Yapay zekanın (AI) matematik problemlerini çözme yeteneğinin artması, araştırmacıları bu alandaki gelişmenin ne anlama geldiğini yeniden düşünmeye sevk ediyor. Caltech'te 9 Ekim'de verdiği bir konferansta Fields Madalyalı Terence Tao, tarihsel olarak matematiksel araştırmanın en görünür hedeflerinden biri olan problem çözmenin, yalnızca daha geniş amaçlara ulaşmak için bir araç olduğunu savundu. "Math 2.0" başlıklı sunumunda, "Problem çözmenin artık tek başına körlemesine optimize edilmesi, matematiğin uzun vadeli sağlığına aktif olarak zarar veriyor" dedi.
Bu tartışma, araştırma kurumlarının matematiksel keşifler için yapay zeka geliştirmeye yöneldiği bir dönemde ortaya çıktı. Pazar günü (11 Ekim) Çin, Tsinghua Üniversitesi'nde Matematik ve Yapay Zeka için Yau Laboratuvarı İttifakı'nı kurdu; bu girişim sekiz kurumu bir araya getirerek matematik, ispat formalizasyonu ve sanı üretimi üzerine uzmanlaşmış yapay zeka modelleri üzerinde çalışan 1.000'den fazla bilim insanından oluşan bir ağ kurmayı amaçlıyor. South China Morning Post'un haberine göre, Fields Madalyalı Shing-Tung Yau, Pekin'deki açılış etkinliğinde Çin'in sınır bilimini ilerletmek için yapay zeka uygulamasında ABD'nin gerisinde kaldığını belirtti.
Araştırmacılar için zorluk, sadece yapay zekanın ispat üretip üreteemeyeceği değil, aynı zamanda bu sonuçların doğrulanıp doğrulanamayacağı, anlaşılıp anlaşılamayacağı ve matematiksel bilgiyi ilerletmek için kullanılıp kullanılamayacağıdır. Bengaluru'daki Hindistan Bilim Enstitüsü'nde (IISc) matematik profesörü olan Vamsi Pritham Pingali, The Indian Express'e yaptığı açıklamada, OpenAI'nin dahili modelinin şimdiden "tüm araştırma programlarını çözdüğünü" ve uyum sağlamaya çok az zamanı olan genç araştırmacıları etkilediğini söyledi. Fields Madalyası seviyesinde çalışabilen bir modelin ayda 100 dolara temin edilebilir hale gelmesi durumunda "dergi ekonomisinin çökeceği" uyarısında bulundu.
Delhi Hindistan Teknoloji Enstitüsü (IIT) Bilgisayar Bilimi ve Mühendisliği Bölümü'nde Yardımcı Doçent olan Vaishnavi Sundararajan ise hem "kutlama" hem de "kıyamet senaryolarından" kaçınılması çağrısında bulundu. The Indian Express'e konuşan Sundararajan, "OpenAI gibi şirketler bu ispatları üretmek için milyonlarca dolar değerinde hesaplama gücü ve enerji harcıyor" diyerek sıradan akademisyenlerin benzer sistemlere erişip erişemeyeceği konusunda soru işaretleri yarattı. Ayrıca özel olarak değerlendirilen sohbetleri içeren intihal iddialarına atıfta bulunarak, ortaya çıkan ispatların hala kusurlu olabileceği konusunda uyardı.
Araştırma matematiğinde ispatlar nelerdir? Matematikte sadece bir cevaba ulaşmak yeterli değildir. Araştırmacılar ayrıca bunun doğru olduğunu kanıtlamak zorundadır. İki çift sayı alın: bunların toplamı her zaman çift olacaktır. Bunu birkaç sayı ile denemek kalıbı gösterir, ancak bir ispat bunun her seferinde neden geçerli olması gerektiğini açıklar. Bu tür ispatlar, matematikçilerin yeni sonuçlar inşa ettiği temeldir. Bunlardaki bir hata, onu takip eden çalışmayı zayıflatabilir. Yine de bir ispatı kontrol etmek şaşırtıcı derecede zor olabilir. Yazar Kevin Hartnett, The Proof in the Code adlı kitabında, matematikçi Tom Hales'in kürelerin en verimli şekilde nasıl paketleneceğiyle ilgili Kepler sanısını kanıtlarken bu zorlukla nasıl karşılaştığını anlatır. Hales'in ispatı, yüzlerce sayfalık matematiksel muhakeme ve kapsamlı bilgisayar hesaplamaları içeriyordu. Yıllar süren incelemelerin ardından Annals of Mathematics hakemleri ispatı bir bütün olarak onaylayamadılar ve bu durum Hales'i bir bilgisayarın bunu kontrol etmesinin bir yolunu aramaya yöneltti.
Ayrıca Bakınız | Navier-Stokes problemi: OpenAI'nin son matematiksel 'çığırı'nın gündeme getirdiği sorular Bu fikir, matematik ve bilgisayar bilimi arasındaki bir bağlantıya dayanmaktadır. Curry-Howard karşılığı olarak bilinen bu kavram, ma