Przez dziesięciolecia matematycy po cichu polegali na sztucznej inteligencji przy rozwiązywaniu złożonych problemów, dostarczając ważnych lekcji innym dziedzinom zmagającym się z rosnącym wpływem sztucznej inteligencji. Historia tej dziedziny pokazuje, że akceptacja wyników generowanych maszynowo, nawet jeśli są niezadowalające, może prowadzić do przełomów.
Twierdzenie o czterech kolorach i początek dowodów obliczeniowych
W 1976 roku Kenneth Appel i Wolfgang Haken zadziwili świat matematyki swoim dowodem na twierdzenie o czterech kolorach. Twierdzenie to stwierdza, że dowolną mapę można pokolorować czterema kolorami, tak aby żaden sąsiadujący region nie miał tego samego odcienia. Dowód nie był jednak elegancki: składał się z 60 000 linii kodu komputerowego.
Zespół zaprogramował maszynę tak, aby systematycznie testowała prawie 2000 możliwych konfiguracji kart, uwzględniając każdy potencjalny scenariusz. Wynik był technicznie poprawny, ale wielu matematyków uznało go za… niezadowalający. Dowódowi brakowało intuicyjnej elegancji, jakiej oczekiwali, i nie ujawniał głębszych zasad matematycznych.
Dostosowanie do logiki maszyny
Z czasem społeczność się przystosowała. Matematycy uznali, że choć metoda nie jest piękna, jest skuteczna. To przyjęcie utorowało drogę nowoczesnym dowodom opartym na sztucznej inteligencji. Nowoczesne, wielkojęzykowe modele obsługują teraz kodowanie, a oddzielne oprogramowanie weryfikuje wyniki, eliminując obawy dotyczące „halucynacji” sztucznej inteligencji (sfabrykowanych wyników).
Kontrast poza środowiskiem akademickim
Stanowi to wyraźny kontrast w stosunku do innych branż, w których kod generowany przez sztuczną inteligencję często zawodzi. Gartner przewiduje, że połowa firm zastępujących stanowiska AI ponownie zatrudni pracowników na te same stanowiska w ciągu roku, co sugeruje, że wiele adaptacji jest przedwczesnych.
Doświadczenie matematyków pokazuje nam, że Sztuczna inteligencja nie tylko zastępuje ludzi, ale także wzmacnia ich pozycję. Sukces w tej dziedzinie zależy od zaufania do odpowiedzi sprawdzanych maszynowo, nawet jeśli proces ten nie jest intuicyjny.
Świat poza matematyką może nie jest jeszcze gotowy, ale lekcja jest jasna: praktyczne zaufanie i filozoficzny komfort związany z wynikami sztucznej inteligencji są niezbędne do postępu.
