Imamo li već pametne botove – uz pomoć VI napravljeni modeli za rešavanje matematičkih problema

Istraživači koji rade sa veštačkom inteligencijom tvrde da su napravili prvo naučno otkriće na svetu koristeći veliki jezički model, što je napredak koji sugeriše da tehnologija koja stoji iza ChatGPT-ja i sličnih programa može da generiše informacije koje prevazilaze ljudsko znanje.

Otkriće je proizašlo iz rada u Guglovom „Dip majndu“, gde naučnici istražuju da li veliki jezički modeli, koji su osnova modernih čet-botova kao što su ChatGPT kompanije Open AI i Guglov Bard, mogu učiniti više od prepakivanja informacija usvojenih tokom obuke i donošenja novih uvida.

„Kada smo započeli projekat nije bilo naznaka da će VI proizvesti nešto što je zaista novo“, rekao je Pušmit Koli, šef odseka za veštačku inteligenciju u nauci u „Dip majndu“.

„Koliko znamo, ovo je prvi put da je došlo do pravog, novog naučnog otkrića pomoću velikog jezičkog modela“, istakao je Koli.

Veliki jezički modeli (LLM – Large Language Models), moćne su neuronske mreže koje uče obrasce jezika, uključujući kompjuterske kodove.

Od dolaska ChatGPT-ja prošle godine, koji je promenio svet, tehnologija bazirana na LLM-u otklonila je greške u softveru i uspela da napravi sve, od studentskih eseja i ruta putovanja, do pesama o klimatskim promenama u Šekspirovom stilu.

Ali, iako su se čet-botovi pokazali izuzetno popularni, oni ne stvaraju nova saznanja i skloni su takozvanim halucinacijama, to jest izmišljanju detalja kako bi ispunili zadatak, što dovodi do odgovora koji su tečni i deluju moguće, ali su, u suštini, manjkavi i neretko netačni.

FunSearch i njegove zagonetke

Da bi napravio FunSearch, što je skraćeno od searching in the function space (pretraga u prostoru funkcija), „Dip majnd“ je iskoristio veliki jezički model da napiše rešenja za probleme u obliku kompjuterskih programa.

LLM je uparen sa „evaluatorom“ koji automatski rangira programe prema tome koliko dobro rade. Najbolji programi se zatim kombinuju i vraćaju modelu radi poboljšanja. Ovo podstiče sistem da konstantno prepravlja loše programe u moćnije koji mogu otkriti nova znanja.

Istraživači su kreirali FunSearch na osnovu dve zagonetke. Prva je dugotrajan i pomalo tajanstven matematički problem koji se bavi pronalaženjem najvećeg skupa tačaka u prostoru gde nijedna kombinacija tri tačke ne čini pravu liniju. FunSearch je izbacio programe koji generišu nove takve skupove koji prevazilaze one za koje su matematičari dokazali ovakve pravilnosti.

Druga zagonetka koja čini osnovu FunSearch-a je problem pakovanja u prostoru, koji traži najbolje načine za pakovanje predmeta različitih veličina u kontejnere. Iako se primenjuje na fizičke objekte, kao što je najefikasniji način da se kutije rasporede u transportnim kontejnerima, ista računica se primenjuje u drugim oblastima, kao što je određivanje rasporeda koraka u centrima za obradu podataka.

Problem se obično rešava ili pakovanjem predmeta u prvu kantu koja ima mesta, ili u kantu sa najmanje raspoloživog prostora u koji predmet može da se smesti. FunSearch je pronašao bolji pristup kojim se izbegava ostavljanje malih praznina za koje je malo verovatno da će ikada biti popunjene, navodi se u tekstu objavljenom u časopisu Nejčer (Nature).

„U poslednje dve ili tri godine bilo je nekih uzbudljivih primera gde su matematičari sarađivali sa veštačkom inteligencijom kako bi postigli napredak u rešavanju nerešenih problema“, podsetio je ser Tim Govers, profesor matematike na Univerzitetu Kembridž, koji nije bio uključen u istraživanje.

Prema njegovoj oceni, ovaj rad nam potencijalno daje još jedan veoma zanimljiv alat za takvu saradnju, omogućavajući matematičarima da efikasno traže pametne i neočekivane konstrukcije.

Istraživači sada proučavaju niz naučnih problema koji bi se mogli „dati“ modelu FunSearch. Izbor ograničava to što problemi moraju imati rešenja koja se mogu automatski verifikovati, što isključuje mnoge biološke nedoumice, gde hipoteze često treba da se testiraju laboratorijskim eksperimentima.

Neposredniji uticaj može se videti na programerima. U poslednjih 50 godina, kodiranje se u velikoj meri poboljšalo zahvaljujući stvaranju preciznijih i specijalizovanijih algoritama.

„Ovo će zapravo promeniti način na koji ljudi pristupaju računarskoj nauci i algoritamskom otkriću. Prvi put vidimo da veliki jezički modeli ne preuzimaju podatke, već definitivno pomažu u pomeranju granica onoga što je moguće uraditi algoritmima“, naglasio je Koli.

Džordan Elenberg, profesor matematike na Univerzitetu Viskonsin-Medison, i koautor rada, istakao je da je uzbudljivije od konkretnih rezultata do kojih su došli to što postoji mogućnost za buduću interakciju čoveka i mašine u matematici.

„Umesto da generiše rešenje, FunSearch generiše program koji pronalazi rešenje. Rešenje određenog problema možda mi ne daje uvid u to kako da rešim druge slične probleme. Ali program koji pronađe rešenje, to je nešto što ljudsko biće može da pročita i protumači i, nadamo se, da na taj način generiše ideje za druge probleme“, poručio je Elenberg.