A chatbotok a jövő matematikusai? Több évtizedes problémát oldott meg a MI

A kevésbé szorgalmas diákok számára – akik a házi feladatokhoz ChatGPT-t használnak – most jó hír következik: még a Google kutatói körében is népszerű a program. És mi a legleglenyűgözőbb ezzel kapcsolatban? Az, hogy úgy tűnik, a mesterséges intelligencia felülmúlja még a létrehozóit is.

Mi jelentett áttörést?

„Amikor ezt a projektet elkezdtük, semmi jele nem volt annak, hogy olyasvalamit hoz létre, ami teljesen újnak számít” – mondta a Guardiannak Pushmeet Kohli, a Google DeepMind mesterséges intelligencia a tudományért részleg vezetője. „Amennyire tudjuk, ez az első ilyen alkalom, hogy egy igazi, friss tudományos felfedezés egy nagyobb nyelvi modell által jött létre.”

A Google mesterséges intelligenciával foglalkozó részlegének mérnökei szerint a chatbot számít manapság az egyik „vezető elmének” a kombinatorika területén is.

A főbb áttörés

Eleinte csak egy koncepciópróbának szánták – az igazi áttörést egy új algoritmus jelentette, amelyet a csapat FunSearchnek nevezett el -, de ehelyett a mesterséges intelligencia sokkal többre volt képes: olyan megoldásokat talált különböző problémákra, amelyek jobbnak bizonyultak, mint bármely korábban talált megoldás.

„A FunSearch új megoldási alternatívákat talált olyan hosszú ideig megoldatlan matematikai problémákra is, mint a cap set probléma” – írta Alhuseein Wahzi és Bernardino Romera Paredes, a DeepMind egyik blogposztjában.

„A probléma abban áll, hogy meg kell találni a pontok legnagyobb halmazát (az ún. cap setet) egy nagydimenziós rácson, ahol nincs olyan három pont, amelyik ugyanazon az egyenesen lenne.”

Erre egy példa: a Set nevű kártyajátékban 12 kártyát használnak a játékosok – ezek mindegyike egyike forma, szín, árnyalat, és minőségi kombinációval rendelkezik.

A játékosok célja, hogy találjanak egy olyan három kártyából álló szettet, amelynek minden egyes jellemzője egyedi vagy azonos. Például egy kártya egy piros egyszínű gyémánttal, egy másik két kék csíkos gyémánttal, egy harmadik pedig három zöld üres gyémánttal alkotna egy szettet, mert mindegyikben vannak gyémántok, de a színek, az árnyalat és a gyémántok száma mindegyikben más és más.

Ha senki nem találna egy ilyen szettet a 12 kártyából – ez egyébként abszolút lehetséges – addig osztanak kártyákat, míg valaki nem talál egyet. A kérdés itt az lesz, hogy hány kártyát kellene kézbe venni, míg valaki meg nem talál egy szettet.

Ezt a problémát 1971-ben már megoldották – a helyes válasz a 20 -, nagyobb szettek esetében viszont a dolgok sokkal nehezebbek.

A kombinatorikában nagyon gyakori, hogy a potenciális megoldások száma rohamosan nő – elegendő nyolcig eljutni ahhoz, hogy 3¹⁶⁰⁰-on potenciális „kártyát” kapjunk.

Nem meglepő módon nem volt olyan ember eddig, aki ezt megoldotta volna – még a matematikusok sem értenek abban egyet, hogy a megoldás n=8.

Éppen ezért is figyelemre méltó, hogy a Google mesterséges intelligenciája úgy tűnik, megoldotta a problémát – egy eddig ismeretlen, 512-es méretű cap set-tel.

Hogyan lehet fejleszteni a chatbotokat?

A nagy nyelvi modellek (large language models – LLM-ek) azok a neurális hálózatok, amelyek a chatbotok alapját képezik, és a közelmúltban nagyon népszerűnek bizonyultak.

Nemrégiben olyan információk is elterjedtek, amelyek szerint ezek a chatbotok rengeteg ember munkanélküliségét fogják okozni, és a művészet – különösen például a zene – is hátrányt fog szenvedni, az igazság az, hogy az LLM-ek korántsem tekinthetők olyan szofisztikáltnak, mint a filmekben láthatjuk; gondoljunk csak az Ex Machinára. Ezek alapvetően úgy működnek, hogy hatalmas mennyiségű, ember által generált szöveget és adatot gyűjtenek össze és csomagolják újra, hihetetlenül valósághű stílusban.

Ez igazából jelentős probléma, és nemcsak azért, mert az igazi művészeket megkárosítják a chatbotok. Az LLM-ek, amelyek a chatbotokat működtetik, nem arra koncentrálnak, hogy mi igazi és mi nem – hanem arra, hogy mintákat találjanak a beszédben, és a szövegben.

A DeepMind kutatói nem feltétlenül tudták elkerülni ezt a problémát matematikai kísérleteik során. Ehelyett a FunSearch két különböző programot kombinál össze: az első a Google LLM-alapú kódoló modellje, Codey, amely kódot tud generálni a fejlesztők számára; a második egy algoritmus, amely ellenőrzi és pontozza azt, amit Codey kitalált.

A csapat írt egy kódot a matematikai probléma megoldására, viszont kihagyták azokat a sorokat, amelyek igazából arról szóltak, hogyan kellene a programnak megoldania azt. Codey pedig javaslatokat ajánlott ezekre a sorokra. A második algoritmus pedig értékelte Codey munkáját, majd visszaküldte ellenőrzésre.

A fentiek mellett a FunSearch még további fontos eredményt is felmutatott, mégpedig azt, hogy megoldotta az ún. „bin packing” problémát is.

Ennek lényege, hogy hogyan lehetséges úgy tárgyakat zsákokba, vagy konténerekbe tenni, hogy minél kevesebbet használjunk fel ezekből.

Habár ez egyszerűnek hangzana, mégis sokkal nehezebb, mint a cap set-probléma, a számítási bonyolultság szempontjából.

Fawdi és Paredes a következőt nyilatkozták: „A FunSearch egy automatikusan testre szabott (az adatok sajátosságaihoz alkalmazkodó) programot hozott létre, amely felülmúlta a beváltakat is – kevesebb konténert használva ugyanannyi elemre.

Milyen korlátai vannak ezeknek a nyelvi modelleknek?

A DeepMind áttörései rendkívül eredményesnek bizonyulnak ugyan, viszont a matematikusoknak nem kell még félteniük a munkájukat. A FunSearch egyelőre olyan problémákra korlátozódik, amelyek megfelelnek bizonyos kritériumoknak – könnyen és hatékonyan kiértékelhetőnek és pontozhatónak kell lenniük, és ugyanazt a „töltsd ki a hiányzó kódot” trükköt kell követniük, mint amit a csapat a cap set- és a bin packing problémáknál használt.

A bizonyítékok generálása jelenleg túl nehéz lenne a mesterséges intelligencia számára, mivel az ilyen dolgokat nem lehet úgy osztályozni, hogy egy számítógép értelmezni tudja azokat.

Összességében megállapítható, hogy jelenleg nem lehet előre látni, hogy milyen problémát fog legközelebb megoldani a mesterséges intelligencia.

Érdemes elolvasni:

• Itt a vég? Már a gondolatainkat is kitalálja a mesterséges intelligencia
• Rémisztően pontosan eltalálja a mesterséges intelligencia, hogy mikor halunk meg

Source: https://www.iflscience.com/a-chatbot-just-solved-a-math-problem-that-has-stumped-humans-for-decades-72116