„Dar prieš matematikai pasikeičiant visiems laikams, „OpenAI“ tyrėjai pranešė apie milžinišką proveržį: dirbtinis intelektas (DI) tapo beveik toks pat protingas, kaip grupė pradinių klasių moksleivių.
Prieš penkerius metus dirbtinio intelekto srities inžinieriai apmokė modelį spręsti tūkstančius paprastų matematikos uždavinių. Tada jie jį išbandė.
Net jei negalite pakęsti matematikos, su šia paprasta aritmetika tikrai susidorotumėte. Kaip teigė „OpenAI“ tyrėjai: „Gabus vidurinių klasių moksleivis turėtų gebėti išspręsti kiekvieną iš šių uždavinių.“
O kaip dėl pradinuko – arba DI modelio?
Kai įmonė pateikė užduotis 9–12 metų vaikų grupei, šie surinko 60 proc. taškų. DI sistemai buvo duotas tas pats testas – ji surinko 55 proc.
Tyrėjai buvo tiesiog euforijoje.
„Vis dar prisimenu tą jausmą, kai šokinėjome iš džiaugsmo, – pasakojo man „OpenAI“ tyrimų vadovas Markas Chenas, – dėl dalykų, iš kurių šiandien tik pasijuoktume.“
Dar niekada neigiamas įvertinimas matematikos egzamine nebuvo toks džiuginantis.
Tuo metu modeliai tebuvo primityvūs ir labai prastai gebėjo nuosekliai, žingsnis po žingsnio, spręsti uždavinius. Nuo to laiko DI tapo galingesnis daug greičiau, nei tikėjosi patys tyrėjai.
Jis jau seniai nebekovoja su ketvirtos klasės namų darbais. Dabar jis atlieka tokius matematinius veiksmus, kokių joks žmogus niekada nėra atlikęs.
Vos per pastarąsias kelias savaites vienas iš „OpenAI“ vidinių modelių išsprendė vieną iš legendinių „Tūkstantmečio problemų“, o vėliau – dar kelis šimtus kitų neišspręstų uždavinių; dar prieš kelis mėnesius tai atrodė visiškai neįmanoma.
Šis atradimų sprogimas sukrėtė visą sritį – tai įrodymas, kad matematika niekada nebebus tokia, kokia buvo.
Matematika tapo geriausiu pavyzdžiu, parodančiu, kaip smarkiai pažengė DI galimybės ir kaip stipriai žmonės jas nuvertino. Tad kas toliau? Jei per penkerius metus modeliai nuėjo kelią nuo nesugebėjimo atlikti ilgojo dalybos veiksmo iki „kvazi-Rymano hipotezės“ įveikimo, kas nutiks per ateinančius penkerius metus? Ir jei DI gali įvaldyti sritį, nuo kurios daugumos žmonių smegenys tiesiog „išsilydo“, ar tai reiškia, kad tik laiko klausimas, kada jis imsis visko kito, kas liko iš mūsų?
Tiesą sakant, dar visai neseniai buvo manoma, kad matematika yra viena iš paskutinių sričių, kurias pakeis dirbtinis intelektas (DI).
Tačiau įmonėms pradėjus naudoti matematiką savo modeliams treniruoti, šie modeliai tapo kur kas geresni atlikdami matematines užduotis.
2023 m. pažangiausias „OpenAI“ modelis lengvai įveikė pradinės mokyklos matematikos egzaminą – tą patį, kurio anksčiau ankstesnės sistemos neišlaikydavo. Tokia sparti pažanga rodė, kad DI jau pasirengęs sudėtingesniam matematinių žinių patikrinimui.
Atėjo metas DI laikyti SAT egzaminą.
SAT matematikos dalyje modelis surinko 700 taškų iš 800 galimų – tai parodė, kokią pažangą padarė šios sistemos ir kiek daug joms dar liko nuveikti. Vis dėlto net ir tada DI pasirodė prasčiau nei paaugliai, kurie vėliau stos į universitetus studijuoti anglų kalbos – vien tam, kad jiems daugiau niekada nebereikėtų sukti galvos dėl algebros.
Maždaug tuo metu DI įrankiai vis dar garsėjo tuo, kad nesugebėdavo atsakyti į vieną matematinio pobūdžio klausimą, kurio nepamatysi jokiame standartizuotame teste: kiek raidžių „r“ yra žodyje „strawberry“? (Užuomina: ne dvi.)
Tačiau laboratorijose tyrėjai jau matė, kad kitos kartos modeliams suskaičiuoti raides žodžiuose, reiškiančiuose vaisius, nebus jokių problemų.
DI evoliucionavo nuo prasto veikimo iki tokio gero, kad darosi net baisu; iš dalies taip nutiko dėl pačios matematikos prigimties.
Skirtingai nei kitose, mažiau struktūruotose srityse, matematika jau tūkstantmečius remiasi tiksliomis logikos taisyklėmis. Be to, ją galima patikrinti: atsakymai būna arba teisingi, arba klaidingi, todėl modeliai, kaip ir devynmečiai vaikai, gali mokytis iš savo klaidų.
Kitas žingsnis jų „matematiniame ugdyme“ – užduotys iš vidurinių mokyklų konkursų, kuriuose kadaise dalyvavo daugelis DI tyrėjų.
Iš pradžių modeliai strigo ties sudėtingais uždaviniais, reikalaujančiais daugiapakopio loginio mąstymo. Tačiau, kaip ir kiti matematiniai testai, skirti sistemų pajėgumui vertinti, šis galiausiai buvo visiškai įveiktas.
2023 m. viduryje pažangiausias „OpenAI“ modelis sunkiausias šio testo užduotis atliko 23 proc. tikslumu.
2024 m. bendrovė pristatė savo pirmąjį „mąstantį“ modelį (angl. *reasoning model*), kuriam suteiktas kodinis pavadinimas „Strawberry“; jis pasirodė ypač stiprus matematikos ir programavimo srityse. Iki 2024 m. pabaigos pagrindinis „OpenAI“ modelis šiame egzamine surinko 95 proc. taškų.
O 2025 m. pradžioje ši pažanga „OpenAI“ tyrimų vadovui tapo asmeniniu išgyvenimu.
Kai jis sužinojo, kad modeliai pranoko jo paties – sportinio programavimo meistro – aukščiausią reitingą, Chenas staiga pajuto ryšį su Lee Sedolu, vienu geriausių pasaulio „Go“ žaidėjų, kurį įveikė „AlphaGo“ – tai buvo vienas svarbiausių įvykių dirbtinio intelekto istorijoje.
„Tai buvo tikrai jautri akimirka, – sakė jis. – Manau, kad žmonės, patyrę tokių akimirkų, geriau supranta, ką šie modeliai ateityje galės nuveikti.“
Chenas turėjo dar vieną priežastį įvertinti tai, kad modeliai surinko maksimalų taškų skaičių itin sudėtingame Amerikos matematikos egzamine (angl. *American Invitational Mathematics Examination* – AIME).
Kai jis mokėsi paskutinėje klasėje, AIME egzaminą laikė 8 586 moksleiviai iš viso pasaulio. Devyni iš jų surinko maksimalų taškų skaičių. Vienas jų buvo jis.
Kai dirbtinio intelekto modeliai sėkmingai įveikė AIME ir laimėjo aukso medalius matematikos olimpiadose, jie peržengė mokyklinės matematikos ribas ir perėjo prie neišspręstų uždavinių, kurių sprendimai dešimtmečius buvo neįveikiama žmonėms.
Paklausiau Cheno, ką jis būtų pasakęs, jei 2021 m. būčiau jam užsiminęs apie tai, kokiu greičiu viskas klostysis per ateinančius penkerius metus.
„Būčiau pasakęs, kad tai beprotybė, – atsakė jis. – Tačiau skaudi pamoka ta, kad žmonėms labai sunku suvokti eksponentinius procesus – net ir tiems, kurie dirba „OpenAI“.“
Kai susisiekiau su Scottu Aaronsonu ir Dana Moshkovitz – Teksaso universiteto teoretikais informatikais, kurie yra susituokusi pora, – sužinojau, kodėl taip sunku prognozuoti pažangos tempą.
„Viskas vyksta greičiau, nei tikiesi, – sakė S. Aaronsonas, – net ir tada, kai atsižvelgi į tai, jog ankstesnis įvykis taip pat nutiko greičiau, nei tikėjaisi.“
„Senaisiais laikais“ – kitaip tariant, 2026 m. rugpjūtį – D. Moshkovitz su kolega diskutavo apie „vienetinių žaidimų hipotezę“ (angl. *Unique Games Conjecture*) – itin abstrakčią problemą, kurią ji nagrinėjo daugiau, nei dešimtmetį.
Kai ji užsiminė, kad dirbtinis intelektas (DI) vieną dieną galėtų ją išspręsti, kolega tai palaikė visiška nesąmone ir pamanė, kad ji juokauja. Po dviejų mėnesių paaiškėjo, kad ji buvo teisi: sprendimas atsirado tarp daugybės „OpenAI“ paskelbtų mokslinių darbų.
D. Moshkovitz pranešė šią naujieną savo sūnui, kai pasiėmė jį iš pradinės mokyklos. Beje, jam 9-eri – tiek pat, kiek ir jauniausiems „OpenAI“ tyrime dalyvavusiems asmenims.
Sprendžiant matematikos uždavinius, jie jau nebėra protingesni už dirbtinį intelektą, tačiau devynmečiai vis tiek pasižymi gana dideliu išmintingumu.
„Jis man pasakė, – prisiminė D. Moshkovitz, – kad jie verčiau turėtų rasti būdą, kaip įveikti vėžį.“ [1]
1. EXCHANGE --- Science of Success: Can You Solve the Math That Once Stumped AI? --- In just five years, AI has progressed from elementary school to changing math forever. Cohen, Ben. Wall Street Journal, Eastern edition; New York, N.Y.. 24 Oct 2026: B1.
Komentarų nėra:
Rašyti komentarą