AI i matematika na ratnoj nozi

Četbotovi, kao što je ChatGPT kompanije OpenAI, mogu da pišu poeziju, prepričaju knjigu i odgovaraju na pitanja i to često fluidno poput čoveka.

Ovi sistemi mogu da rešavaju matematičke probleme, zasnovano na onome što su naučili, ali rezultati često mogu da variraju ili da budu pogrešni. AI je isprogramiran i "naštelovan" da pruži proračune verovatnoća, ali ne i da ponude proračune zasnovane na pravilima, piše Njujork tajms.

"AI četbotovi imaju problema sa matematikom jer nikada nisu bili dizajnirani za to", kaže Krisian Hamond – profesor i istraživač za veštačku inteligenciju sa Nordvestern univerziteta.

Ova vrsta veštačke inteligencije nije programirana sa rigidnim pravilima, već uči tako što analizira ogromne količine podataka. Generiše jezik, zasnovan na svim informacijama koje su prikupljene, tako što predviđa koja reč ili fraza će najverovatnije biti sledeća – u velikoj meri kao što to čine i ljudi.

• Osvojiće Kinu novim čipovima
• Meta prelomila: Neće u EU
• Kinezi žele AI na socijalistički način
• OpenAI sprema još napredniji AI: Evo šta sve može
• Veštačka inteligencija uništava internet

"Ova tehnologija je brilijantna, ali ne može sve. Svako želi da odgovor na AI bude jedna stvar. To je suludo", kaže Hamond.

Tokom vremena, AI četbotovi su se saplitali i na najjednostavnijim aritmetičkim i matematičkim problemima koji zahtevaju više koraka za rešenje. Sposobnosti AI-ja se poboljšavaju, ali i dalje predstavljaju nedostatak.

Nepravilne performanse tehnologije na polju matematike doprinose žustroj debati u zajednici veštačke inteligencije o tome koji je najbolji put napred u ovoj oblasti. Uopšteno govoreći, postoje dva tabora.

Na jednoj strani su oni koji veruju da napredne neuronske mreže, poznate kao veliki jezički modeli, koje napajaju AI četbotove predstavljaju skoro jedinstven put ka stalnom napretku i na kraju ka veštačkoj opštoj inteligenciji, ili AGI – kompjuteru koji može da uradi sve što ljudski mozak može. To je dominantan pogled u velikom delu Silicijumske doline.

Međutim, postoje skeptici koji se pitaju da li je dodavanje više podataka i moćnijeg računarskog procesiranja u velike jezičke modele dovoljno.

"Veliki jezički model slabo razumeju logiku i nemaju zdravorazumsko rezonovanje", kaže Jan Lekun, glavni inženjer za AI u kompaniji Meta. Ono što je potrebno jeste širi pristup, koji Lekun naziva "modeliranjem sveta", ili sistemi koji mogu da nauče kako svet funkcioniše kao i ljudi. Ali može potrajati decenija ili više da se to postigne.