Félreérthetetlen jelet küldött az AI az emberiségnek: bizony, senkinek sincs a munkája biztonságban

A mesterséges intelligencia látványos térhódítása az elmúlt néhány évben, különösen a generatív technológiák révén, forradalmasította a mindennapjainkat. Pedig az AI jóval régebb óta formálja a tudományt és az ipart. Egy korábbi interjúnkban Haidegger Tamás, az Óbudai Egyetem professzora arról beszélt, hogyan könnyíti meg a mesterséges intelligenciával működő robotika a kutatásokat és a gyártási folyamatokat már évtizedek óta.

De ha messzebbre tekintünk, elég Garri Kaszparov sakkvilágbajnok legendás vereségére gondolnunk, amikor először győzte le egy gép az embert sakkban. Az AI tehát hosszú ideje előttünk jár – de vajon mennyivel? Ebben a cikkben bemutatjuk, hogyan oldott meg a mesterséges intelligencia egyetlen nap alatt olyasmit, amire az emberiségnek évtizedek sem voltak elegendők.

A matematikában is van unortodox megközelítés

A mesterséges intelligencia nemcsak a játékok világában, hanem a tudományban is forradalmi áttöréseket hoz. Egy friss kutatásban a Caltech vezette matematikuscsapat olyan AI-algoritmust fejlesztett, amely képes évtizedek óta megoldatlan matematikai problémákra választ találni. Az új módszerrel sikerült előrelépéseket elérni az ún. "Andrews–Curtis-sejtés" bizonyos kérdéseiben, miközben a program a hagyományos gépi tanulási modellekhez képest merőben eltérő megközelítést alkalmaz: az algoritmus a megszokott mintázatok helyett a ritka, szokatlan megoldásokra összpontosít. Újabban néhány matematikus azt kutatja, hogy az AI vajon a világ legnehezebb matematikai problémáinak megoldásában is segíthet-e. Míg egy sakkjátszma általában 30–40 lépésből áll, addig ezek a kutatási szintű matematikai problémák akár egymillió vagy még több lépést is igényelnek a megoldáshoz.

A Caltech professzora, Sergei Gukov által vezetett kutatócsoport egy új típusú gépi tanulási algoritmust fejlesztett ki, amely képes ilyen rendkívül hosszú lépéssorozatokat igénylő matematikai problémák megoldására. Az algoritmust egy évtizedek óta nyitott matematikai kérdés, az Andrews–Curtis-sejtés különböző változatainak megoldására alkalmazták. Az új program tehát még az olyan fejlett AI-rendszereknél is messzebbre lát előre, mint az AlphaZero.

Miről szól ez a matematikai teória?

Az Andrews–Curtis-sejtés azért jelentős, mert mély összefüggéseket rejt a csoportelmélet, az algebrai topológia és a számítástudomány között. A sejtésnek vannak potenciális ellenpéldái, amelyeket matematikusok próbálnak bizonyítani vagy cáfolni, és ebben nyújtott most új eszközöket a mesterséges intelligencia.

Bár az Andrews–Curtis-sejtés közvetlen gyakorlati alkalmazásai nem annyira nyilvánvalóak, mint például a mérnöki vagy számítástechnikai problémák megoldása, de az elmélet alapvető fontosságú lehet a matematikai modellezés és a komplex rendszerek megértése szempontjából. Ennek ellenére fontos lehet például a kódolásban és titkosításban, ahol a csoportelmélet alapvető szerepet játszik, illetve a számítógépes algebrai rendszerek optimalizálásában is hasznosítható. Nem elhanyagolható a szerepe a robotikai és a mesterséges intelligencia szoftverek programozása terén sem, ami lássuk be: egyértelműen a jövő legfontosabb iparága.

Lassan azok helyét veszi át a technológia, akik lefejlesztették magát a mesterséges intelligenciát 

Az AI alkalmazása a matematikai problémák megoldására egyre népszerűbbé válik. A Google DeepMind AlphaProof programja például a 2024-es Nemzetközi Matematikai Diákolimpián egy ezüstérmes versenyző szintjén teljesített. Az OpenAI o3 programja pedig sikeresen oldott meg matematikai, tudományos és programozási feladatokat referenciafeladatok alapján.

 Olyan ez, mintha egy Föld méretű labirintusban kellene megtalálni az egyetlen helyes utat.

– mondta el Ali Shehper, posztdoktori kutató a phys.org tudományos portálnak.

EZ IS ÉRDEKELHET

Ebbe rengeteg magyar munkavállaló rokkanhat bele: sokaknak választása sem lesz, ha jön az átállás

Sokan elégedetlenek a mesterséges intelligencia térnyerésével: főleg azok, akik emberi munkával, manuálisan ismétlődő munkákat végeznek.

Ahol a kis lépés is hatalmas az emberiségre nézve

A Caltech által vezetett matematikusok nem hétköznapi problémákra összpontosítanak, hanem a területük legnehezebb kérdéseire.

Bár jelen esetben magát a fő sejtést nem sikerült bizonyítaniuk, megcáfoltak két olyan problémacsaládot, amelyeket potenciális ellenpéldának tartottak. Az egyik 25 éve, a másik pedig már 44 éve nyitott kérdés volt a matematikában. Az ellenpéldák olyan speciális esetek, amelyek – ha igaznak bizonyulnak – cáfolhatják az eredeti sejtést. Ha azonban maga az ellenpélda megdől, az eredeti matematikai állítás továbbra is igaz lehet.

"Az ellenpéldák kizárása növeli a bizalmunkat az eredeti sejtés érvényességében, és új szemléletmódot ad a probléma megértéséhez" – magyarázta Shehper.

Gukov szerint a matematikai problémáknak a megoldása olyan, mint eljutni A pontból B pontba egy rendkívül bonyolult útvonalon, amely több ezer, millió vagy akár milliárd lépést is igényelhet. Egy másik hasonlattal élve ezt az AI által megoldandó problémát egy elképesztően összekevert Rubik-kocka kirakásához hasonlítja:

Képes vagy egy teljesen összekevert, bonyolult Rubik-kockát visszaállítani az eredeti állapotába? Ki kell próbálni egy rendkívül hosszú lépéssorozatot, és csak a végén derül ki, hogy jó úton jársz-e

– mondta Gukov, aki egyben a Caltech új, Richard N. Merkin Tiszta és Alkalmazott Matematikai Központjának igazgatója is.

A kutatócsoport AI-programja képes volt rendkívül hosszú, váratlan és szokatlan lépéssorozatokat – „szuperlépéseket” – kidolgozni. Ez teljesen eltér attól, ahogyan más mesterséges intelligencia rendszerek, például a ChatGPT működnek.

Ha megkéred a ChatGPT-t, hogy írjon egy levelet, akkor egy tipikus szöveget kapsz. Ritkán alkot igazán egyedit és eredetit – olyan, mint egy jó papagáj

– mondta Gukov. „A mi programunk viszont épp abban jó, hogy különleges, kiugró megoldásokat találjon.” – tette hozzá.

EZ IS ÉRDEKELHET

Szörnyű következménye lehet, ha így használod a ChatGPT-t: az ember legféltettebb kincse a tét

Tíz évvel ezelőtt az új közösségi média platformok és az okoseszközök megjelenése, 2-3 évvel ezelőtt pedig mesterséges intelligencia boomja alaposan felforgatta a világunkat.

A kutatók az AI betanításához egy megerősítéses tanulásnak nevezett gépi tanulási modellt használtak. A folyamat során a program először egyszerű problémákat oldott meg, majd fokozatosan egyre nehezebb feladatokat kapott.

„A program különböző lépéseket próbál ki, és jutalmat kap, ha helyesen oldja meg a feladatot” – magyarázza Shehper.

Arra ösztönözzük, hogy ismételje a sikeres megoldásokat, miközben megőrzi a kíváncsiságát is. Ennek eredményeként olyan új stratégiákat fejleszt ki, amelyek még az embereknél is jobbak. Ez a megerősítéses tanulás varázsa.

Az AI sem mindenható – pedig vannak, akik erre törekszenek

Jelenleg az AI-programok általában nem túl jók a ritka, kiugró események előrejelzésében, amelyek drámai következményekkel járhatnak – például a pénzügyi piacok összeomlásában. A kutatócsoport új algoritmusa sem képes ilyen jóslatokra, de megteremtheti annak alapjait, hogy a jövőben intelligensebb előrejelzések szülessenek.

A Chat GPT csak a jéghegy csúcsa

A kutatók azt állítják, progamjuk ki tudja küszöbölni azokat a problémákat is, amelyekbe a jelenlegi generatív szoftverek használatakor még rendszerint beleütközünk.

Lényegében a programunk tudja, hogyan kell tanulni a tanulást. Képes "a dobozon kívül" gondolkodni. Rengeteget fejlesztettünk egy évtizedek óta stagnáló matematikai területen. A haladás eddig lassú volt, de most felpörgött az egész.

– magyarázta Gukov.

Ennek ellenére az új algoritmus máris nagy visszhangot váltott ki a matematikai közösségben. Talán nem véletlenül, hiszen az AI veszélyeivel mi is többször foglalkoztunk már.

A csapat nem a meglévő AI-modellek méretnövelésére törekedett, hanem okosabb trükköket és új stratégiákat fejlesztett ki, amelyek nem igényelnek hatalmas számítási teljesítményt.

„Olyan megoldásokat dolgoztunk ki, amelyek kis teljesítményű számítógépeken is jól működnek, és könnyen hozzáférhetők egy kisebb tudományos együttműködés számára. Így bárki a világ bármely pontjáról egyszerűen reprodukálhatja az eredményeinket” – összegeztek a kutatók.