Μια νέα και ιδιαίτερα σημαντική σύγκρουση ανοίγει ανάμεσα στην επιστημονική κοινότητα και τις μεγαλύτερες εταιρείες Τεχνητής Νοημοσύνης. Είκοσι πέντε κάτοχοι του Fields Medal, της σημαντικότερης διεθνούς διάκρισης στα μαθηματικά, προειδοποιούν ότι η κούρσα των AI labs να λύνουν διάσημα μαθηματικά προβλήματα ως απόδειξη της ισχύος των μοντέλων τους μπορεί τελικά να βλάψει την ίδια την επιστημονική έρευνα.
Μεταξύ των υπογραφόντων βρίσκεται ο Terence Tao, μία από τις σημαντικότερες μορφές των σύγχρονων μαθηματικών. Η παρέμβαση έρχεται λίγες ημέρες μετά την ανακοίνωση της OpenAI ότι εσωτερικό σύστημα Τεχνητής Νοημοσύνης παρήγαγε λύση στο πρόβλημα ύπαρξης και ομαλότητας Navier–Stokes, ένα από τα επτά περίφημα Millennium Prize Problems.
Η σύγκρουση δεν αφορά μόνο τα μαθηματικά
Το θέμα έχει πολύ μεγαλύτερη οικονομική διάσταση από όσο φαίνεται αρχικά.
Στην πραγματικότητα αφορά το ποιος θα ελέγχει στο μέλλον την παραγωγή επιστημονικής γνώσης: πανεπιστήμια και ερευνητές ή τεχνολογικές εταιρείες που διαθέτουν δισεκατομμύρια δολάρια, τεράστια data centers και υπολογιστικά συστήματα στα οποία η ακαδημαϊκή κοινότητα δεν μπορεί εύκολα να έχει πρόσβαση.
Τα προηγμένα AI μοντέλα έχουν αρχίσει να επιτυγχάνουν αποτελέσματα σε προβλήματα που μέχρι πρόσφατα απαιτούσαν χρόνια ανθρώπινης έρευνας.
Η εξέλιξη μπορεί να επιταχύνει δραματικά την επιστήμη, αλλά δημιουργεί ταυτόχρονα μια νέα μορφή οικονομικής ανισότητας: την ανισότητα στην υπολογιστική ισχύ.
Η προειδοποίηση των 25 Fields Medalists
Οι 25 μαθηματικοί υποστηρίζουν ότι υπάρχει σοβαρή απόσταση ανάμεσα στους στόχους των εταιρειών AI και στους στόχους της μαθηματικής κοινότητας.
Για μια τεχνολογική εταιρεία, η λύση ενός διάσημου προβλήματος αποτελεί εντυπωσιακό benchmark. Αποδεικνύει τις δυνατότητες του μοντέλου, ενισχύει το brand και μπορεί να προσφέρει σημαντικό ανταγωνιστικό πλεονέκτημα.
Για έναν μαθηματικό όμως η τελική απάντηση είναι μόνο ένα μέρος της διαδικασίας.
Η πραγματική επιστημονική αξία βρίσκεται συχνά στις νέες ιδέες, στις μεθόδους, στις ενδιάμεσες ανακαλύψεις και στην κατανόηση που παράγεται κατά την πορεία προς τη λύση.
Οι υπογράφοντες φοβούνται ότι μια ανεξέλεγκτη κούρσα AI μπορεί να μετατρέψει αυτή τη διαδικασία σε έναν αγώνα για το ποια εταιρεία θα ανακοινώσει πρώτη το αποτέλεσμα.
Η OpenAI και το πρόβλημα των 90 ετών
Η συζήτηση πήρε φωτιά μετά την ανακοίνωση της OpenAI στις 8 Σεπτεμβρίου.
Η εταιρεία ανακοίνωσε ότι εσωτερικό AI σύστημα παρήγαγε λύση στο πρόβλημα Navier–Stokes existence and smoothness, ένα από τα Millennium Prize Problems που έχουν απασχολήσει γενιές μαθηματικών.
Το πρόβλημα αφορά τις εξισώσεις που περιγράφουν τη συμπεριφορά των ρευστών και παρέμενε άλυτο επί περίπου 90 χρόνια.
Η OpenAI δημοσίευσε τόσο το κείμενο της απόδειξης όσο και formalized proof σε Lean, διευκρινίζοντας ότι δεν σκοπεύει να διεκδικήσει το χρηματικό Millennium Prize για το αποτέλεσμα.
Όταν η υπολογιστική ισχύς γίνεται οικονομικό πλεονέκτημα
Εδώ βρίσκεται η μεγάλη επιχειρηματική διάσταση.
Για να αντιμετωπιστούν τέτοιου επιπέδου προβλήματα με AI απαιτούνται τεράστιοι υπολογιστικοί πόροι.
Δημοσιεύματα για το συγκεκριμένο εγχείρημα αναφέρουν χρήση περίπου 10.000 AI agents, με εκτιμώμενο υπολογιστικό κόστος που έφτασε περίπου τα 15 εκατ. δολάρια. Η ακριβής κοστολόγηση δεν έχει δημοσιοποιηθεί επίσημα από την OpenAI και συνεπώς πρέπει να αντιμετωπίζεται ως εξωτερική εκτίμηση.
Το ποσό δείχνει όμως το βασικό πρόβλημα.
Ένας ερευνητής πανεπιστημίου ή ακόμη και ένα μεγάλο ακαδημαϊκό εργαστήριο δύσκολα μπορεί να διαθέσει αντίστοιχη υπολογιστική ισχύ για ένα και μόνο πείραμα.
Οι μεγαλύτερες εταιρείες AI μπορούν.
Και όσο η επιστημονική πρόοδος εξαρτάται περισσότερο από compute, τόσο η πρόσβαση σε κεφάλαιο μπορεί να εξελιχθεί σε καθοριστικό παράγοντα για το ποιος κάνει πρώτος μια ανακάλυψη.
Από το «publish or perish» στο «compute or perish»;
Για δεκαετίες η ακαδημαϊκή κοινότητα μιλούσε για το φαινόμενο «publish or perish»: ένας ερευνητής πρέπει να δημοσιεύει συνεχώς για να παραμένει ανταγωνιστικός.
Η εποχή της AI μπορεί να δημιουργήσει μια διαφορετική πραγματικότητα.
Compute or perish.
Εάν τα σημαντικότερα επιστημονικά αποτελέσματα απαιτούν εκατομμύρια δολάρια σε GPUs και inference, τα κορυφαία πανεπιστήμια μπορεί να βρεθούν σε μειονεκτική θέση απέναντι σε εταιρείες που επενδύουν δεκάδες δισεκατομμύρια σε υποδομές.
Αυτό εξηγεί γιατί η πρόσβαση στην Τεχνητή Νοημοσύνη εξελίσσεται σε οικονομικό και πολιτικό ζήτημα.
Η ίδια η OpenAI έχει ανακοινώσει πρόγραμμα δωρεάν διάθεσης προηγμένων εργαλείων σε επιστήμονες, μαθηματικούς και μηχανικούς, με στόχο να διευρύνει την πρόσβαση της ερευνητικής κοινότητας στις δυνατότητες των frontier models.
Η μάχη για την πνευματική ιδιοκτησία
Υπάρχει όμως και ένα δεύτερο, ακόμη δυσκολότερο ζήτημα: ποιος είναι ο πραγματικός δημιουργός μιας ανακάλυψης όταν η AI βασίζεται σε προηγούμενη ανθρώπινη γνώση;
Η υπόθεση Navier–Stokes έφερε αυτή τη συζήτηση στο προσκήνιο.
Ερευνητές έχουν θέσει ερωτήματα σχετικά με τον τρόπο με τον οποίο προηγούμενες ή μη δημοσιευμένες μαθηματικές ιδέες μπορεί να σχετίζονται με αποτελέσματα που παράγονται από AI.
Η OpenAI ανακοίνωσε ότι διερεύνησε συγκεκριμένες ανησυχίες που αφορούσαν prompts του μαθηματικού Tristan Buckmaster στο Codex και δήλωσε ότι επιβεβαίωσε πως αυτά δεν μπορούσαν να έχουν επηρεάσει το σύστημα που παρήγαγε τη λύση.
Η αντιπαράθεση όμως έχει ήδη δημιουργήσει ανησυχία σε μέρος της επιστημονικής κοινότητας σχετικά με το πόσο ελεύθερα μπορούν οι ερευνητές να μοιράζονται μη δημοσιευμένες ιδέες με συστήματα AI.
Τι φοβάται ο Terence Tao
Ο Terence Tao δεν υποστηρίζει ότι η AI πρέπει να μείνει έξω από τα μαθηματικά.
Το αντίθετο: έχει επανειλημμένα αναγνωρίσει τις τεράστιες δυνατότητές της.
Η ανησυχία του αφορά τον τρόπο με τον οποίο χρησιμοποιείται.
Έχει προειδοποιήσει ότι εάν τα AI συστήματα αρχίσουν να παράγουν τεράστιο αριθμό αποδείξεων και λύσεων χωρίς να μετατρέπουν τα αποτελέσματα σε ανθρώπινα κατανοητή γνώση, τα μαθηματικά μπορεί να περάσουν από μια εποχή «σπανιότητας αποδείξεων» σε μια εποχή αφθονίας αποδείξεων.
Το πρόβλημα τότε δεν θα είναι να βρεθεί μια απόδειξη.
Θα είναι να καταλάβουμε ποια από τις χιλιάδες αποδείξεις έχει πραγματική επιστημονική αξία και τι καινούργιο μας διδάσκει.
Από τα μαθηματικά σε φάρμακα, μηχανική και οικονομία
Γι' αυτό η σημερινή διαμάχη αφορά πολύ περισσότερα από ένα ακαδημαϊκό πεδίο.
Εάν η AI μπορεί να επιταχύνει σημαντικά την επίλυση πολύπλοκων μαθηματικών προβλημάτων, μπορεί να επιταχύνει αντίστοιχα την ανάπτυξη νέων φαρμάκων, υλικών, ενεργειακών τεχνολογιών, αλγορίθμων και βιομηχανικών συστημάτων.
Η οικονομική αξία αυτών των ανακαλύψεων μπορεί να είναι τεράστια.
Το ερώτημα είναι ποιος θα διαθέτει την τεχνολογία που τις παράγει, ποιος θα κατέχει την πνευματική ιδιοκτησία και πόσο εύκολα θα μπορεί ένας ανεξάρτητος ερευνητής ή μια μικρότερη εταιρεία να ανταγωνιστεί έναν τεχνολογικό κολοσσό.
Η επόμενη μεγάλη αγορά της AI μπορεί να είναι η επιστήμη
Μέχρι σήμερα η εμπορική κούρσα της Τεχνητής Νοημοσύνης επικεντρωνόταν κυρίως σε chatbots, coding assistants, δημιουργία εικόνων και επιχειρηματικά εργαλεία.
Η επόμενη αγορά μπορεί να είναι πολύ μεγαλύτερη: η ίδια η επιστημονική ανακάλυψη.
Εταιρείες που καταφέρνουν να χρησιμοποιήσουν AI για να λύνουν προβλήματα στη φυσική, στα μαθηματικά, στη χημεία ή στη βιολογία αποκτούν πρόσβαση σε τεχνολογίες που μπορούν να δημιουργήσουν ολόκληρες νέες βιομηχανίες.
Γι' αυτό και η προειδοποίηση των 25 κορυφαίων μαθηματικών έχει ιδιαίτερη σημασία.
Η συζήτηση δεν είναι πλέον αν η AI μπορεί να βοηθήσει την επιστήμη. Αυτό ήδη συμβαίνει.
Η πραγματική μάχη είναι ποιος θα ελέγξει τη μηχανή που παράγει την επόμενη γενιά γνώσης — και ποιος θα καρπωθεί την οικονομική της αξία.