A mesterséges intelligencia ismét bizonyította figyelemre méltó képességeit, miután a ChatGPT 5.6 Pro verziója mindössze néhány óra alatt megoldott egy 30 éve nyitott matematikai problémát. A New Scientist beszámolója szerint Dmirty Rybin, egy mesterséges intelligenciával foglalkozó kutató érte el ezt az eredményt, egy olyan feladattal, amely korábban évtizedekig ellenállt a matematikusoknak és a számítógépes elemzéseknek egyaránt.
A feladat megoldásához Rybin mindössze annyit kért a ChatGPT-től, hogy „keressen egy ellenpéldát, ami bizonyítja, hogy a Dinitz–Garg–Goemans sejtés nem igaz”. Ez a rendkívül egyszerű és közvetlen utasítás jelentős eltérést mutat a korábbi hasonló esetekhez képest, ahol a mesterséges intelligencia bevonása gyakran bonyolult, speciális matematikai tudást igénylő promptokat feltételezett. A kezdeti kérés után a rendszer által mutatott részeredmények alapján Rybin még három alkalommal utasította a mesterséges intelligenciát a további keresésre és finomításra. A teljes folyamat, a kezdeti prompttól a végső megoldásig, öt és fél órát vett igénybe, mire a ChatGPT előállt a mindent eldöntő eredménnyel.
Az ilyen jellegű hírek, miszerint egy mesterséges intelligencia matematikai problémát oldott meg, nem számítanak teljesen egyedinek; szinte hetente jelennek meg hasonló beszámolók a tudományos és technológiai sajtóban. Azonban az esetek többségében, ahogy azt Rybin is kiemelte, a problémafelvetés, vagyis a promptolás maga is komoly matematikai szaktudást igényel, gyakran egyetemi diplomával rendelkező szakemberek bevonásával. Ezenkívül sokszor olyan kérdésekről van szó, amelyek nem a nehézségük miatt maradtak megoldatlanok, hanem mert kevés figyelem irányult rájuk, vagy nem voltak elegendőek az emberi számítási kapacitások a szükséges ellenpéldák megtalálásához. Rybin esete azonban kiemelkedő, mivel a problémafelvetés rendkívül egyszerű volt, mindössze egyetlen, világos utasításból állt, ami a szélesebb közönség számára is érthető.
A Dinitz–Garg–Goemans sejtés a gráfelmélet, egy komplex matematikai ág területéhez tartozik, amely hálózatok és azok tulajdonságainak tanulmányozásával foglalkozik. Ez a feltételezés azt állította, hogy egy hálózatban történő áruszállítás során, ha az árukat kisebb csomagokra bontják és alternatív útvonalakon küldik, az nem eredményez költségmegtakarítást. A sejtés szerint mindig létezik egy ezzel egyenértékű, osztatlan útvonal, amely ugyanolyan hatékonyan és költséghatékonyan képes elvégezni a szállítást. Egy matematikai sejtés olyan megfigyelés vagy állítás, amelyről úgy gondolják, hogy igaz, de amelynek logikai levezetését még nem sikerült bizonyítani, és eddig soha nem találtak rá ellenpéldát, ami cáfolná.
A ChatGPT mostani eredménye azonban alapjaiban rendítette meg ezt az elméletet. A mesterséges intelligencia képes volt olyan ellenpéldát találni, ahol a törtrészekre osztott szállítási alternatíva valóban olcsóbbnak bizonyult, mint az osztatlan útvonal. Ezzel a Dinitz–Garg–Goemans sejtés, amely három évtizeden át állt fenn mint egy megfigyelés, hivatalosan is megcáfolódott, bizonyítva, hogy a feltételezés nem univerzálisan igaz minden hálózati konfigurációra.
Dmirty Rybin hangsúlyozta, hogy ez az eredmény nem jelenti azt, hogy a mesterséges intelligencia hamarosan átveszi a matematikusok vagy a kutatók helyét. Sőt, elmondása szerint a régi gráfelméleti sejtések megcáfolása már-már egyfajta „mém” az MI-kutatók körében. Az ilyen típusú sejtések megdöntéséhez ugyanis elegendő egyetlen ellenpélda megtalálása, és éppen ebben rejlik az MI ereje. A hatalmas számítási kapacitás és a releváns szakirodalom részletes, gyors áttekintésének képessége lehetővé teszi a mesterséges intelligencia számára, hogy hatékonyan keressen ilyen ellenpéldákat, kompenzálva ezzel a valódi kreatív gondolkodás és az új, innovatív ötletek hiányát, amelyek az emberi matematikusok munkájának alapját képezik.
Ennek ellenére az, hogy egy ilyen komplex matematikai probléma megoldásához mindössze néhány egyszerű promptra volt szükség, mindenképpen figyelemre méltó és rávilágít a mesterséges intelligencia fejlődésének ütemére és potenciáljára a tudományos kutatásban, különösen azokban a területeken, ahol nagy mennyiségű adat elemzése és kombinatorikus lehetőségek feltárása szükséges. Ez az eset ismételten bizonyítja, hogy az MI egyre inkább képes lesz támogatni, sőt, bizonyos specifikus feladatokban akár felgyorsítani is a tudományos felfedezéseket.
📰 Forrás: Telex — Eredeti cikk elolvasása