هجوم ۷۱۹ مقاله هوش مصنوعی به دنیای ریاضیات؛ کره‌ای‌ها سرعت را تحسین کردند اما نگران دشواری درک نتایج هستند
پس از آنکه OpenAI تعداد ۷۲۲ پیش‌نویس مقاله ریاضی تولیدشده با کمک هوش مصنوعی (AI) را منتشر کرد، ریاضی‌دانان کره‌ای گفتند این فناوری در استفاده سریع از پژوهش‌های موجود و یکپارچه‌سازی دانش میان حوزه‌های مختلف توانایی بالایی دارد. با این حال، برخی از آن‌ها اشاره کردند که بخش‌هایی از مقاله‌های نوشته‌شده توسط هوش مصنوعی از نظر ساختار و نمادگذاری به‌سختی قابل دنبال کردن است و این مسئله ممکن است باعث شود دیگر ریاضی‌دانان برای درک محتوا و استفاده از آن در پژوهش‌های بعدی زمان قابل‌توجهی صرف کنند.
OpenAI در تاریخ ۶ اکتبر (به وقت محلی) نتایج به‌دست‌آمده در حوزه‌های مختلفی از جمله جبر، هندسه و نظریه احتمال را گردآوری و در GitHub منتشر کرد. یک روز پس از انتشار، سه پیش‌نویس که در اثبات‌های خود دارای خطا بودند حذف شدند و تعداد مقاله‌های باقی‌مانده به ۷۱۹ مورد رسید؛ این مجموعه اکنون در جامعه ریاضی در حال بررسی است.
ریاضی‌دانان کره‌ای که این انتشار را دنبال کردند، توانایی هوش مصنوعی در عبور از محدودیت زمانی پژوهشگران انسانی را یکی از نقاط قوت آن دانستند. ریاضیات حوزه‌ای بسیار تخصصی است و برای یک پژوهشگر دشوار است که بتواند به‌طور گسترده پژوهش‌های سایر زمینه‌ها را درک کرده و از آن‌ها استفاده کند. در مقابل، هوش مصنوعی می‌تواند با ترکیب دانش انباشته‌شده در حوزه‌های مختلف، روند پژوهش‌های بعدی را سریع‌تر پیش ببرد.
سئو این‌سوک، استاد گروه علوم ریاضی دانشگاه ملی سئول، گفت: «محدودیت زمانی پژوهشگران انسانی مدت‌هاست که یک مانع عملی در تحقیقات ریاضی بوده است.» او افزود: «این نتیجه نشان می‌دهد هوش مصنوعی با بهره‌گیری از مجموعه کارهایی که ریاضی‌دانان طی سال‌ها ساخته‌اند، زمان لازم برای مرحله بعدی پژوهش را به شکل چشمگیری کاهش داده است.»
او ادامه داد: «همان‌طور که برای فردی در دوران گوریو یا چوسان دشوار بود انتظار توسعه سریع کشور را در طول عمر خود داشته باشد، ریاضی‌دانان گذشته نیز نمی‌توانستند انتظار جهشی بزرگ در این حوزه را در دوران زندگی خود داشته باشند. با ظهور هوش مصنوعی، میزان مشارکتی که یک ریاضی‌دان می‌تواند داشته باشد به‌طور چشمگیری افزایش خواهد یافت.»
در عمل، هوش مصنوعی OpenAI تلاش کرده است مسئله «قضیه نوسان برای مدل شرینگتون-کرک‌پاتریک در دمای پایین» را بر اساس پژوهش‌های پیشین انسانی حل کند. این مسئله به مدلی مربوط است که شرایط تعامل تصادفی تعداد بی‌شماری آهنربای کوچک را به‌صورت ریاضی نمایش می‌دهد و نیازمند تعیین میزان تغییر یک کمیت فیزیکی به نام «انرژی آزاد» در دماهای پایین است.
لی جی‌وون، استاد گروه علوم ریاضی مؤسسه علوم و فناوری پیشرفته کره (KAIST) که روی قضیه نوسان مدل شرینگتون-کرک‌پاتریک در دمای پایین مطالعه می‌کرد، گفت این حوزه برای مدت طولانی حتی فاقد رویکردی برای رسیدن به راه‌حل بود. اما در ماه ژوئیه امسال، ایده‌ای اولیه مطرح شد که نشان می‌داد شاید حل این مسئله امکان‌پذیر باشد و OpenAI اعلام کرد که می‌توان با توسعه این ایده، مسئله را حل کرد.
لی گفت: «هوش مصنوعی هنوز بیشتر ابزاری است که می‌تواند ایده‌ها و نتایج پژوهشی متنوعی را که ریاضی‌دانان تاکنون توسعه داده‌اند، به شکلی کارآمد و سریع به کار گیرد؛ نه اینکه در حال حاضر به‌طور مستقل ایده‌ها یا مسیرهای پژوهشی کاملاً جدید ایجاد کند.»
با این حال، این به آن معنا نیست که توانایی هوش مصنوعی تنها به استفاده از پژوهش‌های قبلی محدود می‌شود. اوم سانگ‌ایل، پژوهشگر ارشد (CI) گروه ریاضیات گسسته در مؤسسه علوم پایه (IBS)، گفت این انتشار همچنین شامل مثال‌های نقضی است که نشان می‌دهند برخی حدس‌های قدیمی ریاضی نادرست هستند، و نیز الگوریتم‌های جدیدی ارائه شده که تصور آن‌ها دشوار بوده است. مثال نقض، نمونه‌ای است که باور مربوط به درست بودن همیشگی یک گزاره ریاضی را رد می‌کند.
برای نمونه، OpenAI اعلام کرد موردی ارائه کرده که نشان می‌دهد اگرچه یک فضای سه‌بعدی را می‌توان بدون شکاف با استفاده از شکل‌های هم‌اندازه به‌طور کامل کاشی‌کاری کرد، اما نمی‌توان این شکل‌ها را با تکرار یک الگوی ثابت در کنار هم قرار داد. این نمونه، مثال نقضی برای «حدس کاشی‌کاری دوره‌ای» است؛ حدسی که می‌گوید اگر فضا را بتوان بدون شکاف با شکل‌های هم‌اندازه پوشاند، باید یک آرایش منظم و مبتنی بر قاعده نیز برای آن وجود داشته باشد. OpenAI همچنین الگوریتم جدیدی ارائه کرده است که زمان تکمیل کلی را هنگام توزیع چندین کار میان سه ماشین یکسان، با حفظ ترتیب کارها، به حداقل می‌رساند.
با این حال، پیش از آنکه ریاضی‌دانان بتوانند نتایج هوش مصنوعی را درک و استفاده کنند، همچنان جای بهبود وجود دارد. لی گفت: «نحوه نگارش بیش از حد پراکنده است و نمادگذاری‌های عجیب زیادی وجود دارد، بنابراین پژوهشگران انسانی برای درک و بررسی آن زمان بسیار زیادی نیاز خواهند داشت.»
او افزود: «حتی بررسی یک مقاله واحد نیز زمان زیادی می‌برد و انتشار صدها مقاله به‌طور هم‌زمان، بار بررسی آن‌ها را برای جامعه علمی افزایش داده است.» وی تأکید کرد: «اگر هوش مصنوعی قرار است در آینده به پیشرفت ریاضیات کمک کند، باید شیوه ارائه نتایج خود را بهبود دهد.»
در همین حال، با افزایش نقش هوش مصنوعی، برخی معتقدند جامعه ریاضی باید درباره نحوه ارزیابی پژوهشگران بازنگری کند. سئو گفت: «چاره‌ای جز این نداریم که درباره روش ارزیابی توانایی پژوهشگران انسانی در مقاله‌هایی که هوش مصنوعی در آن‌ها نقش داشته است، فکر کنیم.» او افزود: «این موضوع می‌تواند همه نظام‌های ارزیابی، از دفاع رساله دکتری گرفته تا استخدام پژوهشگران پسادکتری و اعضای هیئت علمی و بررسی دوره‌های تثبیت شغلی را تحت تأثیر قرار دهد.»