OpenAI kedden nyilvánosságra hozott 722 matematikai kéziratot, amelyeket 372 „családba” rendezett: a közzététel célja az volt, hogy akadémikusokat és kutatókat meghívjon az anyagok vizsgálatára és továbbépítésére. A dokumentumokat egy erős, még kiadásra nem került modell állította elő.
Vegyes fogadtatás: izgalom és aggodalom
A bejelentés vegyes reakciókat váltott ki. A tudományos közösség részéről egyszerre jelentkezik érdeklődés és valódi bizonytalanság: egy Rutgers University matematikus az X közösségi oldalon azt írta, hogy egy, a Riemann-sejtéshez kapcsolódó eredmény emberi szerzőtől származna, automatikusan Fields-érmet érne. Ugyanakkor több matematikus is megkérdőjelezte az eredmények eredetiségét és azt, hogy mennyire támaszkodnak korábbi emberi munkákra; ugyanilyen kritika érte OpenAI előző havi, szintén közzétett megoldását.
A vita tétje: eredetiség vs. hasznosság
A nyilvánosságra hozott anyaggal kapcsolatban felmerül a kérdés, hogy valódi áttörésekről van-e szó, vagy inkább meglévő emberi eredmények újracsomagolásáról. Egyes szakértők a gyakorlati alkalmazhatóság hiányát hangsúlyozzák: Stephen Wolfram, az ismert számítástechnikus és fizikus a National Museum of Mathematics keddi eseményén úgy fogalmazott, hogy „könnyen felfedezhető új matematika” — szerinte nagy mennyiségben létre lehet hozni elméleteket, de a legtöbb közülük senkit nem fog érdekelni.
Miért különösen fontos a matematika az AI számára?
A matematika, akárcsak a számítógépes programozás, különleges viszonyt biztosít az AI-nek, mert objektív módon ellenőrizhető: a bizonyításokat matematikusok vizsgálhatják, és egyre gyakrabban formális nyelvekre fordítva a számítógépek soronként ellenőrizhetik őket. Hasonlóképpen az autonóm módon írt kódról rögtön megállapítható, hogy működik-e.
Párhuzam a programozásban zajlott átalakulással
A szoftvermérnökök már megtapasztalták ezt az átalakulást: az AI-alapú kódsegítők az egyszerű automatikus kiegészítéstől és hibakereséstől eljutottak oda, hogy ügynökök nagy mennyiségű szoftvert írnak és összetett mérnöki feladatokat végeznek. Ez nemcsak a kódírás módját változtatta meg, hanem azt is, mit jelent programozónak lenni — keverve csodálatot, ámulatot és szorongást sok gyakorló mérnök körében.
Hatások a matematikai képzésre és kutatásra
Ahogy a szoftvermérnökök esetében történt, a matematikusok is elkezdték mérlegelni a következményeket: milyen hatással lehetnek ezek a találmányok a doktori munkákra, a fiatal teoretikusok képzésére és arra, milyen készségeket értékel a közösség a jövőben. Többen rámutattak, hogy a jelentősebb előrelépések gyakran nem pusztán új tételérdekek, hanem keretrendszerek építése és komplex ötletek strukturálása — ebben sokan kételkednek, hogy egy AI képes lesz-e emberi eredetiséget produkálni.
A szélesebb következmények
A közzététel túlmutat a matematikán: bizonyítja, hogy az AI-diszrupció valószínűleg újabb területekre terjed tovább, és részben választ ad azokra az évek óta felmerülő kételyekre, amelyek az AI határainak kérdését feszegették. Ugyanakkor rivális startupok kutatói a publikált matematikai eredmények gyakorlati hasznát megkérdőjelezték, bár elismerték, hogy az anyag bizonyítéka az AI gyors előrehaladásának.
Összefoglalás
OpenAI 722 kéziratának közzététele mérföldkő lehet abban, hogy az AI milyen irányba bővíti a határait — ugyanakkor számos nyitott kérdést is hagy maga után az eredetiség, a verifikálhatóság és a hosszú távú tudományos hasznosság kapcsán. A matematikai közösség feladata most az anyagok alapos ellenőrzése és annak eldöntése, hogy ezek az eredmények hogyan illeszkednek a meglévő tudományos palettába.
