a16z Frontier: Когда ИИ сможет решить математические задачи, что будет считаться вашим действительно дефицитным навыком?
Автор: Роберт Хаккетт, редактор a16z Frontier, соучредитель Fortune Crypto
Скомпилировано: Гу Юй, ChainCatcher
Математика сталкивается с кризисом выживания из-за прогресса AI, но исследовательская команда a16z Frontier более оптимистична по поводу будущего этой области, чем когда-либо.
Если AI решит проблему, над которой вы работали в течение многих лет, вы захотите отпраздновать это?
С тех пор как в июле я прочитал «Темную ночь математики» математика Кирвина Хэмпшира, я постоянно размышляю над этим вопросом. Хэмпшир имеет представление о жизни, к которой он готовится. С началом работы AI-моделей, которые находят контрпримеры к давно существующим гипотезам, он сомневается, сможет ли он когда-либо получить возможность сделать собственное открытие. "Я переживаю глубокий духовный кризис," - пишет он. "Я кричал в душе несколько дней. Чувствую, как будто живу в кошмаре."
И это было еще до того, как OpenAI в октябре опубликовала сотни математических рукописей. С тех пор члены исследовательского сообщества выражают шок, восторг и недоумение, размышляя о том, что значит заниматься математическими исследованиями в эпоху ускоренного AI и каково это.
Одно из результатов OpenAI представило доказательство, которое решает вопрос, к которому математик Корнеллского университета Джастин Мур возвращался и исследовал в течение 19 лет. В 2010 году Мур купил бутылку XO коньяка в пригороде Марселя, чтобы поделиться ею с другими, кто исследовал этот вопрос, когда ответ станет известен. Он сказал коллеге Стивену Строгатцу, что, как только он и его коллеги поймут это доказательство и придут к единому мнению о его правильности, он все равно планирует открыть эту бутылку. Но ответ пришел вместе с сотнями других результатов, и, по словам Строгатца, "он был представлен как отрубленная голова носорога". Мур ожидает, что этот тост "скорее будет похоронами, чем празднованием".
Исследователи a16z Frontier знают, каково это - исследовать модель, которая может решить проблему. Они широко используют AI в области криптографии, теоретической информатики, экономики и математики, исследуя упрямые старые проблемы, тестируя идеи и строя доказательства. Мы собрали их вместе, чтобы обсудить заметки------один вопрос постоянно возникает: что происходит, когда скорость появления доказательств превышает скорость нашего их понимания?
Наш старший научный консультант, руководитель группы прикладной криптографии Стэнфорда Дэн Бонех предложил мыслительный эксперимент: представьте, что модель доказала, что P не равно NP, одна из задач тысячелетия, которая считается одной из самых важных проблем в информатике. (Если это верно, это фактически означает, что существует класс задач, решения которых можно эффективно проверять, но ни один алгоритм не может эффективно решить каждый экземпляр.) Теперь представьте, что это доказательство длиной в миллиард страниц. Может ли кто-то его понять? Если это даже возможно, сколько времени потребуется, чтобы усвоить, интерпретировать и преподавать его?
Через два дня после нашего разговора математик Левент Альпёге объявил, что считает, что с помощью AI он доказал гипотезу Римана. Эта гипотеза о распределении простых чисел, предложенная в 1859 году, является еще одной задачей тысячелетия, и сотни результатов в теории чисел предполагают ее истинность. Альпёге в своем объявлении сказал: "Чувствовать, что это конец, вполне естественно. Для меня это потеря главного маяка, но то, что я увидел в процессе, настолько поразительно, что я верю, что это рассвет чего-то гораздо более грандиозного в науке."
Вопрос проверки------то есть что требуется для проверки работы других------это то, над чем мы потратили много времени на размышления. Альпёге опубликовал свое предложенное доказательство с помощью Lean. Lean - это язык программирования, который позволяет компьютеру проверять каждый логический шаг. Но даже если вы можете проверить каждый шаг Дэна в этом миллиардном доказательстве, вам все равно предстоит задача сделать это все понятным------он сказал, что эта задача требует "армии математиков и компьютерных ученых" и займет очень много времени. (По крайней мере, это неплохая гарантия занятости.)
Исследователь a16z Frontier, компьютерный ученый Иттай Абрахам (также человек за кулисами блога Decentralized Thoughts) считает, что у математики есть два фронта. Первый обозначает диапазон открытий. Второй обозначает уровень понимания человечества того, что уже открыто.
Абрахам ссылается на статью математика Уильяма Тёрстона 1994 года, в которой утверждается, что математика - это социальное стремление, и ее прогресс нельзя измерять только абсолютным количеством теорем. "Мы производим человеческое понимание," - писал Тёрстон. По его мнению, объяснение идей, оспаривание аргументов, помощь другим в понимании - это суть математического стремления.
Это именно то условие, при котором Мур откроет ту бутылку коньяка: понять это доказательство вместе с коллегами. Через неделю после публикации OpenAI, Сан-хён Ким и Яш Лодха опубликовали упрощенное изложение того же доказательства. Их статья не утверждает, что сделано новое открытие, но более ясно объясняет другим математикам, почему этот результат верен и как его выводы могут быть использованы в других местах.
Наши коллеги из a16z Frontier, Скотт Дьюк Коминерс - профессор Гарвардской школы бизнеса и открытый энтузиаст математики (и головоломок!), прекрасно понимает удовольствие, которое Мур получит, оставив ту бутылку коньяка до этого момента. Коминерс говорит, что AI помог ему решить одну задачу, над которой он работал с 2007 года. Когда он сообщил об этом результате тем математикам, за работой которых он следил на протяжении многих лет, но с которыми никогда не встречался, они ответили ему с восторгом. По словам Скотта, никто не потерял восторг из-за использования каких-либо инструментов. Скотт теперь предполагает, что исследователи могут использовать AI для построения целой математической системы. (Он также ранее писал о этой тенденции в прошлом году.) Он считает, что по мере того как инструменты становятся мощнее, наши амбиции должны расти вместе с ними.
Математик Франк Валентин в недавней статье в конце раскрывает, каково это - сотрудничать. На протяжении многих лет он носил с собой изношенную копию, связанную с одной проблемой, которая его увлекала с тех пор, как он был студентом. Представьте себе повторяющийся узор точек, называемый решеткой, где на каждой точке помещен шар с одинаковым радиусом. Могут ли эти шары покрыть все пространство, или где-то есть пробел? Учитывая решетку и радиус, Валентин хотел знать, насколько сложно компьютеру ответить на этот вопрос по мере увеличения числа измерений.
В одно из воскресений сентября AI-модель нашла набор доказательств для другой проблемы, связанной с решеткой. Валентин задался вопросом, можно ли использовать тот же набор доказательств для проблемы, которую он долго ценил. После некоторых размышлений он обнаружил, что это действительно возможно. Полученное доказательство точно описывало, насколько сложной является проблема покрытия. Валентин упростил доказательство, посчитал его красивым и взял на себя ответственность за его правильность, хотя не был уверен, как распределить заслуги. Тем не менее, он написал, что ему очень приятно быть "вестником доказательства".
Так что это значит для человека, стремящегося стать математиком? Останется ли что-то, что им нужно будет сделать?
Наши исследователи считают, что впереди еще много работы: усвоение, уточнение и расширение новых результатов, объяснение этих результатов другим и продвижение человеческого понимания. Бонех имеет отличную метафору: он представляет AI как огромное дерево, которое сбрасывает сочные плоды, чтобы мы могли их исследовать и наслаждаться.
Для тех, кто надеется сделать открытие, это может показаться холодным утешением. Но эти инструменты также предоставляют возможность попробовать сделать то, что когда-то казалось недостижимым------как предположил Коминерс, построить совершенно новую математическую систему. Или, как написал Альпёге: "Я надеюсь, что это доказательство позволит людям заглянуть в чудеса, которые впереди, и покажет нам радость и удивление, которые мы вскоре найдем в самых простых вещах."
Сегодня работающие и обучающиеся люди также получат возможность решить, какие вопросы с самого начала стоят того, чтобы вложить в них все усилия. Джастин Талер является исследовательским партнером a16z Frontier и доцентом кафедры компьютерных наук Университета Джорджтауна, где он преподает компьютерные науки. Он указывает на то, что, независимо от того, насколько мощными становятся машины, люди все равно будут хотеть принимать решения самостоятельно. Чтобы принимать правильные решения, необходимо понимать математику и осознавать ее последствия, особенно при создании систем, которым другие будут доверять. В криптографии суждения о том, какие вопросы останутся трудными для решения, уже влияют на планы по защите интернета от угроз квантовых компьютеров.
Математики долгое время пытались достичь сложных целей. В будущем будет еще больше целей, которые будут двигаться быстрее и находиться на большем расстоянии. Давайте приветствовать более точное прицеливание.
链捕手ChainCatcher напоминает: относитесь к блокчейну рационально, повышайте осведомлённость о рисках и будьте осторожны с выпуском и спекуляциями виртуальными токенами. Весь контент на сайте является рыночной информацией или мнением соответствующих сторон и не является инвестиционной рекомендацией в любой форме. Если вы обнаружите чувствительную информацию, нажмите — мы оперативно разберёмся.
Популярные статьи











