AI-ն անցնում է մաթեմատիկայի ավտոմատացումից դեպի տեսական ծանրաբեռնված ոլորտներ, ինչպիսիք են ֆիզիկան և տնտեսագիտությունը

Տեսական խնդիրների անտեսումը ավելի դժվար է դառնում

AI-ն մաթեմատիկայի սահմաններն է մեկնում և տեսական ծանրաբեռնված այլ ոլորտն է մտնում: Նիլ Թոմպսոնը, ով հետազոտում է հաշվողականության և արհեստական բանակցության առաջընթացը, MIT-ում հաստատեց, որ հաջորդը կարող է լինել հավանականությունը, վիճակագրության տեսությունը, տնտեսատեսական տեսությունը, բարձր էներգիաների տեսությունը, գրավիտացիան և տիեզերագիտությունը, ինչպես նաև քվանտային ֆիզիկան: Նրա լաբորատորիան ուսումնասիրում է, թե ինչպես է համակարգչային գիտության զարգացումը ազդում հասարակության և նորարության վրա:

Գաբրիել Մանսոն և Կլաուդիո Մայրինկ Վերդունի հետ միասին կատարված աշխատանքը հաստատում է կոշտ փոփոխությունը: 2024 թվականի միջինից 2026 թվականի միջին այս ոլորտներում տեսական խնդիրների ճիշտ լուծման ցուցանիշը լավագույն AI մոդելների հետ մոտավորապես 2%-ից 35%-ն է աճել: Հետազոտողները չեն տեսել առաջընթացի դանդաղման նշաններ:

Խնդիրները ստուգվեցին ուսուցման դադարից հետո

Ուսումնասիրության մեջ օգտագործվեցին խնդիրներ, որոնք 2025 թվականի դեկտեմբերից 2026 թվականի մայիս ընթացքում հրապարակվել էին գիտական աշխատանքներում ինտերնետում: Ստուգվեցին OpenAI-ի մոդելները, այդ թվում՝ o1, o3, GPT-5, GPT-5.1, GPT-5.4 և GPT-5.5: Լուծումները հայտնվել էին GPT-5.5-ի և նախորդ մոդելների ուսուցման դադարից հետո հրապարակված աշխատանքներում, ուստի համակարգերը պատասխանները անկախ պետք է գտնեին, ոչ թե կրկնօրինակելով հայտնի արդյունքները:

Հետազոտողները նաև արգելացրեցին ինտերնետ հասանելիությունը, որպեսզի մոդելները չկարողանային գտնել լուծումները: Նրանք սահմանափակվեցին միայն այն ոլորտներով, որտեղ AI-ն կարող էր տրամաբանել առանց սիմուլյացիաների կամ փորձերի իրականացման: Չնայած դրան, հեղինակները հայտնում են, որ այս օրինակը նման է մաթեմատիկայում վերջերս ստացված շոկի ալիքներին և կարող է տարածվել նաև այլ մաթեմատիկական և տեսական ծանրաբեռնված հետազոտական ոլորտներում:

Մարդու դերը փոխվում է դատավճիռի և ստուգման ուղղությամբ

OpenAI-ն ավելի ուշ ուշադրություն գրավեց իր հայտարարությամբ, թե ինչպես է առաջին անգամ հրապարակված մոդելը լուծել մաթեմատիկայում երկար ժամանակ առաջ գոյություն ունցող Navier-Stokes-ի հսկայական մարտահրավերը, որը վերաբերում է հոսող միջոցի շարժման հավասարություններին: Հայտարարությունը սկանդալային դարձավ այն բանից հետո, երբ NYU-ի մաթեմատիկոսը մեղադրեց OpenAI-ի աշխատակիցներին հատումում, երբ տեղեկացավ համապատասխան առաջընթացի մասին: OpenAI-ն և ուրշերը ավելի ուշ հայտարարեցին հազարավոր լուծումներ երկարատև մաթեմատիկական խնդիրների վերաբերյալ, ինչը հանգեցրեց որոշ մաթեմատիկոսների կողմից սահմանափակումների պահանջի:

Հետազոտողները երկարատև են թե՛ դրական, թե՛ բացասական ազդեցությունների վրա: Թոմպսոնը նշում է, որ տեսական նվաճումները երբեմն գիտության մեջ գործնական նվաճումներ են առաջացնում, ուստի AI-ի ավելի շատ օգտագործումը կարող է արագացնել այս ուղին: Որոշ AI հետազոտողներ հիմնել են լաբորատորիաներ, որոնք ուղղված են գիտնականների համար AI-ի վրա, իսկ խոշոր AI ընկերությունները ամրապնդում են գիտական հետազոտական գործունեությունը, որտեղ վերլուծությունը կապված է իրական փորձերի հետ:

Փորձագետները դեռ կարևոր են: Մանսոնը հայտարարեց, որ մարդիկ դեռ անհրաժեշտ են լավ գաղափարներ առաջարկելու և համակցելու համար: Նա նշեց, որ բարդ խնդիրները կարող են բերել AI-ի սխալների, իսկ ճիշտ պատասխանի հաստատումը պետք է ստուգվի լրիվ լուծման հետ: OpenAI-ն նաև մերժեց մի քանի լուծում իր վերջին տվյալների փաթեթում հրապարակումից հետո, ինչը ընդգծում է ստուգման անհրաժեշտությունը:

Աղբյուրներ: Wired