میتواند به جای پیشرفت، به تخریب پویایی علمی منجر شود.
پروفسور تائو در پیامی در شبکه Mastodon، که توجه خود را به دامنه ریاضیات معطوف کرد، گفت که استفاده بیرویه از ابزارهای قدرتمند حل مسئله ممکن است در کوتاهمدت نتایج سریع بدهد اما در بلندمدت به ازبین رفتن اکوسیستم علمی و تمرکز روی مسائل مهمتر آسیب میزند.
رقابت بیوقفه در حل مسائل سخت علمی
با ورود مدلهای استنتاج، labs های بزرگ با هزینههای عظیم در حال رقابت برای حل مسائل دستهاول هستند. نمونههایی مانند شکست مهرههای فیزیک کوانتوم و ریاضیات کاربردی نشان میدهد که AI توانسته است در مدت کوتاهی راهحلهایی ارائه دهد که مدتها برای انسانها دشوار بوده است. اما محدودیتهای هوش مصنوعی همچنان مشخص نیست، زیرا هیچکس نمیداند قدرت آن کجا توقف میکند.
در اوت، مدلهای OpenAI و Anthropic موفق شدند مسئلههای قدیمی و سخت را حل کنند، تیپیکال مثالهایی مانند اثبات فرضیههای ریاضیهایی که سالها حل نشده باقی مانده است. این تلاشها باعث نگرانی تائو شده است که رقابت بیوقفه در حل مسائل، ممکن است باعث تضعیف فرآیند علمی و پاسخهای سطحی شود.
تفکیک پاسخهای خام از تحلیل عمیق
تائو پیشنهاد میدهد که مسائل سختتر برچسبگذاری شوند به عنوان «نیازمند تحلیل»، و پاسخهای صرفاً بدون دلیل قابل اعتبار نباشد. او معتقد است باید تمرکز بر روی ارزیابی فرآیند حل مسائل باشد نه صرفاً نتایج نهایی، چرا که مسائلی که نیازمند تحلیل عمیق هستند، ارزش بیشتری در توسعه علم دارند.
در حال حاضر، این پیشنهادات در سیاستهای دانشگاهها و مراکز پژوهشی جایگاهی ندارد، اما نگرانیهای تائو نشان میدهد که واکنشها نسبت به تأثیر هوش مصنوعی هنوز کافی نیست و باید در راهبردهای آینده تجدید نظر شود.
