ಪ್ರತಿ-ಉದಾಹರಣೆ
ಒಂದು OpenAI ಮಾದರಿಯು 80 ವರ್ಷ ಹಳೆಯ ಗಣಿತದ ಕಲ್ಪನೆಯನ್ನು (conjecture) ಸುಳ್ಳು ಎಂದು ಸಾಬೀತುಪಡಿಸಿದೆ. ಇದು ಒಂದು ಮೈಲಿಗಲ್ಲು. ಆದರೆ AI ಏನು ಮಾಡಬಲ್ಲದು ಮತ್ತು ಏನು ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬುದನ್ನು ಇದು ನಮಗೆ ನಿಖರವಾಗಿ ತೋರಿಸುತ್ತದೆ.
ಸಮಸ್ಯೆ ಸರಳವಾಗಿತ್ತು. ಒಂದು ಸಮತಟ್ಟಾದ ಸಮತಲದಲ್ಲಿ (flat plane) ಚುಕ್ಕೆಗಳನ್ನು ಇರಿಸಿ. ಎಷ್ಟು ಜೋಡಿಗಳು ಒಂದು ಯೂನಿಟ್ ಅಂತರದಲ್ಲಿ ಇರಬಲ್ಲವು? ಪೌಲ್ ಎರ್ಡೋಸ್ (Paul Erdős) ಒಂದು ನಿರ್ದಿಷ್ಟ ಗ್ರಿಡ್ (grid) ಅತ್ಯುತ್ತಮ ಮಾರ್ಗ ಎಂದು ಊಹಿಸಿದ್ದರು. ಈ ಊಹೆಯು 80 ವರ್ಷಗಳ ಕಾಲ ಅಚಲವಾಗಿತ್ತು.
AI ಆ ಊಹೆಯನ್ನು ತಪ್ಪಿಸಿತು. ಅದು ಆಲೋಚನೆಯ ಹೊಸ ರೀತಿಯನ್ನು ಕಂಡುಹಿಡಿಯಲಿಲ್ಲ. ಬದಲಾಗಿ, ಹೆಚ್ಚಿನ ಆಯಾಮಗಳಲ್ಲಿ (higher dimensions) ಒಂದು ಲ್ಯಾಟಿಸ್ (lattice) ಅನ್ನು ನಿರ್ಮಿಸುವ ಮೂಲಕ ಮತ್ತು ಅದನ್ನು ಮತ್ತೆ ಕೆಳಕ್ಕೆ ಪ್ರಕ್ಷೇಪಿಸುವ ಮೂಲಕ (projecting) ಒಂದು ಮಾದರಿಯನ್ನು ಕಂಡುಕೊಂಡಿತು. ಗ್ರಿಡ್ಗೆ ಮೀರಿದ ಒಂದು ನಿರ್ದಿಷ್ಟ ಜೋಡಣೆಯನ್ನು ಅದು ಪತ್ತೆಹಚ್ಚಿತು.
ಈ ಯಶಸ್ಸು AI ನ ಎರಡು ನಿರ್ದಿಷ್ಟ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ:
- ಪಕ್ಷಪಾತವಿಲ್ಲದ ಹುಡುಕಾಟ (Bias-free search): ಒಂದು ಸಿದ್ಧಾಂತವು ನಿಜವೆಂದು ಮನುಷ್ಯರು ನಂಬಿದರೆ, ಅವರು ಪ್ರತಿ-ಉದಾಹರಣೆಗಾಗಿ (counterexample) ಹುಡುಕುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತಾರೆ. ಆದರೆ AI ಗೆ ಅಂತಹ ನಂಬಿಕೆಗಳಿಲ್ಲ. ಮನುಷ್ಯರು ಪ್ರಯತ್ನ ಬಿಟ್ಟರೂ ಸಹ ಅದು ಹುಡುಕಾಟ ಮುಂದುವರಿಸುತ್ತದೆ.
- ಅತಿ ಹೆಚ್ಚಿನ ಸಹನೆ (Extreme stamina): ಮನುಷ್ಯರು ತಮ್ಮ ಗಮನವನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತಾರೆ. ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವ ಅಥವಾ ಬೇಗನೆ ಕೆಲಸ ಮಾಡದ ತಂತ್ರಗಳನ್ನು ನಾವು ಕೈಬಿಡುತ್ತೇವೆ. ಆದರೆ ಈ ಮಾದರಿಯು ದಣಿಯದೆಯೇ ನೂರಾರು ವಿಫಲ ಪ್ರಯತ್ನಗಳನ್ನು ನಡೆಸುತ್ತದೆ.
AI ತನ್ನ ವ್ಯಾಪ್ತಿಯನ್ನು (reach) ಸಹ ಬಳಸಿಕೊಂಡಿತು. ಅದು ಬೀಜಗಣಿತದ ಸಂಖ್ಯೆ ಸಿದ್ಧಾಂತವನ್ನು (algebraic number theory) ವಿಭಜಿತ ರೇಖಾಗಣಿತದೊಂದಿಗೆ (discrete geometry) ಸಂಯೋಜಿಸಿತು. ಹೆಚ್ಚಿನ ಮನುಷ್ಯರು ಒಂದು ಕ್ಷೇತ್ರದಲ್ಲಿ ಮಾತ್ರ ಪರಿಣಿತರಾಗಿರುತ್ತಾರೆ. ಆದರೆ ಈ ಮಾದರಿಯು ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳ ಸಾಹಿತ್ಯವನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಹೊಂದಿರುತ್ತದೆ. ಇದು ಒಬ್ಬ ತಜ್ಞರು ಗಮನಿಸದೇ ಬಿಡುವಂತಹ ಸಂಬಂಧಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುತ್ತದೆ.
ಆದಾಗ್ಯೂ, ಇದು ಹೊಸ ಸಂಶೋಧನೆಯಲ್ಲ (invention). ಈ ಮಾದರಿಯು ಹೊಸ ಗಣಿತದ ಸಾಧನವನ್ನು ಸೃಷ್ಟಿಸಲಿಲ್ಲ. ಇದು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಚೌಕಟ್ಟಿನೊಳಗೆ ಫಲಿತಾಂಶವನ್ನು ಕಂಡುಕೊಳ್ಳಲು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಗಣಿತವನ್ನು ಬಳಸಿಕೊಂಡಿತು. ಇದು ತಿಳಿದಿರುವ ನಿಯಮಗಳನ್ನು ಪೂರೈಸುವ ಒಂದು ವಸ್ತುವಿಗಾಗಿ ನಿರ್ದಿಷ್ಟ ಸ್ಥಳದಲ್ಲಿ ಹುಡುಕಾಟ ನಡೆಸಿತು.
ನಿಜವಾದ ಗಣಿತದ ಸಂಶೋಧನೆಯು ವಿಭಿನ್ನವಾಗಿರುತ್ತದೆ. ಅದು ಹೊಸ ಸ್ಥಳ, ಹೊಸ ನಿರ್ಬಂಧಗಳು ಅಥವಾ ಹೊಸ ಭಾಷೆಯನ್ನು ಸೃಷ್ಟಿಸುವ ಸಾಮರ್ಥ್ಯವಾಗಿದೆ.
AI ಗೆ ನಿಜವಾದ ಪರೀಕ್ಷೆಯೆಂದರೆ ಅದು ಎಷ್ಟು ಹಳೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುತ್ತದೆ ಎಂಬುದಲ್ಲ. ಬದಲಾಗಿ, ಒಂದು ಮಾದರಿಯು ಗಣಿತಜ್ಞರು ತಮ್ಮದೇ ಎಂದು ಸ್ವೀಕರಿಸುವಂತಹ ಒಂದು ವ್ಯಾಖ್ಯಾನ ಅಥವಾ ವಿಧಾನವನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆಯೇ ಎಂಬುದೇ ನಿಜವಾದ ಪರೀಕ್ಷೆ.
ಒಂದು ಮಾದರಿಯು ಹೊಸ ಚೌಕಟ್ಟನ್ನು ಸೃಷ್ಟಿಸುವವರೆಗೆ, ಅದು ಸೃಷ್ಟಿಕರ್ತನಾಗುವ ಬದಲು ಕೇವಲ ಒಂದು ಶಕ್ತಿಯುತ ಹುಡುಕಾಟದ ಸಾಧನವಾಗಿ ಉಳಿಯುತ್ತದೆ. ನಾವು ನಂಬುವುದನ್ನು ಯಂತ್ರ ನಂಬುವುದಿಲ್ಲ ಮತ್ತು ಹುಡುಕುವುದರಿಂದ ಅದು ದಣಿಯುವುದಿಲ್ಲ ಎಂಬುದು ಅದರ ದೊಡ್ಡ ಅನುಕೂಲವಾಗಿದೆ.
ಮೂಲ: https://dev.to/thesythesis/the-counterexample-hd2
ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi