കൗണ്ടർ എക്സാമ്പിൾ
ഒരു OpenAI മോഡൽ 80 വർഷം പഴക്കമുള്ള ഒരു ഗണിത അനുമാനം തെറ്റാണെന്ന് തെളിയിച്ചു. ഇതൊരു നാഴികക്കല്ലാണ്. എന്നാൽ AI-ക്ക് എന്ത് ചെയ്യാൻ കഴിയും, എന്ത് ചെയ്യാൻ കഴിയില്ല എന്ന് ഇത് കൃത്യമായി കാണിച്ചുതരുന്നു.
പ്രശ്നം ലളിതമായിരുന്നു. ഒരു പരന്ന പ്രതലത്തിൽ ബിന്ദുക്കൾ അടയാളപ്പെടുത്തുക. ഒരു യൂണിറ്റ് അകലത്തിൽ എത്ര ജോഡികളെ ഇരുത്താൻ കഴിയും? ഒരു പ്രത്യേക ഗ്രിഡ് ആണ് ഇതിന് ഏറ്റവും അനുയോജ്യമായ മാർഗ്ഗമെന്ന് പോൾ ഏർഡോസ് ഊഹിച്ചിരുന്നു. ഈ ഊഹം 80 വർഷത്തോളം നിലനിന്നു.
AI ആ ഊഹത്തെ തെറ്റാണെന്ന് തെളിയിച്ചു. അത് ചിന്തിക്കുന്നതിന് പുതിയൊരു രീതി കണ്ടുപിടിച്ചില്ല. ഉയർന്ന ഡൈമൻഷനുകളിൽ ഒരു ലാറ്റിസ് നിർമ്മിച്ചും അത് തിരികെ പ്രൊജക്റ്റ് ചെയ്തും ഒരു പാറ്റേൺ കണ്ടെത്തുകയായിരുന്നു അത് ചെയ്തത്. ഒരു ഗ്രിഡിന് എത്തിപ്പിടിക്കാൻ കഴിയാത്ത ഒരു പ്രത്യേക ക്രമീകരണം അത് കണ്ടെത്തി.
ഈ വിജയം AI-യുടെ രണ്ട് പ്രത്യേക കരുത്തുകളെ വെളിപ്പെടുത്തുന്നു:
- പക്ഷപാതമില്ലാത്ത തിരച്ചിൽ: ഒരു സിദ്ധാന്തം ശരിയാണെന്ന് മനുഷ്യർ വിശ്വസിച്ചാൽ പലപ്പോഴും അവർ കൗണ്ടർ എക്സാമ്പിളുകൾക്കായി തിരയുന്നത് നിർത്താറുണ്ട്. എന്നാൽ AI-ക്ക് അത്തരം വിശ്വാസങ്ങളില്ല. മനുഷ്യർ ശ്രമം ഉപേക്ഷിക്കുമ്പോഴും അത് തിരച്ചിൽ തുടരുന്നു.
- അസാമാന്യമായ സഹിഷ്ണുത: മനുഷ്യർ അവരുടെ ശ്രദ്ധ പരിമിതപ്പെടുത്തുന്നു. കൂടുതൽ സമയം എടുക്കുന്നതോ പെട്ടെന്ന് ഫലം കാണാത്തതോ ആയ തന്ത്രങ്ങൾ നമ്മൾ ഉപേക്ഷിക്കുന്നു. എന്നാൽ ഈ മോഡൽ തളരാതെ നൂറുകണക്കിന് പരാജയപ്പെട്ട ശ്രമങ്ങളിലൂടെ മുന്നോട്ട് പോകുന്നു.
AI അതിന്റെ വ്യാപ്തിയും ഉപയോഗിച്ചു. അത് ആൾജിബ്രായിക് നമ്പർ തിയറിയെ ഡിസ്ക്രീറ്റ് ജിയോമെട്രിയുമായി സംയോജിപ്പിച്ചു. മിക്ക മനുഷ്യരും ഒരു പ്രത്യേക മേഖലയിൽ മാത്രം വൈദഗ്ധ്യം നേടുന്നു. എന്നാൽ ഈ മോഡൽ എല്ലാ മേഖലകളിലെയും സാഹിത്യവും അറിവും ഒരേസമയം കൈവശം വെക്കുന്നു. ഒരു വിദഗ്ദ്ധന് ശ്രദ്ധിക്കാതെ പോയേക്കാവുന്ന ബന്ധങ്ങൾ കണ്ടെത്താൻ ഇതിന് സാധിക്കുന്നു.
എന്നിരുന്നാലും, ഇതൊരു കണ്ടുപിടുത്തമല്ല. മോഡൽ പുതിയൊരു ഗണിതശാസ്ത്ര ഉപകരണം നിർമ്മിച്ചില്ല. നിലവിലുള്ള ഒരു ചട്ടക്കൂടിനുള്ളിൽ ഒരു ഫലം കണ്ടെത്തുന്നതിനായി അത് നിലവിലുള്ള ഗണിതശാസ്ത്രം ഉപയോഗിക്കുകയാണ് ചെയ്തത്. അറിയപ്പെടുന്ന നിയമങ്ങൾ പാലിക്കുന്ന ഒരു വസ്തുവിനായി അത് നിശ്ചിത ഇടങ്ങളിൽ തിരഞ്ഞു.
യഥാർത്ഥ ഗണിതശാസ്ത്ര കണ്ടുപിടുത്തം വ്യത്യസ്തമാണ്. പുതിയ