OpenAI обещала кризис математики. Математики в ответ устроили хакатон

Обещанный пользователями X кризис математики действительно начался. После публикации OpenAI математики решили заняться довольно естественным для обречённой профессии делом: развить опубликованные результаты. Компания пересчитывала достижения своих агентов в человеко-годы, публика ожидала капитуляции живых исследователей, а те в ответ открыли GitHub. В математической спам-машине, о которой мы писали недавно, обнаружились и ошибки, и плодотворные заготовки. С ошибками всё предсказуемо. С заготовками история оказалась гораздо интереснее.

Самый эффектный эпизод — умножение целых чисел. В репозитории OpenAI появился алгоритм, который, по заявлению компании, позволяет умножать огромные числа с несколько меньшими вычислительными затратами, чем долгое время считалось возможным. Для теории это принципиальный шаг: удалось бы перейти границу, которую долгое время считали абсолютным пределом. Но в обновлённой оценке по версии ИИ выигрыш над предыдущим ограничением был совершенно ничтожным, и пространства для работы оставалось предостаточно.

Этим пространством немедленно воспользовались живые исследователи. Первые созданные людьми улучшения машинной работы появились уже в день релиза. На следующий день оценки менялись с утра до вечера, а к следующему утру последовал ещё один большой скачок, когда оценка выросла сразу в полмиллиона раз. Доработки собраны в репозитории, который ведёт Дуглас Колкитт с коллегами. Так выглядит математическая революция, когда у неё появляются история изменений и имена участников, а не только лэйбл компании и анонимный сварм из тысяч агентов.

«Проверил и принял доработку Рохана. Огромный выигрыш в действительно трудном режиме, на котором я, честно говоря, застрял. Невероятная работа», — Дуглас Колкитт

Такая инфраструктура позволяет обсуждению превращаться в исследование. Один участник находит перспективный ход, другой узнаёт знакомый метод, кто-то дорабатывает решение, кто-то пишет проверяющую программу. Быстро возникают новые комбинации и задачи, на которые можно перенести найденный приём. Публикация OpenAI дала этой группе учёных большой объём нового материала и общий повод собраться. Образ математиков, которые исключительно охраняют профессию от машин, плохо выдерживает соседство с людьми, спешащими улучшить машинное доказательство до завтрака, потому что увидели в нём перспективу.

Да, эти оценки нельзя напрямую перевести в ускорение программы на обычном компьютере. Зато сама скорость появления новых результатов уже позволяет шутить, что буквально завтра умножение станет бесплатным. Впрочем, даже математическому апокалипсису полезно иногда заглядывать в условие задачи и бесплатных вычислений, разумеется, не будет, но сама шутка хорошо иллюстрирует известный подход в прогнозах скорого наступления тотального доминирования ИИ на основании логарифмической шкалы и бездумного продолжения текущих трендов в будущее.

Здесь важен аргумент из недавнего разбора физика Сабины Хоссенфельдер: существенная ценность AI-исследований может заключаться в обнаружении неожиданных применений уже известных методов из соседних дисциплин. У конкретного учёного есть специализация, любимые инструменты и конечное количество прочитанных статей. Модель может быстро просмотреть подходы из разных областей и подсказать связь, которую специалист мог бы годами не встретить. Узнать в этой связи полезную математику, проверить её и развить — отдельная исследовательская работа. И ИИ-заготовка даёт ей отправную точку.

Тогда главный вопрос к OpenAI звучит довольно приземлённо: отдайте новый инструмент учёным, они сумеют его оценить по достоинству и применить к месту, а не превращайте свои достижения в парад корпоративного пиара. Пока компания остаётся в привилегированном положении: она выбирает задачи, запускает закрытую систему и предъявляет готовый урожай. Математик получает голую рукопись и тоже видит в этом пользу, хотя гораздо полезнее ему мог бы оказаться инструмент, с которым можно искать связи для собственной задачи. Для этого понадобятся доступ к модели, рабочие средства проверки и понятная стоимость экспериментов. Эффектная выгрузка PDF такую возможность ещё не обеспечивает.

Первые дни открытой работы не решают вопрос о будущем науки, зато уже дают содержательную гипотезу. Массовые корпоративные запуски способны произвести огромный объём математического материала; дальше этот материал попадает к людям, которые видят способы его драматически усилить, соединить с другими методами и использовать иначе. Если похожий поиск станет частью рабочего стола каждого исследователя, революция ИИ для науки получит гораздо более интересное продолжение. Пока пророки обсуждали, кому достанется математика после математиков, сами математики успели вступить в битву с самой практической стороны.

Впрочем, научная спам-машина уже вполне может помещаться и на столе конкретного профессора. В сентябре The Washington Post рассказала о Николасе Полсоне из Чикагского университета, который с помощью ИИ успел написать за этот год сотни статей. После вопросов других исследователей онлайн-платформа удалила сотни работ, написанных им или в соавторстве. Сам Полсон признал использование ИИ, но объяснил критику в том числе завистью коллег.

Так что персональная фабрика публикаций уже доступна — и вполне умеет обеспечивать работой окружающих. Так что собственный ИИ у каждого учёного — заманчивая перспектива, но исследовательский вкус в комплект точно не входит.

PS: За ночь заявленный выигрыш в теоретической оценке умножения вырос ещё в 8 раз относительно текущей принятой версии репозитория. Новое улучшение — в черновике участника. У обречённой профессии опять выдалась рабочая ночь.